Leonardo Peron5 min de leitura
Ler documento e devolver dado é o caso mais maduro desta categoria, e onde a IA já funciona o coloca no topo da lista com razão. Só que "ler o documento" junta duas tarefas de naturezas opostas, e o projeto que não as separa trata as duas com o mesmo grau de confiança.
Extrair campo e resumir cláusula não são a mesma coisa
Extrair é apontar. A data de vigência, o CNPJ do emitente, o total da nota, a conta que recebeu o depósito. O valor está impresso no documento, num lugar específico. Existe gabarito, existe conferência barata e o erro é achável: o total bate com a soma dos itens ou não bate, o CNPJ existe no cadastro ou não.
Resumir ou interpretar é opinar. "Esse contrato permite rescisão sem multa?", "o laudo é conclusivo?", "essa cláusula é abusiva?". Não há campo, há leitura — e não há, no próprio documento, gabarito contra o qual conferir. O erro não fica vermelho, fica bem escrito. É a diferença entre saída verificável e saída convincente, e ela decide quanta revisão humana o desenho precisa carregar.
Nada impede usar as duas. O que não se pode é entregá-las na mesma tela, com a mesma aparência, para alguém conferir com o mesmo olhar. Vale também perguntar onde o campo extraído vai parar: se o destino é uma planilha que ninguém revisa, o problema muda de natureza, e é o que preencher planilha com IA trata.
Exigir o trecho de origem muda o desenho inteiro
A regra que separa projeto que dura de piloto: todo campo extraído volta com o trecho de onde saiu — página, posição e texto exato. Não é enfeite de auditoria; muda três coisas de uma vez.
A conferência humana deixa de ser releitura. Em vez de abrir o PDF e procurar, a pessoa olha o recorte destacado ao lado do valor. Um processo que exigia ler o contrato inteiro para validar dez campos passa a exigir dez olhadas.
O documento precisa ser recuperável por pedaço, não anexado por inteiro — o que implica indexar por página e posição, guardar o texto reconhecido junto com o arquivo e ter identificador estável. É trabalho de infraestrutura, e é ele que a exigência da citação obriga a fazer.
E o campo que não trouxe trecho não é resposta: é palpite, e não passa. A checagem é mecânica e não depende de ninguém desconfiar. Por que ancorar em fonte muda o patamar e a instrução não, está em quando a IA inventa informação.
O documento escaneado torto
Boa parte do que chega ao backoffice não é arquivo digital: é foto de papel, tirada de lado, com sombra e carimbo por cima. Antes de o modelo ver qualquer coisa, alguém converteu aquela imagem em texto — e essa conversão erra sozinha.
O tipo de erro é o pior possível: dígito trocado por outro parecido, coluna de tabela que vira parágrafo, duas notas no mesmo arquivo lidas como uma. O resultado continua tendo formato de número, e por isso não desperta suspeita.
Quatro coisas contêm quase todo o estrago, e nenhuma é escolher modelo melhor:
Arrumar a origem quando dá. Nota fiscal tem arquivo estruturado, extrato tem formato de troca, sistema tem API. Ler o PDF de algo que já existe como dado é escolher a versão difícil do problema — e pedir o arquivo certo costuma ser mais barato, como discute integrar ERP com sistema contábil.
Cruzar com o que já se sabe. O total bate com a soma dos itens; o CNPJ existe no cadastro; a data cai dentro da janela do contrato; o valor cabe no saldo em aberto. Uma verificação aritmética barata pega a classe inteira de erro de leitura, e roda sem pessoa nenhuma.
Guardar a confiança da conversão, não só a do modelo. Página mal reconhecida vai para revisão antes de virar campo.
Medir a qualidade do que entra. Se boa parte dos documentos chega ilegível, o projeto de IA está tratando o sintoma de um problema de captura — mudar como o documento é recebido custa menos e resolve mais, e é metade do que tirar o backoffice do papel significa.
O que o contrato tem de diferente
Contrato traz uma dificuldade que nota fiscal não tem: muitas vezes o que importa é o que não está escrito. "Não há cláusula de reajuste", "não existe foro eleito" são afirmações sobre o vazio, e vazio não tem trecho para citar. É onde a extração perde a própria defesa.
O desenho que funciona inverte a origem da lista: as cláusulas esperadas vêm de um roteiro que o jurídico escreveu, e o agente marca achei ou não achei em cada item. Para o "achei", exige-se o trecho. O "não achei" é sempre para pessoa, porque é a resposta que ele não consegue provar.
Some-se a pergunta de qual documento vale: contrato, aditivo e a versão não assinada costumam morar na mesma pasta, e o sistema escolhe uma sem sinal nenhum. Versão, data e vigência são pré-requisito, pelo motivo que o dado da empresa dentro do modelo detalha.
A checagem
Pegue vinte documentos reais do mês passado — os feios, não os limpos — e escreva a lista de campos que você quer extrair. Percorra documento por documento apontando cada campo com o dedo.
Separe em duas listas: os que você aponta e os que precisa explicar. A primeira é extração, e vale guardá-la como base de avaliação antes de escrever qualquer agente. A segunda é interpretação: sem gabarito, sem conferência barata, e não sai do desenho com revisão humana. E o campo que não apareceu em nenhum dos vinte não existe no documento — nenhum modelo vai achá-lo, e todos vão preenchê-lo.