Contrato em PDF não é dado: o que a IA precisa para ler documentos

Quando alguém pergunta quais contratos de fornecedores renovam automaticamente no próximo trimestre, a resposta costuma depender de uma pessoa abrindo PDF por PDF. A informação existe, assinada e arquivada, mas a empresa não consegue consultá-la.

Esse é o ponto em que muitos projetos de IA travam. A expectativa é que um modelo leia a pasta de contratos e responda sozinho. Para isso, ler não basta. Ele precisa saber o que procurar e o que cada trecho significa.

Onde está o conhecimento da empresa

Um artigo publicado no Inforchannel lembra que grande parte do conhecimento corporativo está em conteúdo não estruturado: textos livres, PDFs, imagens e áudios que não cabem em bases de dados tradicionais. O texto cita estimativas globais de que cerca de 80% dos dados disponíveis estão nesse formato.

O mesmo artigo cita dados divulgados pela Beanalytics segundo os quais 78% das empresas brasileiras ainda estão nos estágios iniciais de maturidade em dados. Segundo o texto, a dificuldade de organizar informações espalhadas, de e-mails a documentos escaneados, ameaça os benefícios esperados da IA.

O problema, portanto, não é falta de informação. O problema é que ela está guardada num formato que sistemas e modelos não conseguem usar com segurança.

OCR lê, mas não entende

O mesmo artigo resume bem o limite das técnicas tradicionais: digitalizar documentos com OCR resolve a leitura, mas não a compreensão. O contrato escaneado vira texto pesquisável, mas continua sendo só um bloco de texto.

Um exemplo simples: o trecho "30 dias" pode indicar o prazo de pagamento, o aviso prévio para rescisão ou a janela para contestar uma fatura. O OCR acerta os caracteres. Saber qual dessas informações aquele número representa é outro trabalho.

Um artigo da DataEX sobre arquitetura para IA generativa descreve o que costuma acontecer quando projetos começam com dados desestruturados e pouca rastreabilidade: respostas inconsistentes, baixa confiabilidade, riscos de compliance e dificuldade de escalar. Com documentos, o risco é a IA responder com segurança a partir da cláusula errada.

O que a IA precisa: campos, significados e responsável

Preparar documentos para IA começa por três definições para cada tipo de documento. Nenhuma delas é técnica. Todas dependem de quem conhece o negócio.

Campos. É a lista do que precisa ser extraído. No caso de um contrato, isso pode incluir partes, CNPJ, objeto, data de início e de término, renovação automática, índice de reajuste, multa rescisória, prazo de aviso prévio e valor.

Significados. Cada campo precisa de uma definição escrita. "Vigência" começa na assinatura ou numa data prevista no contrato? "Valor" é mensal, anual ou o total do contrato? Também é preciso decidir o formato e o que fazer quando a informação não estiver no documento.

Responsável. Alguém precisa responder pela qualidade de cada tipo de documento e pelas regras de extração. O jurídico pode validar as cláusulas, e o financeiro, os valores e índices. Sem um responsável, ninguém resolve as divergências, e a base perde a confiança de quem usa.

O mesmo artigo da DataEX destaca que a IA generativa exige contexto e governança em nível mais alto do que as aplicações analíticas tradicionais. Campos, significados e responsáveis são a forma prática de levar esse contexto para os documentos.

Por que começar pelos contratos

Tentar estruturar todos os documentos da empresa de uma vez é o caminho mais curto para um projeto sem fim. O melhor é escolher um conjunto pequeno, que se repete e que tenha decisões ligadas a ele.

Contratos atendem a esses critérios. Têm estrutura relativamente previsível, concentram obrigações financeiras e prazos, e a falta de visibilidade sobre eles tem consequências concretas, como renovações não planejadas, reajustes aplicados sem conferência ou multas que ninguém acompanhou.

Dá para reduzir ainda mais o recorte, por exemplo começando pelos contratos de fornecedores ativos. Um recorte assim permite validar a extração, ajustar as definições e medir se as respostas da IA batem com o que está no papel.

Um roteiro para o primeiro conjunto

Escolher um tipo de documento e um recorte delimitado, com uma pergunta de negócio clara que ele deve responder.
Listar os campos necessários para responder a essa pergunta, e só esses.
Escrever a definição, o formato e a regra para informação ausente de cada campo.
Nomear um responsável pelo tipo de documento e pela validação dos campos.
Extrair os campos de uma amostra e comparar o resultado com a leitura humana.
Ajustar as definições, ampliar o recorte e só então pensar no próximo tipo de documento.

O resultado é uma base em que cada contrato tem campos consultáveis, com significado acordado e um responsável identificado. Sobre essa base, assistentes, alertas de vencimento e análises deixam de depender de alguém abrindo arquivos.

Próximo passo

Um bom começo é escolher a pergunta sobre contratos que a empresa mais tem dificuldade de responder hoje e listar os campos necessários para isso. Se essa lista não sair em uma reunião, é sinal de que o trabalho começa pela definição, e não pela ferramenta. Nesse ponto, um diagnóstico de prontidão para IA, como o que a Financeit oferece, ajuda a avaliar a qualidade dos dados, a governança e quais casos de uso priorizar antes de investir em automação.