Auditoria de provas online por agente de IA

Cinco módulos, um por tipo de evidência. Cada apontamento sai com arquivo, questão e instante.

1. 01

   Documento

   Lê o documento da inscrição por OCR e confere nome, CPF, nascimento e filiação contra a ficha.

2. 02

   Identidade

   Compara o rosto do documento com todas as fotos da webcam. Aponta as fotos em que a semelhança cai.

3. 03

   Telemetria

   Aplica as regras do edital ao histórico da plataforma: saídas da janela, número de telas, início e fim.

4. 04

   Capturas de tela

   Procura segunda pessoa, celular, fone e monitor extra nas fotos. Na tela, lê a questão, a câmera, o microfone e a barra de tarefas.

5. 05

   Áudio

   Descarta o silêncio, transcreve o que tem fala e compara a voz com o áudio de identificação da inscrição.

Um pacote entra pela API, cinco workers de GPU analisam em paralelo, o consolidador escreve o laudo e um webhook devolve à sua plataforma. De 3 a 5 minutos por prova, com autoescala para o mês de pico.

1. 1Plataforma envia
2. 2API recebe
3. 3Fila distribui
4. 4GPU analisa
5. 5Laudo é escrito
6. 6Plataforma recebe

1. 1

   Sua plataforma envia a prova

   HTTPS, JSON, chave por cliente

   Faz um único POST /provas com as fotos da webcam, as capturas de tela, os áudios, o documento, o áudio de identificação, o histórico de atividades e a ficha do candidato.

   Se falhar a resposta lista o que faltou; repetir o envio mantém o trabalho único.

   < 1 minenvio do pacote
2. 2

   A API valida e responde na hora

   FastAPI, Python 3.12, object store em São Paulo

   Faz confere cada arquivo pela assinatura binária, grava com expiração programada e devolve 202 Accepted com o número do trabalho.

   Se falhar arquivo corrompido gera 422 com o nome do arquivo; o pacote só entra na fila completo.

   < 1 minvalidação e gravação
3. 3

   A fila divide o trabalho em cinco tarefas

   Redis Streams, idempotente

   Faz documento, identidade, telemetria, capturas de tela e áudio rodam em máquinas diferentes ao mesmo tempo, com o mesmo identificador de prova.

   Se falhar a tarefa volta para a fila e roda de novo; o resultado continua único.

   imediatodistribuição
4. 4

   Os workers de GPU analisam em paralelo

   PyTorch, CUDA, pool de GPUs com autoescala, PostgreSQL

   Faz OCR do documento contra a ficha. Face do documento contra cada foto. Regras do edital sobre o histórico. Detector de objetos e leitura da captura. Áudio: descarta silêncio, transcreve, compara o locutor.

   Se falhar o módulo que estourar o tempo vira evidência insuficiente naquele item; os outros quatro seguem.

   2 a 3 mino áudio é o caminho crítico
5. 5

   O consolidador escreve o laudo

   modelo de linguagem, uma chamada

   Faz recebe os cinco resultados em texto, com nome, CPF e imagens de fora. Decide entre aprovado, com pendência e evidência insuficiente e redige motivo e observação no formato do seu formulário. Sai como JSON validado contra um esquema fixo.

   Se falhar o trabalho aguarda o modelo por 10 minutos; depois sai como evidência insuficiente para o auditor decidir.

   ~1 minredação
6. 6

   Sua plataforma recebe o laudo por webhook

   HTTPS, assinatura HMAC, descarte agendado

   Faz POST assinado no seu endereço com o formulário preenchido. O painel de revisão mostra o mesmo laudo para o auditor confirmar ou alterar. O descarte do pacote fica agendado.

   Se falhar o webhook é reenviado com espera crescente por 24 horas; o laudo segue disponível no painel.

   < 1 minentrega

# um pacote por prova, arquivos em multipart
curl -X POST https://api.auditoria.teli.app.br/v1/provas \
  -H "Authorization: Bearer $CHAVE" \
  -F "ficha=@ficha.json" -F "documento=@documento.pdf" \
  -F "historico=@historico.json" -F "identificacao=@voz.wav" \
  -F "webcam[]=@webcam/*.jpg" -F "tela[]=@tela/*.jpg" -F "audio[]=@audio/*.wav"

# resposta imediata
{ "trabalho": "prv_7f3a", "status": "recebido", "previsao_min": 5 }

# POST assinado (X-Assinatura: HMAC-SHA256) no endereço da sua plataforma
{
  "trabalho": "prv_7f3a",
  "resultado": "com_pendencia",
  "motivo": "Saída da janela na questão 31; fala coincidente com o enunciado da questão 8",
  "apontamentos": [
    { "modulo": "telemetria", "questao": 31, "arquivo": "tela/031.jpg", "instante": "15:05:12" },
    { "modulo": "audio", "questao": 8, "arquivo": "audio/009.wav", "trecho": "00:05-00:12" }
  ],
  "conformes": ["documento", "identidade", "tela", "locutor"],
  "tempo_min": 3.8
}

O agente cobre a evidência que a sua plataforma já grava. Correção, nota e reprovação seguem com a certificadora.

Sete critérios medidos no Marco 1 sobre o acervo que a certificadora já auditou. Se algum ficar abaixo da meta, o relatório propõe a meta ajustada e a certificadora aprova antes dos módulos seguintes.

Cinco marcos, contados da liberação do acervo de provas já auditadas. Cada marco entra em produção antes do seguinte.

1. dias 1 a 20

   Calibração

   Acervo já auditado; detecção e falso positivo por regra.

2. dias 15 a 30

   Documento, identidade, telemetria

   Módulos 1 a 3 em produção; ambiente de testes com a API.

3. dias 25 a 45

   Capturas de tela

   Módulo 4 em produção, imagem de origem em cada apontamento.

4. dias 35 a 52

   Áudio

   Módulo 5 em produção, com instante e locutor.

5. dias 50 a 60

   Painel e operação

   Painel por risco, documentação, primeiros lotes reais.