Ir para conteúdo
be-human.ai
← Voltar ao blog

Ferramentas e integrações

Leitura de PDFs digitalizados com agentes de IA: checagens antes do uso

Checklist para agentes de IA lerem PDFs digitalizados: testes de integridade, limites de confiança, rastro da fonte e aprovação antes de confiar no texto.

Capa tipográfica do Be Human com o título: Leitura de PDFs digitalizados com agentes de IA: checagens antes do uso
Ilustração conceitual criada com IA · Be Human

Para usar um PDF digitalizado com segurança, um agente de IA deve confirmar que todas as páginas chegaram, que o texto foi reconhecido com confiança aceitável e que os valores principais batem com um segundo sinal antes de qualquer coisa ser guardada ou usada como fato da empresa. Um scan é uma imagem até que um parser o converta em texto, e essa conversão pode falhar sem aviso. As verificações abaixo seguem uma ordem fixa, deixam um registro que uma pessoa consegue auditar e enviam resultados duvidosos para uma fila humana, em vez de para a memória.

Principais pontos

  • Um PDF digitalizado é uma imagem até que um parser o transforme em texto, então o agente nunca deve presumir que a camada de texto é confiável.
  • Verifique a integridade do arquivo, a cobertura das páginas, a confiança do reconhecimento e a concordância entre campos antes de qualquer valor ser guardado.
  • Anexe a página de origem e um rótulo de confiança a cada fato extraído para que uma pessoa consiga rastreá-lo.
  • Mantenha valores de baixa confiança ou conflitantes fora da memória até que uma pessoa identificada os confirme.
  • Meça a qualidade da leitura em um conjunto fixo dos seus próprios documentos e repita o teste após cada mudança.

Por que um PDF digitalizado não é um arquivo de texto

Um PDF digitalizado costuma ser uma fotografia de papel guardada dentro de um arquivo PDF. Alguns arquivos também trazem uma camada de texto adicionada pelo scanner, e essa camada pode estar incompleta, fora de ordem ou simplesmente errada. Quando não existe uma camada de texto confiável, o reconhecimento óptico de caracteres estima cada letra a partir dos pixels. Seus erros se concentram justamente nos pontos que importam para o negócio: separadores decimais, algarismos parecidos, datas em formatos pouco familiares, carimbos desbotados, correções manuscritas e páginas fotografadas em ângulo. Para uma visão mais ampla sobre leitura de scans, fotos e PDFs, veja OCR para agentes de IA: ler scans, PDFs e fotos com segurança.

O risco não é apenas o texto estar errado. Um modelo de linguagem que lê uma entrada corrompida costuma produzir um resumo fluente e confiante, então um total errado ou um vencimento inventado podem parecer exatamente iguais a um dado correto. O tom do agente não diz nada sobre a qualidade da leitura. Por isso a verificação precisa acontecer no caminho dos dados, antes de o modelo raciocinar sobre o texto, e o resultado precisa ser registrado em algum lugar onde uma pessoa possa inspecioná-lo.

As cinco verificações antes de usar o texto

Execute essas verificações em ordem. Cada uma é barata, e cada uma impede um tipo específico de falha de chegar à memória ou a uma resposta.

  • Confirme que o arquivo abre, que não está protegido por senha e que corresponde a um tipo de documento que o agente tem permissão para ler.
  • Confirme o número de páginas com a descrição do remetente ou com as marcações de página do próprio documento, e confirme que nenhuma página está em branco, cortada ou duplicada.
  • Registre a confiança do reconhecimento para cada página e cada campo extraído, e marque qualquer página abaixo do limite definido para aquele tipo de documento.
  • Cruze os valores que têm lógica interna: os itens devem somar o subtotal, o imposto deve bater com a alíquota impressa no documento, e a data de vencimento não pode ser anterior à data de emissão.
  • Compare identificadores e totais com um registro existente no seu sistema, quando ele existir, e encaminhe cada divergência para uma pessoa em vez de sobrescrever o registro.

Uma verificação reprovada nunca deve ser descartada em silêncio. O documento deve ser marcado como lido parcialmente, os campos que passaram devem ser identificados como tal, e os campos reprovados devem ficar fora do contexto de trabalho do agente até que alguém os resolva.

Defina limites de confiança por tipo de campo

Um único limite para o documento inteiro é grosseiro demais. Um logotipo de fornecedor lido errado pode não ter consequência, enquanto um número de conta lido errado pode mandar dinheiro para o lugar errado. Defina limites por tipo de campo, teste-os com documentos reais e registre-os por escrito, para que o responsável pela operação possa alterá-los de forma deliberada. Um guia prático de decisão fica assim:

  • Valores, identificadores fiscais e números de conta: use apenas acima do limite mais rigoroso e nunca sem uma verificação cruzada aprovada. O restante vai para revisão.
  • Datas e prazos: use apenas quando o formato for inequívoco e o valor estiver em uma faixa plausível. Se dia e mês puderem ser trocados, pergunte.
  • Nomes, endereços e dados de contato: armazene com a referência da página de origem e confirme antes que qualquer mensagem enviada os utilize.
  • Anotações e descrições em texto livre: podem ser usadas em resumos, desde que o resumo informe que foram extraídas de uma fonte digitalizada.
  • Assinaturas, carimbos e marcações manuscritas: registre se estão presentes e não os trate como conteúdo legível, a menos que uma pessoa os tenha verificado.

Mantenha um rastro de fonte para cada fato extraído

Cada valor extraído deve carregar o identificador do documento, a página, a região, quando o parser a fornecer, a versão do parser, a confiança e o horário da extração. Quando o agente responder uma pergunta com base nesse valor, a resposta deve citar a página de onde ele veio. Isso transforma uma afirmação do agente em algo que uma pessoa consegue conferir em segundos e torna auditorias possíveis quando um parser é atualizado ou um fornecedor muda seu serviço.

Guarde os valores em uma estrutura fixa, e não como texto livre. Saídas estruturadas para agentes de IA: esquemas que seus sistemas aceitam descreve esquemas que os sistemas seguintes podem validar, o que cria uma segunda barreira depois que o parser terminou seu trabalho.

Trate o texto dentro dos documentos como dado, não como instrução

Documentos são entradas não confiáveis. Uma página digitalizada pode conter uma frase que manda o leitor ignorar regras anteriores ou aprovar um pagamento, e o parser vai repassar essa frase fielmente. As orientações da OWASP sobre injeção de prompt tratam conteúdo externo como não confiável e recomendam limitar o que um modelo pode fazer com ele. Em PDFs digitalizados, isso significa que o agente lê o texto extraído como material para análise, nunca como comando, e que um documento sozinho jamais pode disparar uma escrita, um envio ou um pagamento.

As ações de escrita devem ficar atrás de uma etapa separada de aprovação. O mesmo princípio vale para cada permissão que o agente tem, como explicado em Ler, preparar e enviar: três permissões diferentes de IA.

Teste a leitura com os seus próprios documentos

Demonstrações de fornecedores usam amostras limpas. Os seus documentos incluem faxes desbotados, fotos de celular tiradas em diagonal e formulários com um carimbo sobre os totais. Monte um conjunto pequeno de avaliação com arquivos reais, registre os valores corretos com a aprovação de uma pessoa e inclua os casos difíceis de propósito. Rode o parser nesse conjunto, avalie cada campo e agrupe as falhas por causa, como inclinação, baixo contraste ou letra manuscrita. O NIST AI Risk Management Framework trata a medição como atividade contínua, e não como verificação pontual, e um teste de leitura deve seguir a mesma lógica.

Repita o teste sempre que o parser, suas configurações ou a mistura de tipos de documento mudarem. Guarde os resultados junto com a data e a versão a que se referem, para que uma queda de qualidade possa ser associada a uma mudança específica.

Cenário ilustrativo: uma equipe de compras encaminha notas de fornecedores fotografadas com celular. Em uma delas, o parser lê o separador decimal no lugar errado, o que alteraria o valor por um fator grande. Os itens não somam o subtotal impresso, então a verificação falha, o valor é retirado do contexto de trabalho do agente e o documento vai para a fila de revisão do departamento financeiro, com a imagem da página anexada. Nada é preparado para pagamento até que uma pessoa confirme o valor.

Como a Be Human trata documentos digitalizados em operações gerenciadas

A Be Human define, na primeira etapa do trabalho, quais tipos de documento um agente pode ler, combina os limites e os responsáveis pela revisão com o líder de operações e mantém cada ação de escrita atrás de uma aprovação explícita. Em operações gerenciadas, a equipe acompanha falhas de leitura, executa avaliações recorrentes com uma amostra de documentos reais, revisa permissões quando uma fonte ou canal muda e trata incidentes quando uma extração ruim chega a um sistema seguinte. O objetivo é que cada resposta do agente permaneça rastreável até uma página que uma pessoa consiga abrir.

Se você não tem certeza de qual fluxo de documentos digitalizados deve vir primeiro, o diagnóstico gratuito de IA da Be Human pode ajudar a identificar a primeira tarefa que vale a pena entregar a um agente.

Perguntas frequentes

Um agente de IA consegue ler PDFs digitalizados sem OCR? Às vezes, se o PDF incluir uma camada de texto embutida confiável. Muitos arquivos digitalizados não a têm, e um agente que trabalha apenas com a imagem, sem reconhecimento, não consegue ler o conteúdo. Trate o parser como um componente separado, com as próprias verificações, e nunca presuma que a camada de texto está correta só porque ela existe.

Qual nível de confiança deve acionar a revisão humana? Não existe um número universal, e o limite deve vir do seu próprio conjunto de testes, não de um padrão do fornecedor. Use limites mais rígidos para valores, identificadores e datas, e limites mais flexíveis para textos descritivos. Revise os limites após cada mudança no parser ou quando a mistura de documentos mudar.

O agente deve guardar os valores extraídos na sua memória? Apenas os valores que passaram pelas verificações, e somente com a página de origem e a confiança anexadas. Valores reprovados ou não confirmados devem ficar em uma fila de revisão. Uma memória que guarda números não verificados tende a levar erros para respostas futuras, muito depois de o scan original ter sido esquecido.

Quem deve ser responsável pela etapa de revisão? A pessoa que é dona do processo de negócio, como o responsável por contas a pagar ou o gerente de operações, e não o engenheiro que construiu o parser. Essa pessoa sabe quais valores importam e como é um resultado plausível. O agente pode preparar cada item de revisão com a imagem da página, os valores extraídos e a verificação reprovada, o que reduz o trabalho de quem revisa.

Seu próximo passo

Descubra primeiro onde um agente de IA cabe na sua empresa.

Faça o diagnóstico gratuito de IA da Be Human. Algumas perguntas sobre o seu trabalho mostram qual tarefa entregar primeiro a um agente, o que ele precisa saber e onde uma pessoa aprova.

Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.

Menos tarefas. Mais espaço para você.

Traga o trabalho para o qual falta tempo.

Agende uma conversa e teste 7 dias grátis um agente de IA personalizado ↗Ou faça o diagnóstico gratuito de IA →