Dados tirados de PDFs e imagens, com revisão humana
Lemos PDFs, fotos e digitalizações, tiramos os campos de que o seu sistema precisa e mandamos para uma pessoa conferir tudo o que vier com dúvida.
Para quem é
Para empresas que redigitam dados de boletos, comprovantes, contratos ou formulários recebidos em PDF ou foto.
O que resolve
- A equipe passa o dia copiando dados de PDFs para o sistema, campo por campo.
- Cada fornecedor manda o documento num layout diferente, e regras fixas quebram a cada novidade.
- Erros de digitação só aparecem depois, no pagamento ou na conciliação.
- Uma ferramenta automática já foi testada, mas errava sem avisar e ninguém sabia o que conferir.
O que fazemos
- Esquema de campos
- Que campos tirar de cada tipo de documento, em que formato e com que regras.
- Leitura com OCR e modelos
- OCR e modelos de linguagem preenchem o esquema; cada campo vem com a página e o trecho de origem.
- Validação por regra
- Dígitos verificadores de CPF e CNPJ, somas, datas e valores conferidos contra o seu cadastro.
- Fila de revisão humana
- O que falha numa regra ou vem com dúvida vai para uma pessoa, com o documento ao lado.
- Entrada no seu sistema
- Campos aprovados entram no ERP ou no fluxo interno por API, com registro de quem aprovou.
- Correções viram testes
- Cada correção feita na revisão entra no conjunto de testes que mede a próxima versão.
O que você recebe
- Fluxo de extração em produção para os tipos de documento combinados
- Fila de revisão com o documento e a origem de cada campo
- Regras de validação por tipo de documento
- Registro de cada documento: o que foi extraído, corrigido e aprovado
- Conjunto de documentos de teste para medir cada mudança
Como fazemos
Amostra
Reunimos documentos reais de cada tipo, incluindo os mais difíceis de ler.
Esquema e regras
Campos, formatos e validações definidos com quem hoje faz a digitação.
Medição
Rodamos a amostra e comparamos o resultado com o que a sua equipe digitou.
Produção com revisão
No início, uma pessoa confere tudo; a revisão diminui só onde a medição permitir.
Acompanhamento
Correções e documentos novos entram nos testes antes de cada nova versão.
Exemplos de tecnologia
- OCR
- Python
- JSON Schema
- XML
- PostgreSQL
- RabbitMQ
Serviços relacionados
Perguntas frequentes
Qual é a taxa de acerto?
Não damos um número antes de medir com os seus documentos: ele depende da qualidade das imagens e da variedade de layouts. Medimos na amostra e decidimos juntos o que pode seguir sem revisão.
Dá para eliminar a conferência humana?
Em alguns campos e documentos, ela pode diminuir. Onde um erro custa caro, como valores e dados bancários, faz sentido manter uma pessoa no circuito. O nível de revisão é decisão da sua equipe.
Serve para notas fiscais?
Para NF-e, o caminho é o XML, que já traz os dados estruturados; tratamos disso na integração fiscal. A extração faz sentido para o que não tem XML: recibos, contratos, formulários e documentos antigos.
E documentos escritos à mão?
Manuscritos e fotos ruins são os casos mais difíceis. Entram no teste da amostra; se o resultado não servir, esses documentos seguem para revisão humana desde o começo.
Escreva para a Balkan
Falar sobre o seu projeto