Extração de documentos com IA: o campo e o corte de confiança

Uma nota em papel virando cartões de campo, com um campo marcado para revisão

Extração de documentos com IA tira o campo do PDF ou da imagem e para quando a confiança cai. Acima do corte, e se o campo não é de alçada, o sistema grava. Abaixo, uma pessoa vê o recorte e o valor sugerido. O que não passa do corte não entra sozinho no cadastro.

O modelo não “entende a nota”. Ele propõe um valor para um campo que alguém definiu. Sem a lista de campos, sem o formato e sem o corte, a extração vira um texto solto que outra pessoa ainda vai redigitar. Aí o modelo só acrescentou um passo.

Um campo incerto indo para uma pessoa com carimbo, enquanto os campos confiáveis seguem na bandeja
O campo abaixo do corte não entra sozinho no cadastro.

Quais campos justificam o esforço?

Os que hoje alguém lê e digita, com formato verificável: número da nota, data, CNPJ, valor, quantidade, vencimento. Campo narrativo longo, que ninguém consulta depois, não entra na primeira versão. Cada campo tem tipo, obrigatoriedade e um exemplo do que é válido.

A lista cabe numa página. Se o processo pede quarenta campos “porque o sistema tem quarenta”, marque quais disparam ação e quais são arquivo. Extração boa dos cinco que movem o processo vale mais do que extração medíocre dos quarenta.

Como o corte de confiança vira regra?

Confiança é um número do modelo, não uma garantia. O corte se calibra na amostra: abaixo dele, a taxa de erro que a área não aceita começa a aparecer. O corte pode ser diferente por campo. Valor de pagamento pede corte mais alto do que um campo de observação.

Campo sem número de confiança, ou com número que não se relaciona com o erro real, não libera sozinho. Nesse caso a saída é sempre revisão, até existir uma medida que a operação conferiu. Publicar “o modelo acha que está 0,99” sem olhar a amostra é teatro.

O que a pessoa vê na revisão?

Vê o recorte do documento de onde o valor saiu, o valor sugerido e o formato esperado. Não vê só um formulário já preenchido, porque assim ela confere a memória, não o papel. Corrigir no formulário sem o recorte faz o erro do modelo passar com aparência de revisão.

A correção grava o valor novo e o campo. Essa dupla volta para a amostra. Sem ela, a revisão gasta hora e não melhora o corte. A pessoa não precisa escrever um parecer. Precisa aceitar ou trocar o valor.

Situação do campoDestinoEntra no cadastro?
Formato válido e acima do corteGravação automáticaSim, com log do valor e do corte
Abaixo do corteFila com o recorteSó depois da pessoa
Formato impossívelFila, mesmo com confiança altaNão
Campo de alçada, como valor altoPessoa, mesmo confianteSó com a alçada

Como validar antes de acreditar na confiança?

Regra de formato pega o que o modelo não deveria propor: CNPJ com tamanho errado, data impossível, valor que não bate com quantidade vezes preço quando essa conta existe. A regra vem antes da confiança. Confiança alta com formato inválido é erro, não exceção romântica.

Soma de controle, quando o documento tem, confere o total. Se a soma dos itens não fecha com o total extraído, ninguém grava automático. Esse tipo de checagem dispensa opinião e segura o caso em que cada campo parece bom e o conjunto não fecha.

Como a amostra acompanha documento novo?

Guarde um conjunto fixo de documentos já conferidos, de mais de um emissor. Layout novo de fornecedor entra na amostra na primeira vez em que aparece. Troca de modelo ou de prompt reroda o conjunto. Se o campo de valor piora, não publica.

Documento de foto torta, carimbo por cima e segunda via também entram, se a operação recebe esse material. Amostra só com PDF digital do fornecedor principal esconde a fila que mais vai para revisão. Melhor saber a taxa agora do que descobrir no primeiro mês.

Onde a extração devolve tempo de verdade?

Quando a maior parte dos documentos do emissor repetido grava sozinha e a fila humana fica com a minoria, com o recorte na tela. Se tudo continua caindo para a pessoa, o corte está alto demais, o layout não está na amostra ou o campo não era extrável. As três causas se leem na taxa de revisão por emissor.

Um exemplo: a nota de um fornecedor recorrente tem CNPJ, número, data e total. Formato e soma conferem, a confiança passa, grava. A nota fotografada na obra, com o total ilegível, para na fila com o recorte daquele campo. O analista digita só o total. O log guarda que aquele campo foi humano. No mês seguinte, a taxa por emissor mostra se o fornecedor novo precisa entrar na amostra ou se o corte do total está frouxo.

Checklist prático

A extração está pronta para gravar sozinha quando o campo, o formato e o corte foram medidos juntos.

  • Lista curta de campos que disparam ação, com formato
  • Corte por campo, calibrado numa amostra conferida
  • Formato inválido nunca grava sozinho, mesmo com confiança alta
  • Soma de controle quando o documento fecha total
  • Revisão com o recorte do papel, não só o formulário
  • Correção humana volta para a amostra
  • Campo de alçada continua com pessoa
  • Taxa de revisão por emissor, para achar layout que a amostra não cobre

Erros comuns

O cadastro errado entra sozinho quando a confiança substitui a checagem.

  • Gravar todos os campos que o modelo devolveu, sem lista
  • Usar a confiança do modelo sem comparar com o erro real
  • Não olhar o recorte na revisão, só o valor já digitado
  • Ignorar soma que não fecha porque cada campo “parecia certo”
  • Amostra só com o PDF bonito do maior fornecedor
  • Trocar de modelo sem rerodar os documentos já conferidos
  • Mandar valor de pagamento alto direto, porque a confiança era alta
  • Não separar, no log, campo automático de campo corrigido

Onde o corte entra no desenho?

Num projeto de inteligência artificial, a extração propõe o campo. O formato, a soma e o corte decidem se ele grava ou se uma pessoa vê o recorte.

Perguntas frequentes

▸A confiança do modelo basta para gravar?

Não sozinha. Ela entra junto com formato válido, soma de controle quando existir, e um corte calibrado em documentos já conferidos. Confiança alta com CNPJ inválido é erro. Campo sem histórico de acerto fica em revisão.

▸Quantos campos extrair na primeira versão?

Os poucos que alguém já digita e que disparam ação: identificador, data, documento, valor. Campo que só arquiva pode esperar. Uma lista de quarenta campos sem corte vira redigitação com um passo a mais.

▸Como revisar sem gastar o tempo que se queria ganhar?

A fila mostra o recorte e o valor sugerido, e a pessoa só mexe no que discorda. Se a maior parte dos documentos cai na fila, o desenho ainda não devolve tempo: ou o corte não foi calibrado, ou o layout não está na amostra.

▸Foto de documento entra no mesmo fluxo?

Entra se a operação recebe foto, e a amostra precisa incluir foto torta e carimbo. Tratar foto com o mesmo corte do PDF digital costuma gravar campo ilegível. A taxa de revisão por tipo de arquivo mostra se a foto deve parar sempre.

▸Dá para extrair sem guardar a imagem?

O cadastro guarda o campo necessário. A imagem fica pelo prazo que a auditoria do documento pede, não para sempre em todo log de tentativa. Revisão precisa do recorte na hora. Depois, a retenção segue a regra do documento, não a do experimento.

▸Quando retreinar ou trocar o modelo?

Quando a amostra fixa, incluindo as correções humanas, mostra ganho no campo que importa, sem piorar o valor. Troca que só melhora o fornecedor que já estava fácil, e erra o total, não publica. A taxa por emissor evita essa leitura torta.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *