workflows

Campo extraído por IA: quando liberar e quando revisar

Use evidência do valor e consequência do erro para decidir se um dado extraído de documento pode entrar no sistema ou precisa de revisão.

Uma ferramenta pode ler um valor com confiança alta e ainda assim entregar um dado inadequado para o seu processo: talvez tenha escolhido a linha errada, confundido a moeda ou extraído um endereço antigo. O percentual informado pelo modelo ajuda a organizar a revisão; não comprova sozinho que o campo está correto nem que pode produzir uma ação.

Resposta curta

Antes de gravar um campo extraído por IA, pergunte: qual trecho do documento o sustenta, qual regra independente consegue conferir o valor e o que acontece se ele estiver errado? Se a fonte não puder ser localizada, a regra falhar ou o erro puder gerar pagamento, decisão sobre pessoa ou outra consequência difícil de reverter, pare para revisão humana. Só considere liberação automática para campos de baixo impacto depois de medir o desempenho com documentos representativos do próprio processo.

Duas dimensões, uma decisão

Evidência do campo Consequência se errado Decisão inicial
Trecho rastreável e regra independente passou Baixa e reversível Candidato a liberação após validação local e amostragem contínua
Trecho rastreável, mas sem conferência independente Qualquer Revisar antes de gravar
Trecho ausente, ilegível ou contraditório Qualquer Parar; pedir documento melhor ou esclarecer com responsável
Mesmo valor parece plausível Alta ou difícil de reverter Revisão humana, independentemente do score

Este quadro é um modelo de decisão editorial da Pulse, não um limiar universal de acurácia. A Microsoft mostra que o AI Builder pode expor um score por campo e, em certos modelos, por célula de tabela. A AWS recomenda ajustar a revisão à sensibilidade do uso. Um score de um produto não deve ser comparado como se fosse a mesma medida de outro.

Registre a prova mínima, não o documento inteiro no log

Para cada campo, preserve uma referência segura ao arquivo e à página/região, nome do campo, valor extraído, score se existir, regra aplicada, resultado da regra, decisão e pessoa responsável. Controle acesso e retenção no sistema apropriado; não copie dados pessoais para uma planilha aberta ou um serviço de IA não aprovado. No Brasil, verifique as obrigações de privacidade aplicáveis ao seu tratamento de dados; este guia não oferece parecer jurídico.

Uma regra independente pode confrontar o total de linhas com o total declarado, comparar um identificador com o cadastro autorizado ou exigir que uma data pertença ao período esperado. A regra precisa vir do processo, não do mesmo modelo que fez a extração; dois palpites iguais não são confirmação independente. Se o documento tiver moedas ou formatos locais diferentes, primeiro normalize e confira a unidade antes de qualquer cálculo.

Exemplo de mesa, não teste de campo

Imagine um formulário fictício em que a IA lê 1.250,00 como valor e marca confiança alta. O operador vê que o documento traz R$, mas o sistema de destino espera valor numérico sem símbolo. Conferir apenas o score não resolve: é preciso preservar a moeda, verificar a conversão decimal e comparar com outro campo ou com o documento original. Se esse valor aciona pagamento, a decisão permanece em revisão humana. Nenhum documento de cliente foi processado pela Pulse neste exemplo.

Como definir um limite sem inventar segurança

  1. Escolha um tipo de documento e um campo; separe campos críticos dos reversíveis.
  2. Reúna exemplos autorizados e representativos, com respostas conferidas por uma pessoa. Não envie documentos pessoais a uma ferramenta sem aprovação para esse uso.
  3. Compare acertos e erros por campo e por faixa de score. Verifique se o score realmente separa casos errados dos corretos; não adote um percentual da internet como garantia.
  4. Teste a regra em documentos diferentes dos usados para escolher o limite. Se não houver separação confiável, mantenha revisão em todos os casos desse campo.
  5. Depois da liberação, confira uma amostra dos casos não sinalizados e revise a regra quando layout, fonte, modelo ou campo mudar.

A análise da Microsoft Foundry explica por que a calibração depende do tipo de documento, campo e amostra de validação. Para pequenos negócios, pode ser mais simples e seguro revisar todos os campos críticos do que manter uma política estatística que ninguém consegue auditar. Não há economia demonstrada aqui.

Se a necessidade ainda é receber arquivos e controlar pendências, comece pelo guia de coleta de documentos de clientes. Para decidir quem autoriza uma ação externa depois da extração, veja aprovação humana em automações. Extração é uma etapa; aceitação e ação são outras.

Fontes