A digitalização dos processos documentais trouxe enormes ganhos às organizações.
Os documentos deixaram de circular exclusivamente em papel, passaram a ser carregados em plataformas e podem hoje ser consultados praticamente a partir de qualquer lugar.
Mas existe uma parte do processo que, em muitas organizações, continua praticamente inalterada.
A informação que já está dentro dos documentos continua a ser introduzida manualmente noutros sistemas.
Um colaborador abre um certificado, procura o nome, identifica a entidade emissora, verifica a data de validade, lê a competência e copia cada um destes elementos para campos da plataforma.
O ficheiro é digital.
O processo, no entanto, continua parcialmente manual.
O custo escondido da introdução manual
Quando analisamos apenas um documento, copiar alguns campos pode parecer uma tarefa insignificante.
O problema surge quando esta operação é repetida centenas ou milhares de vezes.
Uma organização que gere documentação de trabalhadores, fornecedores e equipamentos pode receber diariamente um volume significativo de:
- certificados de formação;
- fichas de aptidão;
- declarações;
- apólices;
- relatórios;
- inspeções;
- certificados técnicos;
- licenças;
- autorizações;
- registos de manutenção.
Cada documento pode obrigar a abrir, interpretar, localizar e transcrever diferentes elementos de informação.
O resultado é uma quantidade relevante de tempo dedicada a tarefas que não acrescentam diretamente conhecimento ao processo.
A informação já existe
Considere um certificado de formação.
O documento pode conter:
- nome do trabalhador;
- entidade emissora;
- designação da formação;
- número do certificado;
- data de emissão;
- data de validade;
- duração;
- competência adquirida.
Se estes dados já estão no documento, porque devem ser novamente introduzidos manualmente?
É aqui que tecnologias de OCR e Inteligência Artificial podem apoiar uma nova abordagem.
Da leitura automática à extração estruturada
O primeiro passo é conseguir ler o documento.
Mas ler não é suficiente.
Uma solução inteligente deve conseguir identificar o significado da informação.
Encontrar uma data não basta.
É necessário perceber se corresponde à data de emissão, à validade ou a outra referência.
Encontrar o nome de uma empresa também não significa saber automaticamente se corresponde à entidade emissora, ao empregador ou ao cliente.
Por isso, um processo robusto precisa de combinar diferentes capacidades:
Leitura → identificação → extração → estruturação → validação
O objetivo é transformar elementos existentes no documento em dados estruturados que possam ser utilizados pelos restantes processos.
O que pode ser extraído?
Dependendo do tipo documental, podem ser extraídos dados como:
- nome do titular;
- empresa;
- entidade emissora;
- número do documento;
- datas;
- validade;
- competência;
- formação;
- função;
- equipamento;
- número de série;
- resultado;
- referências específicas.
A informação relevante varia de documento para documento.
É por isso que a configuração do processo continua a ser essencial.
Menos introdução manual, menos possibilidade de erro
A transcrição manual é repetitiva e está sujeita a falhas.
Podem ocorrer:
- erros em datas;
- nomes escritos incorretamente;
- números de certificado incompletos;
- associação ao trabalhador errado;
- classificação incorreta;
- informação omitida.
A extração automática pode reduzir grande parte desta transcrição.
As equipas passam a concentrar-se mais na validação das exceções e menos na cópia de dados.
A informação passa a alimentar outros processos
O verdadeiro ganho não termina na extração.
Quando a informação é estruturada, pode ser utilizada por diferentes componentes da organização.
Uma data de validade pode gerar um alerta.
Uma competência pode alimentar uma matriz de competências.
O titular pode ser comparado com o trabalhador associado ao documento.
A entidade emissora pode fazer parte das regras de validação.
Os dados podem alimentar dashboards e indicadores.
A documentação passa, assim, de uma lógica estática para uma lógica operacional.
Extrair não significa aprovar
Existe, no entanto, uma distinção fundamental.
A capacidade de extrair informação de um documento não significa que a plataforma deva aprová-lo automaticamente.
Um certificado pode indicar “Trabalhos em Altura”, mas ainda pode ser necessário verificar:
- se pertence à pessoa correta;
- se está dentro da validade;
- se corresponde ao requisito do projeto;
- se a entidade emissora é adequada;
- se a formação é suficiente para a função;
- se existem outros requisitos obrigatórios.
Por isso:
extração de dados ≠ decisão de conformidade
A extração reduz tarefas administrativas.
A conformidade exige regras, contexto e critérios de decisão.
Quando a análise humana continua necessária
Nem todos os documentos são claros.
Existem documentos digitalizados com baixa qualidade, informação contraditória, campos incompletos ou terminologia difícil de interpretar.
Nesses casos, a tecnologia deve saber parar.
Quando não existe informação suficiente para uma decisão segura, o documento deve seguir para análise humana.
A automação eficiente não é aquela que tenta decidir tudo.
É aquela que automatiza o que é claro e encaminha corretamente as exceções.
Dados documentais ao serviço da operação
Quando os dados são estruturados, tornam-se possíveis processos que anteriormente exigiam consulta manual.
Por exemplo:
- identificar documentos próximos da expiração;
- saber que trabalhadores possuem uma competência;
- visualizar fornecedores com requisitos pendentes;
- acompanhar documentação por projeto;
- alimentar dashboards de conformidade;
- identificar prioridades de análise.
A informação deixa de estar fechada dentro dos ficheiros.
Passa a estar disponível para apoiar a decisão.
Da documentação à operação
A evolução pode ser resumida assim:
Modelo tradicional:
Documento → leitura humana → introdução manual → validação
Modelo apoiado por IA:
Documento → extração de dados → estruturação → regras → validação → decisão
O documento continua a ser a evidência original.
Mas a equipa deixa de ter de repetir manualmente a informação que já existe.
Menos tarefas repetitivas. Mais valor humano.
O objetivo da Inteligência Artificial na Gestão Documental não deve ser substituir o conhecimento das equipas.
Deve ser utilizá-lo melhor.
Um técnico especializado acrescenta mais valor a analisar uma situação ambígua, uma não conformidade ou um requisito complexo do que a copiar uma data de validade de um PDF para um campo.
É precisamente aí que está uma das maiores oportunidades da automação documental.
Retirar às pessoas as tarefas repetitivas para lhes devolver tempo para tarefas que exigem julgamento, conhecimento e decisão.
A informação já existe dentro dos documentos.
A tecnologia pode ajudar a extraí-la. E as equipas podem concentrar-se naquilo que realmente exige inteligência humana.