Um calendário que escuta o perigo.

O VIAS é um produto de proteção contra o feminicídio com fachada de calendário menstrual. Atuei como Product Manager e UX/UI: da leitura de dado público à arquitetura da solução que levou o time ao 1º lugar no Hackathon do Web Summit Rio 2026.

Papel: Product Manager e UX/UI
Contexto: Impacto social · Rio de Janeiro
Resultado: 1º lugar no hackathon

01 — Problema

O socorro visível aumenta o risco.

O ponto de partida foi o Dossiê Mulher do ISP-RJ, não uma tecnologia em busca de uso. 56,1% das vítimas nunca tinham feito denúncia. Quase dois terços foram mortas dentro da própria residência.

O agressor controla a rotina e o celular. Ligação, atalho de pânico e qualquer app cuja categoria já entrega a intenção denunciam a vítima antes de protegê-la. O canal tradicional de socorro, nesse contexto, é parte do problema.

Dado de vitimização citado no discovery: Dossiê Mulher, ISP-RJ.

02 — Decisão

A proteção não pode parecer proteção.

A fachada precisava ser um aplicativo crível no dia a dia, útil sozinho, sem sinal de socorro na superfície. A aposta foi um calendário de ciclo menstrual. Por baixo, camadas para cadastrar contatos e parâmetros, com o mínimo de fricção.

A aposta

Experiência cotidiana na frente. Configuração de proteção em camadas que não se anunciam. A classificação de risco roda no aparelho. Só o evento crítico sai dali, com a localização, para o Disque Denúncia RJ e para a rede cadastrada.

Fora do escopo

Botão de pânico visível. App categorizado como segurança. Envio contínuo de áudio para a nuvem. Qualquer um desses caminhos entregaria a intenção de quem mais não pode vê-la.

03 — Execução

Três camadas do mesmo produto.

01
Produto

O problema foi definido pelo dado de vitimização. A IA existe para o momento em que a pessoa não pode agir, não como funcionalidade de vitrine.
02
Experiência

Interface de calendário, familiar e íntima. A configuração de proteção fica oculta. A experiência certa é a que uma fiscalização do celular não revela.
03
Engenharia

Áudio processado no dispositivo. O modelo reconhece padrões críticos — grito, ameaça verbal, objeto quebrando. O disparo é silencioso e leva um diagnóstico do evento com a coordenada.

Do som ao disparo.

O aplicativo é escrito em C++ para caber num celular comum e processar o áudio ali mesmo. Quem escuta é um modelo em TensorFlow. O treino juntou duas matérias: o AudioSet, do Google Research, um corpus público de eventos sonoros, e gravações feitas no FL Studio.

Quando o padrão é crítico, o áudio não sai cru. O Whisper transcreve o trecho. O Phi-3, um modelo de linguagem pequeno, lê essa descrição e interpreta o que aconteceu. O que deixa o aparelho é o diagnóstico do evento, com a coordenada, não uma transmissão contínua.

A mensagem passa pela Zenvia, o intermediador de mensageria, até o Disque Denúncia RJ e a rede cadastrada. O canal é silencioso. A fachada continua sendo um calendário.