Como extrair dados de documentos com IA e conferir o resultado

Extrair dados de documentos com IA significa transformar texto e elementos visuais em campos que um sistema consegue utilizar. O processo fica completo quando cada valor pode ser conferido no original e passa pelas regras do destino. Este guia organiza a extração de documentos operacionais, desde a amostra inicial até à revisão e ao registo.

Por Lyntev. Atualizado a .
Cerca de 5 minutos de leitura.

A resposta começa na fonteInformação aprovada, acesso definido e uma resposta verificável.

No final, consegue:

  • Definir campos e normalização
  • Conferir extração por campo e tipo de documento
  • Criar uma fila de revisão com origem visível

Comece por uma família de documentos

Escolha uma família com finalidade clara, como relatórios de intervenção ou pedidos de compra. Reúna exemplos de formatos, idiomas, digitalizações e qualidade diferentes. Separe ficheiros digitais com texto selecionável de fotografias que exigem reconhecimento de caracteres. Não avalie o sistema apenas nos documentos mais limpos.

Registe o que precisa de acontecer depois: preencher um rascunho, procurar um registo existente ou preparar uma conferência. A extração não deve, por si, autorizar um pagamento ou substituir uma validação comercial. Se o documento tiver dados reservados, confirme as condições de processamento e limite a amostra ao necessário para a tarefa.

Defina o significado de cada campo

Para cada campo, escreva nome, tipo, unidade, obrigatoriedade e comportamento quando falta. Um número de documento é frequentemente texto: pode ter zeros iniciais, barras e prefixos. Uma data sem contexto de país pode ser ambígua. Um montante sem moeda não deve herdar silenciosamente a moeda mais comum da empresa.

Separe o valor lido do valor normalizado. Conserve, por exemplo, «1.250,00 EUR» como evidência textual e 1250.00 com moeda EUR como interpretação. A transformação precisa de uma regra explícita. Devolver um objeto com o formato certo facilita a integração, mas não prova que os valores correspondem ao documento.

Defina o significado de cada campo
CampoRepresentação propostaQuando rever
ReferênciaTexto exatamente como apareceReferência cortada ou contraditória
DataValor original e data normalizadaDia e mês ambíguos
QuantidadeNúmero e unidadeUnidade ausente ou incompatível
TotalMontante, moeda e região de origemValor ilegível ou reconciliação falhada

Mantenha a ligação ao local onde o valor foi lido

Uma interface de revisão útil mostra o campo ao lado da página correspondente. Guarde a referência do ficheiro, página e passagem ou região de origem que o serviço disponibilize. A documentação do Document AI descreve informação textual e de estrutura no objeto devolvido; confirme os campos disponíveis no processador escolhido.

Tabelas exigem cuidado adicional: uma linha de detalhe pertence a uma entidade, e cabeçalhos repetidos não são novos itens. Verifique documentos com várias páginas e notas junto dos valores. Se a relação entre quantidade e preço se perder durante a leitura, o texto pode parecer completo enquanto a estrutura fica errada.

Confira um relatório fictício antes de o registar

O relatório fictício INT-042 contém duas horas de trabalho a 30 € por hora e uma peça a 20 €. O subtotal indicado é 80 €; o documento não fornece informação fiscal adicional. A extração prepara estes elementos para revisão e não infere impostos, descontos ou condições que não estão presentes.

A conta de controlo é 2 × 30 + 1 × 20 = 80. Se o sistema ler 8 em vez de 80, a reconciliação sinaliza a diferença. Se ler todos os valores de forma coerentemente errada, a conta pode passar: por isso a validação aritmética complementa a conferência no original. Campos críticos precisam de critérios próprios.

Exemplo fictício de campo com origem e estadoJSON
{
  "documento": "INT-042",
  "subtotal": {
    "texto_original": "80,00 EUR",
    "valor": 80.00,
    "moeda": "EUR",
    "pagina": 1,
    "estado": "aguarda_revisao"
  },
  "informacao_fiscal": null
}

Avalie por campo antes de definir aprovação automática

Crie uma referência humana para os documentos de teste e compare cada campo com essa referência. A documentação do Google distingue precisão e cobertura e mostra como o limiar de confiança altera o que é aceite. Um limiar mais exigente pode enviar mais campos corretos para revisão; a escolha deve considerar os erros concretos e a carga criada.

Num exemplo didático, 100 documentos têm uma referência obrigatória. O sistema devolve 92 referências, das quais 88 estão corretas: precisão 88 ÷ 92, cerca de 95,7%; cobertura 88 ÷ 100 = 88%. Os documentos com valores ausentes continuam pendentes. Uma média entre todos os campos pode esconder uma taxa pior precisamente no campo que determina o registo.

Trate ausência, duplicados e alterações do documento

Distinga três estados: valor confirmado, valor ausente no original e leitura inconclusiva. Um campo vazio não deve ser preenchido a partir de outro documento só porque parece semelhante. Na revisão, permita corrigir, manter ausência ou pedir uma nova cópia, guardando quem decidiu e qual a versão utilizada.

Um ficheiro reenviado não deve gerar dois lançamentos. Defina uma referência de processamento e verifique identidade e versão do documento; o nome do ficheiro sozinho é fraco, pois pode mudar ou repetir-se. Uma versão corrigida pode exigir substituir um rascunho ou iniciar uma revisão, em vez de ser descartada como duplicado.

  • Não perder zeros iniciais nos identificadores.
  • Não misturar vírgula decimal com separador de milhares.
  • Não aceitar uma página legível como prova de que o ficheiro inteiro foi lido.
  • Não confundir pontuação de confiança com confirmação humana ou probabilidade garantida.

Entregue um mapa de extração e de conferência

A ficha deve permitir a um técnico implementar e a uma pessoa da operação rever o mesmo resultado. Depois do arranque, guarde exemplos de erros autorizados e reveja a amostra quando surgirem novos formatos. As correções aprovadas podem melhorar a avaliação; só devem entrar em treino ou reutilização quando esse uso estiver definido.

Ficha para o seu projeto

Família documental e finalidade:
Formatos, idiomas e qualidade observada:
Campos, tipos, unidades e obrigatoriedade:
Regras de normalização:
Origem guardada: ficheiro, versão, página e região:
Regras aritméticas e cruzamentos permitidos:
Tratamento de ausente / inconclusivo / confirmado:
Campos críticos e critérios de revisão:
Amostra de teste e referência humana:
Precisão e cobertura por campo, com contagens:
Identidade do documento e política de duplicados:
Destino após aprovação, responsável e conservação:

Fontes e critérios

Conteúdo elaborado com apoio de IA e pesquisa em fontes técnicas, com revisão dos exemplos e cálculos aplicáveis. As referências apoiam as decisões do guia; os exemplos identificados como fictícios servem para experimentar o método.