A demonstração usa sempre o mesmo documento: um PDF nativo, gerado por outro sistema, bem paginado, numa só língua, com as tabelas direitas e o logótipo em cima à esquerda. A ferramenta lê-o em dois segundos e devolve todos os campos. Aplausos. E é verdade, não há truque: esse documento resolve-o hoje qualquer produto decente do mercado, e resolve-o barato. O problema é que esse documento não é o teu. Ou mais exatamente: é 85 % do teu, e os 85 % nunca foram o projeto.
A tese numa frase: em extração documental, o orçamento e o calendário não são fixados pela parte fácil. São fixados pelos 15 % de documentos estranhos que nenhuma demonstração mostra — a digitalização torta, a tabela partida entre duas páginas, a guia de remessa manuscrita com um carimbo por cima, o fornecedor que mudou o modelo em julho sem avisar ninguém. E o número com que to vendem, a taxa média de acerto, é precisamente a métrica desenhada para que essa cauda não se veja.
Os erros de extração de dados de documentos com IA não se distribuem por igual
Quando um fornecedor diz «97 % de acerto», o que estás a ouvir é uma média. E uma média, por definição, distribui: sugere que em cada cem documentos há três com um problema menor, espalhados ao acaso, como quem perde três meias por ano. Não funciona assim. Os erros de extração não se polvilham sobre o conjunto: concentram-se, e concentram-se sempre nos mesmos sítios. O mesmo punhado de fornecedores, o mesmo tipo de digitalização, o mesmo campo maldito.
É essa concentração que transforma um número bonito num projeto longo. Se os 3 % de falha estivessem mesmo distribuídos, o processo absorve-os: alguém corrige três coisas soltas e segue. Se os 3 % são sempre os documentos dos mesmos catorze fornecedores, não tens 3 % de erros: tens catorze fornecedores que continuam a ser inseridos à mão, com o seu fluxo paralelo, a sua pessoa dedicada e a sua folha de cálculo. A poupança que tinhas orçamentado evapora-se aí, não no modelo.
A lógica geral — porque é que uma percentagem de acerto não chega em produção e como o limiar se fixa segundo o custo do erro — contámo-la à parte. Aqui vamos ao concreto: o que são exatamente esses documentos, porque falham e o que tens de exigir antes de assinar o que quer que seja.
Os cinco documentos que comem o projeto
Não são cinco casos exóticos. São os cinco que aparecem em qualquer operação real assim que passas duas semanas a olhar para a caixa de entrada a sério, e não para a pasta de exemplos que alguém preparou para a reunião.
| O que chega | Porque falha | O que custa mesmo |
|---|---|---|
| A fotografia de telemóvel e a digitalização a 150 ppp | Texto torto, sombra em meia página, resolução abaixo do que o reconhecimento precisa para distinguir um 3 de um 8 | O erro não se vê: o valor entra, é plausível, e ninguém o apanha até ao fecho |
| A tabela partida entre duas páginas | O sistema lê cada página como uma unidade; a última linha da primeira e a primeira da segunda perdem-se ou duplicam-se | O total bate certo e as linhas não, que é justamente o que a contabilidade analítica precisa |
| O manuscrito, o carimbo e a nota a caneta | A quantidade recebida corrigida à mão na guia é o dado bom, e é o único que não está impresso | O sistema devolve o número impresso com total confiança: erro silencioso, o mais caro de todos |
| O fornecedor que mudou o modelo em julho | O que funcionava com modelo deixa de funcionar sem ninguém mexer em nada, e o sistema não avisa porque continua a encontrar campos | Semanas de dados maus antes de alguém notar o padrão; o custo não é reprocessar, é deixar de confiar |
| O documento ambíguo: nota de crédito, cópia, proforma | O problema não é lê-lo, é decidir o que é. A forma é idêntica à de uma fatura e o significado é o contrário | Uma nota de crédito lançada como fatura paga-se duas vezes; deteta-se na reconciliação, meses depois |
Repara na terceira coluna, a que ninguém lê na fase de compra. Nenhum dos cinco falha com ruído. Um sistema que vai abaixo e devolve um erro é barato: vê-lo, mandas para a fila manual e segues. Os cinco de cima devolvem um dado: plausível, com o formato certo, com a confiança do costume. É esse o modo de falha que fixa mesmo o calendário do projeto, porque não se resolve com um modelo melhor — resolve-se com validações, regras de negócio e alguém a olhar no sítio certo.
Porque é que a taxa média de acerto esconde precisamente o troço caro
A aritmética de porque é que uma precisão por campo de 95 % pode dar uma taxa de documentos válidos de 60 % já a desmontámos ao comparar OCR clássico e modelos multimodais para ler documentos: mede-se por campo e paga-se por documento, e o campo que falha nunca é o código postal. O que nos interessa aqui é a consequência, e é de orçamento, não de medição: a distância entre esses dois números não é ruído estatístico, é a cauda de documentos difíceis transformada em trabalho manual permanente.
E isto não é intuição de secretária: é o estrangulamento que a investigação do setor mede há anos. No relatório The State of ePayables 2025, a Ardent Partners situa a taxa média de exceções em faturas nos 18,4 % — quase uma fatura em cada cinco sai do fluxo automático e acaba nas mãos de uma pessoa — e afirma explicitamente que as exceções são a maior causa isolada de os restantes indicadores do departamento não melhorarem. Na mesma medição, as organizações do primeiro quartil não processam faturas diferentes: têm uma taxa de exceções 47 % mais baixa e processam 1,8 vezes mais faturas sem intervenção humana do que as restantes. A diferença entre uma boa contabilidade de fornecedores e uma medíocre não está no documento fácil. Está toda na cauda. (Âmbito: amostra maioritariamente norte-americana de profissionais de contas a pagar; o dado dimensiona o problema, não é um resultado nosso.)
Traduzido em orçamento: se dimensionas o projeto pelos 85 % que passam sozinhos, estás a orçamentar a parte que já era barata. A fatura real vem do outro troço, e vem em semanas de calendário, não em licenças.
O que perguntar ao fornecedor antes de assinar
Cinco perguntas. Nenhuma é técnica e as cinco são incómodas — que é exatamente o sinal de que servem. Um fornecedor que as responde bem vale mais do que um com uma demonstração impecável.
- «Deem-nos a vossa taxa sobre os nossos duzentos piores documentos, não sobre o vosso benchmark.» É a única pergunta que importa. A amostra escolhe-la tu: as digitalizações más, os fornecedores estranhos, os manuscritos. Se a resposta for que primeiro têm de treinar com eles, é uma resposta válida e honesta — mas agora sabes que há uma fase de projeto que não estava no orçamento.
- «Deem-me a precisão detalhada por campo, não o número global.» Global é marketing. Por campo vê-se logo se o valor e o NIF aguentam, ou se a média é sustentada pela data e pelo código postal.
- «O que faz o sistema quando não tem a certeza?» A resposta certa é que o marca e o manda para revisão. Se o sistema devolve sempre um valor, não tem incerteza: tem a mesma confiança no que sabe e no que inventa, e esse é o erro silencioso da tabela acima.
- «Como é que fico a saber que um fornecedor mudou o modelo?» Procura uma resposta com um mecanismo concreto — um alerta por queda de confiança ou por desvio na distribuição dos valores. Se a resposta for «verias nos dados», a tradução é que vais ver tarde.
- «Quem paga o reprocessamento, e em que prazo.» Não para castigar ninguém: para saber se o custo dos 15 % fica do teu lado da mesa. Quase sempre fica. Mais vale saber antes de assinar do que no segundo fecho.
Um aviso sobre a primeira pergunta: prepara a amostra antes da reunião, não depois. Duzentos documentos escolhidos por ti, com a verdade anotada à mão. É um dia de trabalho aborrecido e é a única coisa que transforma uma decisão de compra numa medição.
Como se orçamenta isto para que chegue a produção
A forma que funciona é contraintuitiva: orçamenta-se primeiro o troço difícil e o fácil quase não se orçamenta. Na prática, isso significa três decisões tomadas antes de escrever uma linha de código. Uma, que campos são críticos e quais são confortáveis — o valor valida-se contra a encomenda, o código postal não se valida contra nada. Duas, onde se põe a pessoa: não a rever tudo, que mata a poupança, mas exatamente sobre os documentos que o sistema marca como duvidosos e sobre os campos que custam dinheiro. É o desenho do humano no circuito de uma automatização aplicado ao caso mais literal que existe. E três, o que acontece a jusante a um documento que não se conseguiu ler, porque um projeto de extração que deixa um buraco no passo seguinte não automatizou nada: mudou o estrangulamento de sítio, que é a armadilha clássica de automatizar um processo de ponta a ponta com IA.
Com essas três decididas, a escolha de tecnologia torna-se quase secundária — e quando chegar a altura, a comparação entre OCR clássico e modelos multimodais para ler documentos está contada à parte. Nós montamos exatamente isto nos dois casos que mais se repetem: extrair os dados das faturas e classificar os documentos que entram para que cada um acabe no seu sítio. Nos dois, o trabalho a sério não é ler o PDF bonito. É decidir o que se valida, quem olha para os duvidosos e o que acontece quando chega o documento feio.
A conclusão, sem adornos
A pergunta com que quase toda a gente compra — «que precisão tem?» — é a pergunta errada, e não porque o número seja falso, mas porque descreve a parte do trabalho que já estava resolvida. A pergunta útil é o que faz o teu sistema no dia em que chegam a guia manuscrita, a tabela partida e o modelo novo do fornecedor grande. Se a resposta for «marca-o, põe-no de lado e avisa», tens um projeto. Se a resposta for uma percentagem, tens uma demonstração.
Não compres precisão média. Compra comportamento perante o documento feio.