Caso · Empresa de compliance e integridade corporativa · 2023 a 2026
Checagem de antecedentes em tribunais com CAPTCHA, workers que escalam pela fila e um produto novo com IA
Uma empresa que vende checagem de antecedentes e canal de denúncias a outras empresas precisava consultar portais de tribunais que bloqueiam robôs, escalar o processamento conforme a demanda e modernizar produtos que tinham ficado para trás.
Cliente anonimizado com autorização. Os números vêm dos repositórios do próprio projeto.
robôs de tribunal que passam por CAPTCHA e buscam em paralelo
workers de fila na plataforma de checagem, escalando pelo tamanho da fila
arquivos do front-end legado, que tinha 3 testes, em migração para a versão atual
provedores de IA para tradução, trocáveis por configuração
Como era
- Portais de tribunais com CAPTCHA, Cloudflare Turnstile e limite de requisições, que mudam sem avisar.
- Workers de fila rodando em quantidade fixa, com a mesma capacidade no pico e na madrugada.
- Front-ends em versão antiga do framework, com milhares de arquivos e quase nenhum teste automatizado.
- Canal de denúncias com pouca personalização por cliente, perdendo para a concorrência.
O que fizemos
- Robôs de consulta a tribunais: o navegador só resolve o CAPTCHA, e a busca segue por HTTP, em paralelo, entregando os processos já estruturados ao motor de checagem.
- Os workers da plataforma de checagem passaram a escalar pelo tamanho da fila com KEDA, com tarefas periódicas em CronJob.
- Migração dos front-ends para a versão atual do framework, sobre um design system único para os produtos.
- Um construtor de páginas white-label para o canal de denúncias: cada empresa cliente monta e publica o seu portal, com SEO e checagem de contraste.
- IA no produto: tradução automática da página publicada, com o provedor escolhido por configuração (Anthropic ou Google).
Com o quê
.NET 8, Angular 21 com SSR, Go (robôs), Azure Service Bus, SQL Server, Redis, Kubernetes com KEDA, pipelines no Azure DevOps, Anthropic e Gemini.
Tem um problema parecido?
Solução · Dados presos em portais
Parar de copiar à mão o que está em portais, PDFs e planilhas
Solução · Produto que quer IA
LLM no produto com custo por chamada e plano B quando o modelo cai
Solução · Times sem engenheiro de plataforma
Kubernetes em produção sem depender de uma pessoa só
Serviço
Desenvolvimento sob medida e RPA
Web, mobile e APIs, e robôs que extraem dados de portais, PDFs e planilhas.
Serviço
DevOps e Kubernetes
AKS e EKS, pipelines de CI/CD e infraestrutura como código.
Serviço
Integração de IA em produto
LLM no fluxo do produto, com avaliação, custo por chamada e fallback entre modelos.
Conte o seu caso em três linhas.
Respondemos com perguntas, não com proposta.