A Vert Analytics estrutura projetos de analytics e inteligência artificial capazes de cruzar milhões de registros societários, fiscais, judiciais e cadastrais para reconstruir grafos de relacionamento em escala bilionária e identificar vínculos ocultos entre pessoas físicas e jurídicas.
Grupos econômicos que operam com estruturas societárias labirínticas, empresas de fachada e sócios interpostos podem criar camadas de ocultação que dificultam a identificação do verdadeiro beneficiário final por trás de operações comerciais, contratos públicos ou movimentações financeiras suspeitas. Quanto mais complexa a estrutura, maior o desafio para rastrear relações, responsabilidades e patrimônio.
Essas configurações podem ser utilizadas para fragmentar responsabilidade tributária, ocultar patrimônio em execuções fiscais e simular concorrência em processos licitatórios. Para auditores, fiscais e equipes de compliance, o desafio está em conectar informações dispersas em dezenas de bases diferentes e reconstruir relações que não aparecem de forma evidente em uma consulta isolada.
O problema de estruturas ocultas em escala nacional
Empresas que utilizam laranjas, holdings de fachada e cadeias de CNPJs artificialmente desconectadas podem criar uma aparência de independência entre negócios que, na prática, possuem relações societárias ou de controle. Cada camada adicional dificulta a análise de quem está efetivamente por trás da operação e pode tornar mais complexo o rastreamento de patrimônio e responsabilidades.
Esse tipo de estrutura não está relacionado apenas à sonegação fiscal. Estruturas corporativas artificiais também podem aparecer em investigações sobre lavagem de dinheiro, fraude em contratações públicas e evasão de passivos trabalhistas. Sem o cruzamento automatizado de múltiplas fontes, investigações desse tipo podem consumir meses de trabalho especializado e ainda não alcançar a ponta final da cadeia.
O desafio aumenta quando diferentes empresas compartilham sócios, endereços, representantes ou procurações. Uma análise individual de cada CNPJ pode não revelar a dimensão da relação, enquanto o cruzamento dessas informações permite observar a estrutura como um conjunto.
Como a análise de vínculos reconstrói o grafo completo?
A camada analítica recebe informações como CNPJ, CPF, endereço e vínculo cadastral e transforma esses elementos em um grafo de relacionamento. A partir de um ponto de origem, o processamento conecta entidades associadas direta ou indiretamente, permitindo reconstruir a cadeia de relações existente entre pessoas físicas e jurídicas.
Entre os elementos identificados estão sócios em comum entre empresas aparentemente desconectadas, endereços compartilhados por centenas de CNPJs e procurações cruzadas que podem indicar controle centralizado. O cruzamento permite visualizar conexões que dificilmente seriam percebidas quando cada registro é analisado de maneira isolada.
Essa capacidade de análise de vínculos é integrada a mais de 2.500 fontes de dados, incluindo juntas comerciais, bases da Receita Federal, registros judiciais e informações cartorárias. O processamento permite que o grafo completo seja construído em minutos, em vez de depender de semanas de consultas e cruzamentos manuais.
Na estrutura da Vert Analytics, essa integração organiza a teia societária e permite a identificação automática de possíveis beneficiários finais ocultos e de padrões de conexão compatíveis com estruturas artificiais. O resultado fornece às equipes responsáveis uma representação mais ampla das relações que precisam ser investigadas.
Aplicação em fiscalização tributária e recuperação de risco
Na fiscalização tributária, a análise de vínculos pode revelar grupos econômicos que fragmentam o faturamento entre múltiplos CNPJs para dificultar a identificação de sua operação consolidada. Quando empresas que aparentam independência são relacionadas por meio de sócios, endereços, procurações ou outras conexões, o órgão fiscal pode aprofundar a análise sobre a existência de um grupo econômico.
Os projetos de analytics e IA podem integrar o resultado desse cruzamento aos sistemas de gestão de risco fiscal, permitindo priorizar auditorias sobre contribuintes com maior probabilidade de apresentar estruturas artificiais. A abordagem também pode reduzir o intervalo entre a identificação de um padrão e a atuação fiscal, inclusive em processos que posteriormente resultem na lavratura de autos de infração.
A identificação de vínculos pode subsidiar procedimentos de reclassificação tributária, cobrança de diferenças de impostos e aplicação de penalidades quando a fiscalização confirmar as irregularidades. Assim, o cruzamento automatizado amplia a capacidade de localizar riscos que poderiam permanecer fora do foco de um modelo tradicional baseado principalmente em amostragem.
Due diligence corporativa e proteção contra risco de terceiros
Além da aplicação fiscal, a análise de vínculos pode apoiar grandes empresas que contratam fornecedores ou realizam operações de fusão e aquisição sem visibilidade completa sobre quem efetivamente controla a outra parte. Identificar que um fornecedor aparentemente independente possui relação com uma pessoa com restrição judicial, por exemplo, pode trazer informações relevantes para a avaliação de risco.
A mesma lógica se aplica a processos licitatórios: empresas aparentemente concorrentes podem compartilhar determinado beneficiário final ou outros vínculos que mereçam investigação antes de uma decisão. A análise dessas relações pode contribuir para reduzir exposição a fraude, conflitos de interesse e danos reputacionais.
A Vert Analytics aplica essa capacidade de due diligence sobre a mesma infraestrutura que sustenta a análise de risco fiscal. Assim, o mesmo grafo de vínculos pode ser utilizado para validar fornecedores, monitorar operações de M&A e investigar possíveis conflitos de interesse entre executivos e parceiros comerciais.
Impacto financeiro e escala de processamento
Em um projeto realizado para uma secretaria estadual de Fazenda, foram identificados R$ 5 bilhões em risco fiscal, além de vínculos em escala bilionária. O número representa risco fiscal identificado, e não necessariamente receita já recuperada, mas demonstra a dimensão financeira que pode entrar no campo de análise quando diferentes bases são cruzadas de forma automatizada.
Quando esse risco é identificado, os dados podem subsidiar auditorias, processos de cobrança e outras medidas fiscais previstas na atuação do órgão. A recuperação efetiva depende das etapas posteriores de fiscalização e cobrança, razão pela qual o valor identificado não deve ser apresentado automaticamente como dinheiro já recuperado pelos cofres públicos.
Essa escala de processamento é sustentada por uma equipe de mais de 130 especialistas em dados, combinando infraestrutura tecnológica e conhecimento analítico para trabalhar com grandes volumes de relações societárias, fiscais, judiciais e cadastrais.
Na prática, a Vert Analytics estrutura a análise para que relações dispersas possam ser transformadas em informações organizadas para fiscalização, compliance e due diligence. Para órgãos públicos, isso pode ampliar a capacidade de identificar riscos fiscais e proteger recursos; para grandes empresas, pode acrescentar uma camada de proteção patrimonial e análise de riscos antes de contratos, parcerias e operações societárias.
O resultado é uma abordagem que busca enxergar a estrutura por trás dos registros individuais: em vez de analisar apenas uma empresa, um sócio ou um CNPJ, o cruzamento permite observar a rede de relações que conecta diferentes entidades e investigar o que essas conexões representam.
