Documentos
Automação de documentos com validação por campo
O objetivo não é apenas ler um PDF. É transformar informação não estruturada em dados confiáveis que podem entrar num processo sem perder a origem.
Antes de escolher ferramenta
Meça volume, tempo, erros, espera e exceções. Sem baseline, uma automação pode parecer rápida e continuar a deslocar trabalho para outra equipa.
Workflow de referência
Cada campo conserva origem, confiança e decisão.
- 01ReceberFicheiro + metadados
- 02ClassificarTipo + duplicado
- 03ExtrairValor + página + confiança
- 04ValidarRegra, referência e limiar
- 05AIntegrarCampos aprovados → sistema
- 05BReverExceção + contexto → pessoa
Exemplo sintéticoFatura / total: 1 248,20 €
- Origem
- Página 1, caixa 14
- Confiança
- 0,71 — abaixo do limiar
- Decisão
- Não integrar; enviar para revisão
Demo reproduzível · v1.0
O resultado inclui os erros — não apenas os acertos.
Executámos um parser e validações determinísticas sobre oito faturas sintéticas. O objetivo é mostrar uma avaliação por campo e uma decisão segura de integração, não medir um modelo de IA.
O que aconteceu nos dois casos revistos
- D004: o total estava ausente no texto de entrada; o documento não foi integrado.
- D007: o NIF extraído tinha checksum inválido; o campo foi rejeitado e enviado para revisão.
Todos os nomes, números e documentos são sintéticos. O conjunto é demasiado pequeno e controlado para estimar desempenho em produção. Num projeto real, a amostra deve representar fornecedores, layouts, qualidade de imagem, idiomas e exceções observadas.
Reprodução: npm run qa:document-demo valida o output e recalcula as métricas publicadas.
Framework operacional
Do problema ao controlo em 14 perguntas.
Qual é o problema empresarial?
Faturas, contratos, formulários e anexos chegam em formatos variáveis e exigem leitura, introdução e verificação manual.
Como é executado hoje?
- Receber e identificar documento.
- Localizar campos e condições.
- Introduzir dados num sistema.
- Arquivar e encaminhar exceções.
Onde existe trabalho manual?
- Separar tipos de documento.
- Transcrever campos.
- Comparar com regras ou registos.
- Pedir correções e guardar evidência.
O que pode ser automatizado?
- Ingestão e deduplicação.
- Classificação e extração.
- Validação de formato e regra.
- Integração e arquivo com rastreabilidade.
Onde pode entrar IA?
Modelos de visão e linguagem ajudam em layouts variáveis, texto livre e interpretação. Cada campo deve manter origem, confiança e validações determinísticas quando possíveis.
É necessário um agente?
Normalmente não é necessário. Um workflow com IA localizada é mais previsível. Um agente só acrescenta valor quando precisa de procurar contexto ou resolver exceções multietapa.
Que sistemas precisam de integração?
- Email, upload ou scanner.
- Gestor documental ou arquivo.
- ERP, CRM ou aplicação de negócio.
- Serviço de identidade e registo de auditoria.
Quanto pode custar?
Depende de páginas, formatos, campos, idiomas, qualidade da imagem, integração e taxa de exceção. Modele custo por documento e por página, incluindo revisão humana.
Que ROI pode existir?
Compare tempo de introdução, erros, atrasos e custo de correção. O valor pode incluir acesso mais rápido à informação e melhor conformidade operacional.
Quais são os riscos?
- Campo incorreto com confiança aparente.
- Documento duplicado.
- Perda de relação com a página de origem.
- Dados sensíveis enviados a fornecedor inadequado.
- Retenção excessiva de ficheiros.
Onde deve existir supervisão humana?
Reveja campos críticos, baixa confiança, discrepâncias com regras e documentos com impacto financeiro, jurídico ou sobre pessoas.
Como medir o resultado?
- Precisão por campo, não apenas por documento.
- Percentagem sem intervenção.
- Tempo e motivo de revisão.
- Duplicados e falhas de integração.
- Custo por documento.
Existe exemplo ou demonstração?
Construa um dataset representativo com layouts bons e maus. Compare o valor extraído com ground truth e reporte precisão por campo.
Qual é o próximo passo?
Escolha um tipo documental, defina os campos críticos e reúna exemplos anonimizados que representem variação e exceções reais.
Decisão seguinte
Valide o processo antes de pedir uma proposta.
Leve volume, tempo, sistemas, exceções e uma métrica. Uma primeira conversa deve conseguir excluir más ideias, não apenas vender uma implementação.
Preparar auditoria