Videoconferência em licitação pública: como especificar sala, equipamentos e rede no Termo de Referência

Uma sala de videoconferência em um órgão público não é apenas uma câmera conectada a um display. É um sistema integrado de captação de áudio, captação de vídeo, processamento de sinais, transporte de rede e controle de interface — e cada uma dessas camadas precisa funcionar de forma confiável em todas as reuniões, todos os dias, durante a vigência do contrato.

A qualidade da especificação técnica no Termo de Referência determina diretamente o resultado da licitação. Uma especificação bem construída — com parâmetros mensuráveis, requisitos funcionais claros e critérios de aceitação definidos — garante equipamentos adequados, integração funcional e suporte previsível. Uma especificação genérica ou mal estruturada resulta em salas com áudio ininteligível, vídeo pixelado, rede subdimensionada e frustração operacional que compromete a produtividade do órgão.

O desafio para o gestor de TI é duplo. A especificação precisa ser tecnicamente precisa o suficiente para garantir qualidade — sem deixar margem para entrega de equipamentos inadequados. Ao mesmo tempo, precisa ser funcionalmente aberta o suficiente para não direcionar para um fabricante específico sem justificativa técnica, o que pode gerar impugnação do edital nos termos da Lei 14.133/2021.

Este guia apresenta uma abordagem estruturada para resolver esse desafio. Cobre as seis camadas técnicas que toda especificação de videoconferência precisa endereçar, compara os modelos de sala disponíveis, identifica os erros mais frequentes em editais e oferece critérios objetivos de avaliação — tudo com parâmetros que podem ser transpostos diretamente para o TR.

Videoconferência em licitações públicas — o cenário atual

A adoção de videoconferência em órgãos públicos brasileiros acelerou significativamente nos últimos anos. Reuniões híbridas entre sedes, regionais e participantes remotos deixaram de ser exceção e se tornaram rotina operacional em ministérios, agências reguladoras, tribunais, forças armadas e autarquias.

Essa mudança criou uma demanda concreta por salas equipadas — não mais como luxo ou diferencial, mas como infraestrutura básica de trabalho. O problema é que a velocidade da demanda superou a maturidade das especificações. Muitos Termos de Referência ainda descrevem sistemas de videoconferência com linguagem vaga, sem parâmetros técnicos mensuráveis, sem requisitos de rede e sem critérios de aceitação.

O resultado prático é previsível: salas entregues com equipamentos que atendem formalmente ao edital mas não funcionam bem na prática. Câmeras com campo de visão insuficiente para o layout da mesa. Microfones sem processamento de eco em salas com superfícies reflexivas. Codecs sem certificação para a plataforma UC adotada pelo órgão. Rede sem VLAN dedicada, sem QoS, sem largura de banda garantida — e chamadas que congelam ou caem em horários de pico.

A raiz do problema não é falta de orçamento. É falta de especificação técnica adequada. E corrigir isso exige entender cada camada do sistema de forma independente, com parâmetros que traduzam requisitos funcionais em critérios verificáveis.

O que especificar no Termo de Referência

Uma especificação técnica de sala de videoconferência para licitação deve cobrir seis camadas. Omitir qualquer uma delas abre brecha para entrega de soluções incompletas ou inadequadas. A seguir, cada camada com os parâmetros que importam.

Câmera

A câmera é o componente que mais impacta a percepção de qualidade do participante remoto. Não adianta o áudio estar perfeito se o vídeo mostra rostos pixelados ou enquadramento inadequado.

Parâmetros mínimos a especificar no TR:

• Resolução: Full HD (1920x1080) como piso para qualquer porte de sala. Para salas grandes (acima de 12 lugares) e auditórios, 4K (3840x2160) é recomendável, especialmente quando combinado com enquadramento automático que recorta a imagem;
• Campo de visão (FoV): entre 90 e 120 graus para salas de até 12 lugares com mesa retangular ou em U. Salas maiores exigem câmera PTZ (pan-tilt-zoom) com zoom óptico mínimo de 12x para capturar participantes a distâncias superiores a 5 metros;
• Enquadramento automático (auto-framing): capacidade de detectar e enquadrar automaticamente os participantes ativos, ajustando zoom e posição sem intervenção manual. Essencial para salas com layout variável ou número flutuante de participantes;
• Taxa de quadros: mínimo 30 fps em resolução nativa. Para apresentações com conteúdo dinâmico, 60 fps é preferível;
• Montagem: definir se a câmera será montada sobre o display, na parede, no teto ou em tripé, e especificar os acessórios de fixação necessários. Câmeras de teto são indicadas para mesas com formato irregular.

Microfone

Áudio é o componente mais crítico de qualquer sistema de videoconferência — mais do que vídeo. Se o participante remoto não ouve com clareza, a reunião fracassa independentemente da qualidade da imagem. A especificação de microfone deve considerar tipo, cobertura e processamento.

Tipos de microfone por porte de sala:

• Huddle (2-4 pessoas): microfone integrado ao codec ou speakerphone de mesa com captação omnidirecional (360 graus) e raio de cobertura de 2 a 3 metros;
• Sala média (6-12 pessoas): microfones de mesa (tabletop) com cobertura de 2 a 4 metros por unidade, encadeáveis para mesas longas, ou microfone de teto com múltiplas cápsulas cobrindo a área da mesa;
• Sala grande (14-30 pessoas): múltiplos microfones de mesa encadeados cobrindo toda a extensão da mesa, ou array de microfones de teto com cápsulas direcionais cobrindo setores da sala;
• Auditório (30+ pessoas): microfones de teto para plateia + microfones de lapela ou gooseneck para apresentadores + DSP dedicado para processamento avançado de áudio.

Parâmetros obrigatórios de processamento de áudio:

• Cancelamento de eco acústico (AEC): obrigatório para qualquer sala. Sem AEC, o participante remoto ouve o próprio áudio de volta com atraso;
• Redução de ruído (noise reduction): filtragem de ruídos ambientais (ar-condicionado, teclados, papel). Essencial em salas sem isolamento acústico adequado;
• Controle automático de ganho (AGC): equalização automática do volume entre participantes que falam mais alto ou mais baixo, ou que estão a distâncias diferentes do microfone;
• Beamforming: para microfones de teto, a capacidade de direcionar feixes de captação para quem está falando, rejeitando ruído ambiente.

Codec / sistema de processamento

O codec é o processador central do sistema — o componente que recebe áudio e vídeo dos periféricos, codifica os sinais, conecta com a plataforma UC e gerencia a chamada. As opções se dividem em duas categorias:

• Codec modular (appliance dedicado): hardware específico para videoconferência, com câmera, microfones e processador em componentes separados. Vantagens: desempenho otimizado para a função, gerenciamento centralizado (provisionamento remoto, atualizações de firmware, monitoramento de status), maior estabilidade. Indicado para salas médias, grandes e auditórios;
• Barra de vídeo (all-in-one): dispositivo único que integra câmera, microfones, alto-falantes e processamento em um chassi compacto. Vantagens: instalação simples (um cabo de rede + um cabo HDMI para o display), menor custo, menor complexidade. Indicada para salas huddle e salas médias pequenas com até 6-8 lugares;
• Solução baseada em compute (mini PC + periféricos USB): mini PC ou NUC com software de videoconferência e periféricos conectados via USB. Vantagem: flexibilidade e custo menor. Desvantagem: maior complexidade de manutenção (SO, drivers, atualizações), menor estabilidade comparada a appliances dedicados.

Parâmetros para o TR:

• Resolução mínima de saída de vídeo (1080p ou 4K);
• Suporte a compartilhamento de conteúdo simultâneo (vídeo + conteúdo em streams separados);
• Entradas para câmera(s) e microfone(s) compatíveis com o porte da sala;
• Certificação para a plataforma UC adotada pelo órgão;
• Capacidade de gerenciamento remoto (provisionamento, monitoramento, atualização de firmware);
• Suporte a BYOD (entrada USB-C ou HDMI para notebook externo).

Display

O display deve ser dimensionado pela distância do participante mais afastado. A regra prática é que a altura da tela, multiplicada por 4 a 6, define a distância máxima confortável de visualização para conteúdo com texto. Para vídeo puro (rostos), o fator pode chegar a 8.

Referência por porte:

• Huddle: 50" a 55", resolução 4K;
• Sala média: 65" a 75", resolução 4K;
• Sala grande: 75" a 86", resolução 4K. Considerar display duplo (um para vídeo dos participantes remotos, outro para conteúdo compartilhado);
• Auditório: 98"+ ou projetor profissional de alta luminosidade com tela dedicada. Para auditórios amplos, display LED de grande formato (videowall) pode ser especificado.

Parâmetros adicionais: brilho mínimo em nits (considerando a iluminação ambiente da sala), conectividade (HDMI 2.0+, USB-C com DisplayPort Alternate Mode), funcionalidade interativa (touchscreen) quando o uso incluir whiteboard digital, e suporte a CEC ou controle via rede para integração com automação da sala.

Rede

A rede é a infraestrutura que sustenta tudo. Uma sala com equipamentos de primeira linha conectada a uma rede mal dimensionada vai apresentar congelamentos, atrasos, perda de pacotes e quedas de chamada. A especificação de rede não é opcional — é tão crítica quanto a especificação dos equipamentos.

Requisitos mínimos:

• Pontos de rede: quantidade e localização de pontos Ethernet (Cat6 ou Cat6A) para cada dispositivo IP da sala — codec, câmera(s), microfone(s) de teto, painel de controle, display (se gerenciável via rede). Especificar a localização dos pontos no projeto;
• PoE (Power over Ethernet): switches com PoE+ (802.3at, 30W por porta) para câmeras e painéis de controle, ou PoE++ (802.3bt, 60-90W) para dispositivos de maior consumo como barras de vídeo e displays interativos;
• Largura de banda dedicada: mínimo 5 Mbps simétricos por sala para chamadas 1080p; 10-15 Mbps para salas com compartilhamento de conteúdo simultâneo; 15-20 Mbps para salas com câmera 4K ou múltiplos streams;
• Latência: inferior a 150 ms (aceitável) ou inferior a 100 ms (recomendado para experiência fluida);
• Jitter: inferior a 30 ms;
• VLAN dedicada: isolamento do tráfego de videoconferência em VLAN separada do tráfego corporativo geral;
• QoS (Quality of Service): priorização de pacotes de áudio e vídeo via DiffServ/DSCP nos switches e roteadores. Marcação EF (Expedited Forwarding, DSCP 46) para áudio e AF41 (DSCP 34) para vídeo é a prática padrão.

Certificação de plataforma

A certificação de plataforma garante que o hardware foi testado e aprovado pelo provedor da plataforma UC para funcionar de forma nativa, com atualizações automáticas, suporte conjunto e integração verificada. Não é uma formalidade — é a diferença entre um sistema que funciona de forma previsível e um que funciona "mais ou menos".

Os três principais programas de certificação:

• Microsoft Teams Rooms: dispositivos certificados operam com o software Microsoft Teams Rooms, com interface dedicada, join automático de reuniões agendadas via calendário do Outlook/Exchange, gerenciamento via Teams Admin Center e atualizações coordenadas entre Microsoft e fabricante do hardware;
• Zoom Rooms: dispositivos certificados rodam o software Zoom Rooms, com interface nativa, agendamento integrado e gerenciamento centralizado pelo Zoom Admin Portal;
• Google Meet hardware: dispositivos certificados para o programa de hardware do Google Meet, com gerenciamento via Google Admin Console e integração com Google Workspace.

Para o TR, especificar: a plataforma UC adotada pelo órgão, a exigência de certificação nativa do hardware para essa plataforma, e — quando o órgão usa mais de uma plataforma ou recebe participantes externos — a capacidade de operação em modo BYOD (USB-C/HDMI) como alternativa para plataformas não certificadas.

Certificações que importam — Microsoft Teams Rooms, Zoom Rooms, Google Meet

Cada programa de certificação tem requisitos distintos que impactam a especificação no TR. Entender essas diferenças ajuda a redigir requisitos que garantam compatibilidade sem restringir a competição.

Microsoft Teams Rooms é o programa com maior base instalada no setor público brasileiro, dado o uso disseminado do Microsoft 365 em órgãos federais. Dispositivos certificados operam com Windows IoT ou Android como SO embarcado, com o aplicativo Teams Rooms gerenciando a experiência. A certificação cobre o sistema completo: compute + câmera + microfone + alto-falante + painel de controle. O gerenciamento centralizado permite monitorar status, aplicar atualizações e diagnosticar problemas remotamente.

Zoom Rooms tem adoção relevante em organizações que padronizaram a plataforma Zoom para videoconferência. Dispositivos certificados incluem appliances dedicados e sistemas baseados em compute com periféricos certificados. O Zoom Rooms suporta múltiplas telas, sinalização digital quando a sala está livre e agendamento via painel de controle.

Google Meet hardware atende órgãos que utilizam Google Workspace. Os dispositivos certificados rodam ChromeOS como plataforma base, com gerenciamento via Google Admin Console. A integração nativa com Google Calendar permite join automático de reuniões agendadas.

Comparação — sala BYOD vs. sala dedicada vs. sala híbrida certificada

Antes de detalhar equipamentos, o gestor de TI precisa decidir o modelo de sala. Existem três abordagens, cada uma com trade-offs distintos de custo, experiência do usuário, gerenciamento e flexibilidade.

Para a maioria dos órgãos públicos, a sala híbrida certificada oferece o melhor equilíbrio. O codec opera nativamente na plataforma principal (Teams, Zoom ou Meet) com gerenciamento centralizado, mas a entrada BYOD garante que visitantes, auditores externos ou participantes de outros órgãos com plataformas diferentes possam usar a infraestrutura da sala conectando o próprio notebook.

Erros comuns em licitações de videoconferência

Ao analisar editais de videoconferência publicados nos últimos anos, os mesmos cinco problemas aparecem com frequência preocupante. Identificá-los antes da publicação do edital evita retrabalho, impugnações e, principalmente, salas que não funcionam.

Especificação genérica sem parâmetros mensuráveis

O erro mais comum e mais grave. Termos de Referência que descrevem "sistema de videoconferência com câmera e microfone" ou "solução de videoconferência para sala de reuniões" sem definir resolução, campo de visão, cobertura de microfone, processamento de áudio, requisitos de rede ou certificação de plataforma. Esse tipo de especificação permite que qualquer equipamento — inclusive de qualidade insuficiente para o porte da sala — seja entregue em conformidade formal com o edital.

A correção é simples: substituir descrições vagas por parâmetros mensuráveis. Em vez de "câmera de alta definição", especificar "câmera com resolução mínima de 1920x1080 pixels a 30 fps, campo de visão horizontal mínimo de 90 graus, com capacidade de enquadramento automático de participantes".

Ignorar o áudio e o processamento de sinal

O segundo erro mais frequente: investir toda a atenção (e orçamento) em câmera 4K e display de última geração, mas especificar microfones genéricos ou confiar no microfone integrado do codec para salas com mais de 6 lugares. Pior ainda: não exigir processamento de áudio (AEC, redução de ruído, AGC) em salas com superfícies reflexivas.

O áudio é mais crítico que o vídeo para videoconferência. Uma reunião com vídeo em 720p e áudio limpo funciona. Uma reunião com vídeo 4K e áudio com eco, ruído e volume irregular é inviável. O TR deve dedicar tanto ou mais detalhamento ao áudio quanto ao vídeo.

Esquecer a infraestrutura de rede

Especificar equipamentos de videoconferência de alto desempenho sem exigir pontos de rede adequados, PoE, VLAN dedicada, QoS e largura de banda garantida. O resultado: equipamentos instalados e conectados a uma rede corporativa congestionada, sem priorização de tráfego, competindo com downloads, backups e navegação web de centenas de estações.

A rede não é responsabilidade "de outro setor". Se o TR de videoconferência não incluir requisitos de rede — ou não referenciar um documento complementar que os defina — ninguém vai garantir que a infraestrutura necessária estará disponível quando os equipamentos forem instalados.

Não incluir instalação, comissionamento e critérios de aceitação

Equipamentos entregues em caixa, sem instalação profissional, sem configuração, sem testes de aceitação e sem documentação as-built resultam em sistemas subutilizados ou abandonados. O TR deve exigir: instalação física (montagem de câmera, display, microfones, cabeamento), configuração do codec e integração com a plataforma UC, testes de aceitação (FAT/SAT) com critérios mensuráveis (qualidade de áudio, qualidade de vídeo, latência, estabilidade), e documentação final do sistema.

Não prever garantia, suporte e ciclo de vida

Sistemas de videoconferência exigem atualizações de firmware, manutenção preventiva, suporte para incidentes e acompanhamento do ciclo de vida das licenças de software. O TR deve definir: período mínimo de garantia (12, 24 ou 36 meses), SLA de atendimento (tempo de resposta e tempo de solução), escopo de suporte (remoto e/ou presencial), inclusão de atualizações de firmware e software, e responsabilidade sobre licenças da plataforma UC.

Critérios de avaliação técnica

Para licitações do tipo técnica e preço (ou técnica com maior peso), a definição de critérios objetivos de avaliação é essencial para diferenciar propostas de forma justa e rastreável. Critérios subjetivos geram contestação; critérios mensuráveis geram decisões defensáveis.

Critérios recomendados, organizados por peso sugerido:

• Certificação de plataforma (peso alto): dispositivo certificado nativamente para a plataforma UC do órgão. Evidência: certificado ou listagem no catálogo oficial do provedor (Microsoft, Zoom, Google). Pontuação binária: certificado ou não certificado;
• Qualidade de captação de áudio (peso alto): quantidade de microfones, raio de cobertura, tipo de processamento (AEC, redução de ruído, AGC, beamforming). Avaliação por especificação técnica documentada;
• Qualidade de captação de vídeo (peso médio-alto): resolução nativa, campo de visão, zoom óptico (para PTZ), enquadramento automático, taxa de quadros. Avaliação por especificação técnica documentada;
• Gerenciamento centralizado (peso médio): capacidade de provisionamento remoto, monitoramento de status, atualização de firmware, alertas e relatórios. Quanto mais granular o gerenciamento, maior a pontuação;
• Flexibilidade (peso médio): suporte a modo BYOD, compatibilidade com segunda plataforma UC, suporte a protocolos SIP/H.323 para interoperabilidade com sistemas legados;
• Serviços (peso médio): escopo de instalação, comissionamento, treinamento, documentação, garantia e SLA de suporte. Propostas com escopo mais completo e SLAs mais exigentes recebem maior pontuação;
• Experiência comprovada (peso baixo-médio): atestados de capacidade técnica em projetos de videoconferência de porte similar, emitidos por órgãos públicos ou empresas de grande porte.