{"id":15154,"date":"2026-01-13T10:15:59","date_gmt":"2026-01-13T10:15:59","guid":{"rendered":"https:\/\/focalx.ai\/nao-categorizado\/o-que-as-oems-realmente-querem-dos-provedores-de-logistica-mas-raramente-dizem-em-voz-alta\/"},"modified":"2026-10-06T17:19:32","modified_gmt":"2026-10-06T17:19:32","slug":"oem-logistica-requisitos","status":"publish","type":"post","link":"https:\/\/focalx.ai\/pt-br\/logistica-de-veiculos-acabados\/oem-logistica-requisitos\/","title":{"rendered":"O que as OEMs realmente querem dos provedores de log\u00edstica (mas raramente dizem em voz alta)"},"content":{"rendered":"<p>As OEMs querem que os provedores de log\u00edstica entreguem resultados comprov\u00e1veis \u2014 especialmente em rela\u00e7\u00e3o a danos, transfer\u00eancias e sinistros \u2014 e n\u00e3o apenas descri\u00e7\u00f5es de servi\u00e7o bem escritas. A aquisi\u00e7\u00e3o de log\u00edstica de ve\u00edculos acabados est\u00e1 se afastando de promessas narrativas como \u201cqualidade\u201d e \u201cprocesso rigoroso\u201d em dire\u00e7\u00e3o a evid\u00eancias de que o desempenho \u00e9 medido, repet\u00edvel e audit\u00e1vel em todas as mudan\u00e7as de cust\u00f3dia. Este artigo explica como \u00e9 essa mudan\u00e7a na pr\u00e1tica, quais KPIs sinalizam credibilidade e por que formatar a qualidade e os sinistros como um servi\u00e7o gerenciado est\u00e1 se tornando um diferencial real em licita\u00e7\u00f5es.  <\/p>\n<h2>Por que as licita\u00e7\u00f5es est\u00e3o mudando de descri\u00e7\u00f5es de servi\u00e7o para resultados mensur\u00e1veis<\/h2>\n<p>Quando as respostas \u00e0s licita\u00e7\u00f5es dependem da mesma linguagem \u2014 preven\u00e7\u00e3o de danos, disciplina de processo, melhoria cont\u00ednua \u2014 o risco do comprador n\u00e3o diminui. O risco operacional para uma OEM reside nas lacunas entre as partes: quando um ve\u00edculo muda de cust\u00f3dia, quando um subcontratado est\u00e1 envolvido ou quando surgem exce\u00e7\u00f5es e ningu\u00e9m consegue provar o que aconteceu. \u00c9 por isso que os resultados mensur\u00e1veis est\u00e3o se tornando cada vez mais crit\u00e9rios de aquisi\u00e7\u00e3o: eles reduzem a ambiguidade na transfer\u00eancia, estreitam as janelas de disputa e convertem o \u201cseguimos um processo\u201d em \u201cpodemos demonstrar controle\u201d.  <\/p>\n<p>Em nossa experi\u00eancia, a diferen\u00e7a raramente \u00e9 a inten\u00e7\u00e3o. \u00c9 a instrumenta\u00e7\u00e3o. Se as evid\u00eancias de inspe\u00e7\u00e3o forem inconsistentes, o registro de data e hora for fraco, as imagens estiverem incompletas ou os c\u00f3digos de danos forem interpretados de forma diferente entre os locais, o sistema torna-se fr\u00e1gil sob volume. Essa fragilidade aparece mais tarde como atrito evit\u00e1vel em sinistros, tempos de ciclo mais longos e escalonamentos desnecess\u00e1rios \u2014 efeitos que as equipes de compras agora reconhecem como estruturais, n\u00e3o incidentais. \u00c9 aqui tamb\u00e9m que <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-evidence-debt-cost\/\">o custo da d\u00edvida de evid\u00eancias<\/a> se torna tang\u00edvel: a prova ausente ou n\u00e3o padronizada hoje se transforma em disputas, atrasos e baixas cont\u00e1beis amanh\u00e3.    <\/p>\n<h2>O que observamos quando instrumentamos opera\u00e7\u00f5es reais<\/h2>\n<p>Nas licita\u00e7\u00f5es, todos parecem iguais porque todos descrevem inten\u00e7\u00f5es. No p\u00e1tio, o problema real do comprador \u00e9 mais simples: voc\u00ea pode provar o que aconteceu em cada mudan\u00e7a de cust\u00f3dia e pode resolver exce\u00e7\u00f5es sem caos operacional? <\/p>\n<p>Quando instrumentamos opera\u00e7\u00f5es reais com inspe\u00e7\u00e3o baseada em IA, vimos consistentemente uma presen\u00e7a significativa de danos: cerca de 19,6 % das inspe\u00e7\u00f5es mostraram danos encontrados pela IA. Tamb\u00e9m vimos uma lacuna substancial em rela\u00e7\u00e3o ao que estava sendo capturado manualmente \u2014 a IA revelou cerca de 500\u2013547 % mais inst\u00e2ncias de danos do que o registro manual. Isso n\u00e3o indica um mau desempenho do operador; indica um sistema sens\u00edvel \u00e0 variabilidade humana, press\u00e3o de tempo, \u00e2ngulos de captura inconsistentes e h\u00e1bitos de documenta\u00e7\u00e3o. Se a linha de base registrada for inst\u00e1vel, qualquer promessa de licita\u00e7\u00e3o constru\u00edda sobre essa base ser\u00e1 dif\u00edcil de defender.   <\/p>\n<p>\u00c9 por isso que a prova se torna diferencia\u00e7\u00e3o. A captura de evid\u00eancias (Inspect) \u00e9 o que estabelece uma documenta\u00e7\u00e3o de transfer\u00eancia defens\u00e1vel, a coordena\u00e7\u00e3o do fluxo de trabalho (Stream) \u00e9 o que mant\u00e9m as exce\u00e7\u00f5es em movimento entre os subcontratados em vez de paralis\u00e1-las, e o fechamento de sinistros (Recover) \u00e9 o que converte evid\u00eancias em resultados que as compras podem medir. Para detalhes operacionais mais profundos sobre este padr\u00e3o, veja <a href=\"https:\/\/focalx.ai\/vehicle-logistics\/lessons-from-ai-inspections-in-fvl\">o que aprendemos ao implementar inspe\u00e7\u00f5es de IA em opera\u00e7\u00f5es reais<\/a> e, para a din\u00e2mica de responsabilidade subjacente, veja <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/vehicle-logistics-handover\/\">o momento da transfer\u00eancia onde a responsabilidade \u00e9 ganha ou perdida<\/a>.  <\/p>\n<h2>Mudan\u00e7a para o desempenho mensur\u00e1vel<\/h2>\n<p>A \u00f3tica de compras \u00e9 cada vez mais baseada no desempenho: as OEMs querem saber n\u00e3o apenas o que voc\u00ea faz, mas qual ser\u00e1 o resultado e como ele ser\u00e1 verificado. Isso pressiona os provedores a operacionalizar a qualidade em controles mensur\u00e1veis que sobrevivam \u00e0 escala, \u00e0 subcontrata\u00e7\u00e3o e aos volumes de pico. <\/p>\n<p>Na pr\u00e1tica, isso significa que as licita\u00e7\u00f5es recompensam cada vez mais os provedores que conseguem demonstrar: cobertura de inspe\u00e7\u00e3o consistente, classifica\u00e7\u00e3o de danos padronizada, propriedade clara nos pontos de transfer\u00eancia e execu\u00e7\u00e3o de ciclo fechado ap\u00f3s a descoberta de um defeito. Em outras palavras, o desempenho \u00e9 avaliado como um sistema em toda a cadeia de transporte, n\u00e3o como atividades isoladas. \u00c9 aqui tamb\u00e9m que a IA se torna relevante como um facilitador de consist\u00eancia, em vez de um \u201cteatro de inova\u00e7\u00e3o\u201d, o que se alinha com nossa vis\u00e3o em <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-ai-differentiator\/\">IA como o novo diferencial em licita\u00e7\u00f5es de FVL<\/a>.  <\/p>\n<h2>Cinco KPIs que sinalizam credibilidade em uma licita\u00e7\u00e3o de OEM<\/h2>\n<p>As OEMs raramente pedem \u201cIA\u201d. Elas pedem controle cred\u00edvel. A maneira mais f\u00e1cil de demonstrar esse controle \u00e9 comprometer-se com KPIs que s\u00e3o dif\u00edceis de manipular e f\u00e1ceis de auditar em diferentes locais e parceiros. Os seguintes KPIs tendem a separar os provedores que descrevem a qualidade dos provedores que a gerenciam.   <\/p>\n<ul>\n<li><b>Taxa de detec\u00e7\u00e3o de danos<\/b> em cada ponto de mudan\u00e7a de cust\u00f3dia, definida por regras de cobertura de inspe\u00e7\u00e3o e requisitos de captura consistentes.<\/li>\n<li><b>Taxa de danos repetidos<\/b> por rota, local, transportadora e subcontratado, mostrando se as a\u00e7\u00f5es corretivas realmente reduzem a recorr\u00eancia em vez de apenas reclassificar os problemas.<\/li>\n<li><b>Tempo de resposta para resolu\u00e7\u00e3o de exce\u00e7\u00f5es<\/b> desde a detec\u00e7\u00e3o at\u00e9 a atribui\u00e7\u00e3o da a\u00e7\u00e3o e a conclus\u00e3o, demonstrando que as exce\u00e7\u00f5es n\u00e3o ficam paradas sem dono em t\u00f3picos de e-mail.<\/li>\n<li><b>Tempo de ciclo de sinistros<\/b> desde a abertura at\u00e9 a liquida\u00e7\u00e3o ou fechamento, com transpar\u00eancia sobre quais evid\u00eancias foram usadas e quando as responsabilidades foram aceitas.<\/li>\n<li><b>Completude e auditabilidade das evid\u00eancias<\/b>, medida como a propor\u00e7\u00e3o de transfer\u00eancias com conjuntos de imagens com registro de data e hora, vinculados \u00e0 localiza\u00e7\u00e3o, \u00e2ngulos padr\u00e3o e codifica\u00e7\u00e3o de danos consistente.<\/li>\n<\/ul>\n<p>Esses KPIs funcionam porque se alinham \u00e0 dor do comprador: reduzem a ambiguidade na transfer\u00eancia, quantificam se a preven\u00e7\u00e3o \u00e9 real e limitam a incerteza dos sinistros a jusante. \u00c9 por isso tamb\u00e9m que <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/damage-prevention-kpi\/\">a preven\u00e7\u00e3o de danos n\u00e3o \u00e9 um projeto \u2014 \u00e9 um KPI<\/a> \u00e9 mais do que um slogan em licita\u00e7\u00f5es: se voc\u00ea n\u00e3o pode medir os resultados da preven\u00e7\u00e3o, n\u00e3o pode precificar o risco de forma cred\u00edvel ou defender o desempenho. <\/p>\n<h2>Formatando qualidade e sinistros como um servi\u00e7o gerenciado<\/h2>\n<p>Muitos provedores de log\u00edstica ainda tratam a qualidade e os sinistros como fun\u00e7\u00f5es de suporte adjacentes: as inspe\u00e7\u00f5es geram fotos, as equipes de sinistros buscam documentos, as equipes de opera\u00e7\u00f5es lidam com exce\u00e7\u00f5es quando o tempo permite. As OEMs preferem cada vez mais o oposto: um servi\u00e7o gerenciado que vincula a captura de evid\u00eancias, o tratamento de exce\u00e7\u00f5es e o fechamento de sinistros em um \u00fanico modelo operacional respons\u00e1vel. <\/p>\n<p>Uma abordagem de servi\u00e7o gerenciado \u00e9 definida por interfaces e propriedade expl\u00edcitas, n\u00e3o por relat\u00f3rios adicionais. Ela padroniza o que \u00e9 inspecionado, como as evid\u00eancias s\u00e3o armazenadas, como as exce\u00e7\u00f5es s\u00e3o roteadas e o que significa \u201cfechado\u201d. Tamb\u00e9m torna vis\u00edvel o desempenho do subcontratado sem depender de escalonamento informal. Dois blocos de constru\u00e7\u00e3o pr\u00e1ticos s\u00e3o especialmente importantes:   <\/p>\n<ul>\n<li>Fluxos de trabalho de exce\u00e7\u00e3o de ciclo fechado que conectam a detec\u00e7\u00e3o \u00e0 a\u00e7\u00e3o corretiva e \u00e0 verifica\u00e7\u00e3o, em vez de tratar a inspe\u00e7\u00e3o como uma etapa isolada. Para a l\u00f3gica operacional por tr\u00e1s disso, veja <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-closed-loop-inspections-value\/\">inspe\u00e7\u00f5es de ciclo fechado<\/a> e <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-photo-to-action-workflows\/\">fluxos de trabalho da foto \u00e0 a\u00e7\u00e3o<\/a>. <\/li>\n<li>Opera\u00e7\u00f5es de sinistros projetadas em torno do tempo de ciclo e da qualidade das evid\u00eancias, n\u00e3o apenas da contagem de sinistros. O objetivo \u00e9 reduzir o retrabalho, as disputas e os ciclos de \u201cprova ausente\u201d que mant\u00eam os sinistros abertos. \u00c9 aqui que a <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/claims-cycle-time-trap\/\">armadilha do tempo de ciclo de sinistros<\/a> se torna relevante: o tempo de ciclo torna-se uma assinatura de desempenho que as OEMs podem comparar entre os licitantes.  <\/li>\n<\/ul>\n<p>Crucialmente, essa formata\u00e7\u00e3o muda a postura na licita\u00e7\u00e3o. Em vez de descrever processos, voc\u00ea descreve resultados control\u00e1veis: a rapidez com que as exce\u00e7\u00f5es s\u00e3o resolvidas, como as disputas s\u00e3o evitadas por meio de evid\u00eancias padronizadas e a rapidez com que os sinistros chegam ao fechamento com responsabilidade clara. <\/p>\n<h2>Por que isso \u00e9 um diferencial agora<\/h2>\n<p>Essa mudan\u00e7a nas licita\u00e7\u00f5es \u00e9 um diferencial porque exp\u00f5e uma fraqueza comum: muitos provedores operam com evid\u00eancias fragmentadas e tratamento informal de exce\u00e7\u00f5es. Sob esse modelo, um provedor pode parecer forte na linguagem de compras, mas ainda ser fraco na prova de mudan\u00e7a de cust\u00f3dia e na resolu\u00e7\u00e3o entre as partes. <\/p>\n<p>Quando falamos de IA como um diferencial, n\u00e3o estamos nos referindo \u00e0 novidade. Queremos dizer confiabilidade em escala: resultados de inspe\u00e7\u00e3o consistentes, documenta\u00e7\u00e3o padronizada na transfer\u00eancia e fluxos de trabalho operacionais que transformam descobertas em a\u00e7\u00f5es entre m\u00faltiplos atores. Para leitores que desejam uma defini\u00e7\u00e3o b\u00e1sica da pr\u00f3pria fun\u00e7\u00e3o de inspe\u00e7\u00e3o, veja <a href=\"https:\/\/focalx.ai\/vehicle-inspection\/damage-inspection\/\">o que \u00e9 uma inspe\u00e7\u00e3o de danos em ve\u00edculos<\/a>. Para aqueles que avaliam a implementa\u00e7\u00e3o, <a href=\"https:\/\/focalx.ai\/vehicle-inspection\/digital\/\">inspe\u00e7\u00f5es digitais de ve\u00edculos por IA<\/a> fornece uma vis\u00e3o geral pr\u00e1tica de como os sistemas de inspe\u00e7\u00e3o digital s\u00e3o implantados.   <\/p>\n<h2>Contexto de tecnologia e automa\u00e7\u00e3o: como a IA apoia resultados mensur\u00e1veis<\/h2>\n<p>Resultados mensur\u00e1veis exigem medi\u00e7\u00f5es consistentes sob restri\u00e7\u00f5es operacionais. A vis\u00e3o computacional apoia isso aplicando a mesma l\u00f3gica de detec\u00e7\u00e3o e classifica\u00e7\u00e3o entre inspetores, turnos, condi\u00e7\u00f5es clim\u00e1ticas e locais, produzindo conjuntos de evid\u00eancias padronizados que podem ser auditados posteriormente. O valor operacional n\u00e3o \u00e9 a \u201cautoma\u00e7\u00e3o\u201d no abstrato; \u00e9 a redu\u00e7\u00e3o da variabilidade no que \u00e9 capturado e em como \u00e9 interpretado.  <\/p>\n<p>Na pr\u00e1tica, os sistemas de inspe\u00e7\u00e3o e tratamento de exce\u00e7\u00f5es habilitados por IA fortalecem a credibilidade da licita\u00e7\u00e3o quando produzem resultados estruturados que podem ser vinculados diretamente aos KPIs:<\/p>\n<ul>\n<li>Registros de inspe\u00e7\u00e3o vinculados a tempo e localiza\u00e7\u00e3o que ancoram a responsabilidade na mudan\u00e7a de cust\u00f3dia.<\/li>\n<li>Anota\u00e7\u00f5es de danos padronizadas que reduzem disputas de interpreta\u00e7\u00e3o entre as partes.<\/li>\n<li>Estados de fluxo de trabalho para exce\u00e7\u00f5es e sinistros que tornam os tempos de resposta mensur\u00e1veis e compar\u00e1veis entre parceiros.<\/li>\n<\/ul>\n<p>\u00c9 por isso tamb\u00e9m que a lacuna observada entre as descobertas detectadas por IA e os registros manuais \u00e9 importante em termos de licita\u00e7\u00e3o. Se o sistema manual subcaptura danos ou os captura de forma inconsistente, qualquer KPI a jusante \u2014 taxa de danos, danos repetidos, responsabilidade por sinistros \u2014 repousa sobre uma base inst\u00e1vel. A automa\u00e7\u00e3o \u00e9 valiosa porque torna a base mensur\u00e1vel e repet\u00edvel, n\u00e3o porque substitui as pessoas.  <\/p>\n<h2>Conclus\u00e3o<\/h2>\n<p>As OEMs querem cada vez mais que os provedores de log\u00edstica comprovem o desempenho nos pontos onde o risco se concentra: mudan\u00e7as de cust\u00f3dia, exce\u00e7\u00f5es e fechamento de sinistros. As licita\u00e7\u00f5es est\u00e3o, portanto, mudando para resultados mensur\u00e1veis apoiados por evid\u00eancias audit\u00e1veis, em vez de descri\u00e7\u00f5es de inten\u00e7\u00f5es de qualidade. <\/p>\n<p>Os provedores que se comprometem com KPIs cred\u00edveis \u2014 como <b>taxa de detec\u00e7\u00e3o de danos<\/b>, <b>taxa de danos repetidos<\/b>, <b>tempo de resposta para resolu\u00e7\u00e3o de exce\u00e7\u00f5es<\/b>, <b>tempo de ciclo de sinistros<\/b> e <b>completude de evid\u00eancias<\/b> \u2014 sinalizam controle operacional de uma forma que as compras podem comparar entre os licitantes. Formatar a qualidade e os sinistros como um servi\u00e7o gerenciado, apoiado por evid\u00eancias consistentes baseadas em IA e fluxos de trabalho de ciclo fechado, transforma a linguagem da licita\u00e7\u00e3o em um sistema operacional que reduz disputas e torna a responsabilidade expl\u00edcita para OEMs, transportadoras, terminais e operadores de p\u00e1tio. <\/p>\n","protected":false},"excerpt":{"rendered":"<p>As OEMs querem que os provedores de log\u00edstica entreguem resultados comprov\u00e1veis \u2014 especialmente em rela\u00e7\u00e3o a danos, transfer\u00eancias e sinistros [&hellip;]<\/p>\n","protected":false},"author":12,"featured_media":15155,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_titles_title":"","_seopress_titles_desc":"Licita\u00e7\u00f5es de OEMs exigem provas, n\u00e3o promessas. Veja quais KPIs comprovam o controle em danos, transfer\u00eancias e sinistros, e geram diferencia\u00e7\u00e3o real.","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"none","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"ambos","_seopress_redirections_param":"","_seopress_redirections_type":301,"_seopress_analysis_target_kw":"","content-type":"","site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[187,188,193],"tags":[],"class_list":["post-15154","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-logistica-de-veiculos-acabados","category-operacoes-de-patio","category-operacoes-ferroviarias"],"acf":[],"_links":{"self":[{"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/posts\/15154","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/users\/12"}],"replies":[{"embeddable":true,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/comments?post=15154"}],"version-history":[{"count":1,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/posts\/15154\/revisions"}],"predecessor-version":[{"id":15925,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/posts\/15154\/revisions\/15925"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/media\/15155"}],"wp:attachment":[{"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/media?parent=15154"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/categories?post=15154"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/tags?post=15154"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}