licinexus/README

Licinexus AI

Família de modelos proprietários de inteligência artificial verticalizada em licitação pública brasileira.

licinexus.com.br

O que é

A Licinexus é uma plataforma B2B que ajuda fornecedores brasileiros a vencer mais licitações públicas. A camada de IA é o que diferencia o produto: modelos próprios, fine-tunados em dados públicos brasileiros que nenhum lab generalista tem acesso na profundidade certa.

Esta organização Hugging Face hospeda os artefatos de modelo dos sistemas que rodam em produção no licinexus.com.br. Todos os repos são privados, com acesso liberado caso a caso.

Por que modelos próprios

Modelos generalistas treinados em texto aberto da internet não capturam a especificidade da licitação pública brasileira: a Lei 14.133/2021, o vocabulário CATMAT/CATSER, a estrutura do PNCP, a jurisprudência do TCU e dos TCEs. Por isso especializamos open-source de licença livre com corpus próprio que o produto Licinexus tem acesso direto a coletar.

A premissa: pequenas e médias empresas são 97% das empresas brasileiras (fonte: Sebrae), mas competem em desvantagem técnica nas licitações públicas. A empresa grande tem time jurídico, BI e analista de preço dedicado. A PME tem o dono lendo edital de 80 páginas às 23h. A camada de IA da Licinexus equaliza isso com modelos especializados em dados públicos consolidados.

Família de modelos

Em produção

Modelo	Função	Repo HF
Catálogo	Bi-encoder fine-tunado pra classificação CATMAT/CATSER de itens de licitação.	licinexus/catalogo
Previsor	Pipeline de regressão quantílica calibrada pra preço-ganhador, retorna intervalo (p10, p50, p90).	licinexus/previsor
CNAE Matcher v1	Embedding semântico pra aderência CNAE da empresa com objeto de licitação. Resolve a inversão verbo-papel ("aquisição" vs "comércio atacadista") que matchers lexicais erram.	licinexus/cnae-matcher-v1
Leitor	Extração estruturada de campos de processo PNCP (modalidade, critério, prazo, valor estimado).	Não publicado aqui ainda.

Em treino

Modelo	Função	Status
Auditor	LLM proprietário pra análise de risco em edital, com retrieval de jurisprudência TCU.	Fine-tuning em curso.
Reader Full	Análise completa de edital PDF (objeto, lotes, itens, exigências de habilitação, prazos, atestados).	Dataset em expansão.

Honestidade

Política da casa pra cards desta organização:

• Métricas reais. Quando uma métrica não foi medida em test holdout reproduzível, o card diz a medir. Sem baseline chutado.
• Versão clara. Versões em treino ficam separadas de versões em produção, sem mistura.
• Limitações explícitas. Cada card lista o que o modelo não faz bem ainda e o que o roadmap planeja arrumar.
• Dado verificável. Todo número agregado de dataset que aparece nos cards é extraído via query no banco em prod, com data da medição.

Dado de treino

Todos os modelos são fine-tunados em dados públicos brasileiros de domínio público: PNCP (Portal Nacional de Contratações Públicas), base CNAE da Receita Federal, jurisprudência de tribunais de contas, e fontes oficiais correlatas. Pipeline próprio Licinexus consolida, normaliza e cruza essas bases continuamente.

Volumes consolidados na ordem de milhões de processos, milhões de contratos, centenas de milhares de atas de registro de preço, dezenas de milhões de CNPJs indexados, e dezenas de milhares de decisões jurisprudenciais. Atualização contínua via crons dedicados em produção.

Nenhum modelo é treinado em dados pessoais de usuários da plataforma Licinexus. Dados privados do produto são usados apenas pra personalização em tempo de inferência, nunca pra treino.

Onde está o moat

Não está no algoritmo. Bi-encoders e regressão quantílica são commodity bem entendida. O moat é o dado: anos de coleta, dedup cross-source, normalização e curadoria. Replicar isso leva muito tempo, não pela técnica, pelo grind de pipeline.

Filosofia de release

Cadência release-com-delay para balancear contribuição à comunidade com diferencial competitivo. Modelos com componente comercial sensível permanecem privados. Modelos de utilidade geral podem ser publicados com licença restritiva (CC-BY-NC-4.0), uso comercial requer licença Licinexus.

Feedback loop

A partir do lançamento, cada interação real do fornecedor na plataforma vira sinal de retreino:

1. Usuário consulta um modelo, predição persistida.
2. Usuário avalia.
3. Cron cruza predição com homologação real do PNCP.
4. Dataset gold alimenta retreino mensal.

A v1 publicada foi treinada apenas em dados públicos. O feedback loop entra no pipeline a partir da v1.1.

Licença e uso

• Conteúdo público dos cards: CC-BY-NC-4.0
• Pesos dos modelos: privados, requerem licença comercial Licinexus
• Contato: info@licinexus.com.br

Aviso

Esta organização não tem afiliação com órgãos do governo federal brasileiro. Dados utilizados são todos de domínio público, conforme disposto na Lei de Acesso à Informação (Lei 12.527/2011) e nos portais oficiais de transparência da administração pública.

Contato

• Site: licinexus.com.br
• Comercial: info@licinexus.com.br
• Pesquisa e parcerias: info@licinexus.com.br