IA & Leitura de Documentos · Serviços Profissionais

Leitura inteligente de documentos para automatizar a conciliação de despesas corporativas

Uma multinacional de serviços profissionais apoia empresas na conferência de despesas corporativas, trabalho que exige cruzar milhares de documentos em formatos variados e justificar cada decisão para fins de auditoria. Em um Discovery de seis semanas, a Luby validou com evidência real o principal risco técnico de uma plataforma de conciliação automática: ler, com confiabilidade e custo previsível, documentos financeiros sem nenhum padrão.

~11 dias

Para construir o pipeline completo de leitura por IA

Documentos reais analisados para decidir a tecnologia com dados, não com opinião

Centavos

Por documento: a leitura de um comprovante custa na casa de US$ 0,01–0,02

Desafio

Documentos que chegam de todas as formas

A conferência de despesas era intensa em trabalho manual. Automatizá-la dependia de uma condição que nenhuma tela resolve sozinha: ler corretamente fotos de recibos, carimbos, relatórios com dezenas de páginas, faturas de cartão com quase cem páginas e planilhas com milhares de linhas sem layout padronizado. Antes de dimensionar a solução completa, o cliente precisava de respostas objetivas.

A leitura automática funciona nesses documentos?
Com que taxa de acerto, medida como?
Quanto custa por documento e por mil documentos?
O que falha, e por quê?
Como evitar ficar preso a um único fornecedor de IA?

Solução

Respostas com evidência, não com opinião

A Luby estruturou um Discovery de seis semanas, com Documento de Visão, EAP e Roadmap, seguido de uma prova de conceito (PoC) desenhada como um laboratório de medição, e não como uma demonstração.

Decisão de tecnologia baseada em evidência

62 documentos reais da amostra analisados localmente antes de escrever o motor
Tabela oficial de preços dos três grandes provedores de nuvem comparada
Custo por página equivalente entre OCR tradicional e LLMs multimodais, mas o LLM entrega o dado já interpretado
Hipótese inicial do próprio time, um modelo híbrido com parsers e LLM, descartada por escrito: adicionava um segundo sistema para manter em troca de uma economia de centavos

Pipeline de leitura multimodal

Seis tipos de entrada: PDF com texto, PDF por visão, imagem, planilha, HTML e Word
Escolha automática da melhor rota para cada documento
Três estratégias de leitura, com validação automática e o motivo de cada desvio registrado

Leitura direta

Documentos grandes, como uma fatura de 89 páginas, são lidos por inteiro, sem cortes.

Leitura calibrada

Em planilhas com milhares de linhas, a IA lê apenas uma amostra e devolve um mapa da estrutura. O código aplica esse mapa a 100% das linhas com regras determinísticas e validação automática. A planilha inteira nunca vai ao modelo, o que reduz custo e risco.

Leitura em blocos

Quando a validação reprova, o documento é lido em partes e consolidado, e o motivo do desvio fica registrado.

Resultados

O que a evidência mostrou

As respostas vieram da amostra real de documentos, com custo, acerto e limitações medidos.

Risco técnico mitigado com evidência

A leitura funcionou na amostra real, incluindo fotos, relatórios extensos e planilhas sem padrão, e o sistema sinaliza documentos ilegíveis em vez de inventar dados.

0,97 / 0,72

Confiança honesta do modelo

Em um mesmo lote, a IA declarou confiança de 0,97 na parte tabular e de 0,72 na parte visual, coerente com a dificuldade real de cada parte.

Arquitetura otimizada por experimento

Um resumo de 4 páginas reproduziu as mesmas 67 linhas e o mesmo total de um relatório de 62 páginas, a 86% do custo. A abordagem passou a ser a recomendação para a próxima fase.

< US$ 1

Custo previsível

Uma rodada completa de experimentos com 16 leituras custou menos de US$ 1, e a projeção indica cerca de US$ 15–30 por mil documentos com interpretação incluída.

700+

Base pronta para escalar

Mais de 700 testes automatizados, um catálogo de limitações entregue ao cliente como mapa da próxima fase e uma arquitetura em que o motor de IA pode ser trocado sem reescrever o pipeline.

Falha é dado, não bug

Esse foi o princípio fundador da PoC. O resultado é uma métrica que não esconde nada.

Catálogo de falhas

Toda falha é categorizada em um catálogo exportável, e o custo é registrado mesmo quando a leitura falha ou é cancelada. Erros temporários, como instabilidade de rede ou limite de requisições, são tentados novamente; erros permanentes nunca são mascarados.

Revisão humana como fonte de verdade

Um revisor confere cada campo extraído (correto, incorreto ou ausente), e esse veredito vira o gabarito do sistema. A partir dele, o painel calcula a acurácia por campo, a taxa de leitura, o custo por documento, a projeção por mil documentos e a latência, sempre com intervalo de confiança de 95%.

Confiança declarada versus acurácia real

O painel cruza a confiança declarada pelo modelo com a acurácia real, para responder se essa confiança serve para priorizar a revisão humana.

Explicável, auditável e sem dependência de fornecedor

Cada sugestão vem com o seu motivo, e o motor de IA pode ser trocado sem reescrever o pipeline.

Conciliação explicável, com decisão humana

O motor de pareamento entre relatórios, faturas e comprovantes é determinístico e auditável. Ele pontua cada par por valor, data e partes envolvidas e mostra em português o motivo de cada sinal. A ferramenta sugere e o analista decide, individualmente ou em lote.

Sem dependência de fornecedor

Um contrato único de dados define o formato da extração, valida a resposta da IA e tipa toda a aplicação. Trocar de provedor, inclusive para um serviço de IA hospedado no ambiente do próprio cliente, é uma configuração de tela.

Motores comparados lado a lado

Motores diferentes podem ser comparados lado a lado nos mesmos documentos, com instruções versionadas para manter as rodadas comparáveis.

Engenharia acelerada por IA, com governança

A PoC foi construída por um Tech Lead trabalhando com agentes de IA sob regras explícitas. Um arquivo de instruções define o que a IA não pode violar, e decisões de negócio e commits ficam com o humano. A esteira tem padrão corporativo: