Como obter resultados limpos e precisos
na extração de documentos com IA

Nomes de Colunas São Instruções

Ao digitar um nome de coluna em uma ferramenta de extração de IA, você não está apenas rotulando uma coluna de planilha — está dizendo ao modelo o que procurar, como identificar e como formatar o resultado. O modelo lê o nome da coluna como uma instrução e a aplica a todos os documentos do lote.

Isso significa que um nome de coluna vago gera uma saída vaga: "Data" em uma nota fiscal com cinco datas diferentes retorna a primeira que o modelo encontrar. Um nome de coluna específico gera uma saída específica: "Data de Emissão (AAAA-MM-DD)" informa ao modelo qual data encontrar e como formatá-la.

As oito dicas abaixo cobrem as principais formas de fazer os nomes de colunas trabalharem mais por você — desde controle de formato até desambiguação e técnicas estruturais que evitam erros silenciosos no processamento em lote.

Oito Dicas para Melhores Resultados de Extração

1. Incorpore requisitos de formato no nome da coluna

Em vez de "Data", escreva "Data (AAAA-MM-DD)". Em vez de "Valor", escreva "Valor (apenas número, sem símbolo de moeda)". O modelo lê o nome da coluna tanto como um identificador de campo quanto como uma instrução de formatação.

Isso é importante porque documentos de origem diferentes formatam o mesmo valor de maneiras distintas — "15 de março de 2024", "15/03/2024" e "2024-03-15" são a mesma data em três formatos. Se você nomear a coluna como "Data (AAAA-MM-DD)", a saída será padronizada em um único formato para todos os documentos do lote, sem necessidade de pós-processamento. O mesmo princípio se aplica a valores: "Valor Total (apenas números, 2 casas decimais)" remove símbolos de moeda e separadores de milhares, deixando a coluna pronta para operações numéricas sem limpeza.

2. Desambigue quando um documento tiver múltiplas instâncias do mesmo tipo de campo

Um pedido de compra tem uma Data do Pedido, uma Data de Entrega e uma Data de Vencimento do Pagamento. Se você pedir "Data", receberá a data que o modelo encontrar primeiro. Peça "Data do Pedido", "Data de Entrega" e "Data de Vencimento" como três colunas separadas — a especificidade guia a extração para o valor correto em cada caso.

Isso se aplica igualmente a valores (total da fatura vs. depósito pago vs. saldo devedor), nomes (fornecedor vs. destinatário vs. contato) e números de referência (número do pedido vs. número da fatura vs. número de rastreio). Qualquer tipo de campo que possa aparecer mais de uma vez em um documento precisa de um nome que desambigue.

3. Use linguagem natural para campos inferidos ou classificados

Você não precisa saber como um documento chama um campo — pode descrever o que deseja. "Tipo de Transação (Débito ou Crédito)" funciona como nome de coluna mesmo quando diferentes bancos rotulam o mesmo conceito como "Saque/Depósito", "DR/CR" ou apenas usam valores positivos/negativos. O modelo classifica cada transação com base na compreensão semântica, e não em uma correspondência de palavras-chave com o documento de origem.

Isso também funciona para campos condicionais: "Status (Pago ou Não Pago, com base no carimbo de pagamento ou texto de confirmação)" é uma instrução válida. O modelo avalia o documento e aplica sua lógica de classificação — você não está limitado a campos que estão literalmente presentes com esse rótulo exato.

4. Adicione um valor de exemplo a colunas ambíguas

Quando um nome de campo sozinho pode ser interpretado de várias maneiras, adicionar um valor de exemplo entre parênteses resolve a ambiguidade. O modelo trata o exemplo como um sinal de calibração — o mesmo mecanismo do few-shot prompting em um prompt de modelo de linguagem.

Três casos em que isso ajuda consistentemente:

• Campos de classificação com uma taxonomia específica: "Categoria de Despesa (ex.: Aluguel, Utilidades, Folha de Pagamento, Viagem)" — os valores de exemplo definem exatamente quais categorias usar, em vez de deixar o modelo inventar as próprias. Sem os exemplos, dois lotes processados em momentos diferentes podem produzir nomes de categoria inconsistentes.
• Ancoragem de formato entre fontes inconsistentes: "Telefone (ex.: +55-11-91234-5678)" — quando documentos de diferentes países ou sistemas usam convenções de formatação distintas, um exemplo fixa a saída em um formato sem precisar de uma regra de formatação explícita.
• Distinção entre identificadores semelhantes: "Nº do Pedido (ex.: PED-2024-0892, não o número da nota fiscal)" — em documentos que contêm vários números de referência, o exemplo descarta explicitamente o errado.

O exemplo não precisa ser um dado real — um valor amostral plausível é suficiente. Ele funciona como um demonstrador de padrão, não como um filtro.

5. Entenda como a indexação de colunas previne erros silenciosos

Uma propriedade estrutural da extração confiável com IA: cada valor extraído deve ser emparelhado com seu número de índice de coluna, não apenas com sua posição em uma string separada por vírgulas. Isso é mais importante do que parece à primeira vista.

Sem a indexação explícita de colunas, um campo ausente causa um deslocamento silencioso de coluna. Se uma linha tem cinco colunas, mas o modelo omite o campo 3 por estar ausente em um documento específico, os campos 4 e 5 vão parar nas colunas erradas para aquela linha. Em um lote de 50 documentos, esse tipo de desalinhamento é difícil de detectar — totais vão parar em colunas de nomes de fornecedores, datas em colunas de valores — até que os números não se reconciliem downstream.

Com a saída indexada (ex.: "1. 2024-03-15", "2. 1590.00", "3. ACME Supplies"), cada valor carrega sua identidade de coluna explicitamente. Um campo ausente produz um espaço reservado vazio no índice correto, em vez de deslocar silenciosamente os valores subsequentes para a esquerda. Cada linha mantém a mesma estrutura, independentemente de quantos campos estavam realmente presentes no documento de origem, e células vazias marcam corretamente os dados ausentes, em vez de corromper colunas adjacentes.

Isso também suprime uma classe de erros de alucinação: sem a restrição de índice, um modelo pode preencher um campo ausente com um valor adjacente de som plausível, em vez de deixá-lo em branco. A indexação explícita torna "nada encontrado aqui" um estado de saída válido e reconhecido.

6. Use a detecção automática primeiro ao trabalhar com um tipo de documento desconhecido

Ao encontrar um tipo de documento do qual você nunca extraiu dados antes, faça o upload sem especificar colunas. O modelo analisará a estrutura visual do documento e gerará uma lista inicial de campos com base no que encontrar.

Use essa saída para entender quais campos estão consistentemente presentes e como o documento de origem os nomeia — então refine os nomes das suas colunas para execuções em lote subsequentes. Isso é mais rápido do que adivinhar nomes de colunas e iterar por células vazias para descobrir o que o documento realmente contém. É especialmente útil para layouts desconhecidos: laudos de laboratório de um novo sistema hospitalar, extratos de um banco que você acabou de adicionar ao seu fluxo de trabalho ou o formato de fatura de um novo fornecedor.

7. Seja explícito sobre se você quer uma linha por documento ou uma linha por item de linha

Uma fatura com oito itens de linha pode gerar uma linha (com os itens concatenados ou resumidos) ou oito linhas (uma por item). Os nomes das colunas que você especificar determinam qual comportamento será obtido.

Se você especificar colunas no nível do documento — "Nome do Fornecedor", "Data da Fatura", "Valor Total" — você obtém uma linha por documento. Se você especificar colunas no nível do item de linha — "Descrição do Item", "Quantidade", "Preço Unitário", "Total do Item" — você obtém uma linha por item de linha em todos os documentos do lote. Misturar os dois tipos em um único conjunto de colunas também é válido: o modelo repetirá os valores do nível do documento para cada linha de item, produzindo uma tabela desnormalizada que é fácil de filtrar e pivotar no Excel.

8. Agrupe documentos do mesmo tipo em lote

Quando todos os documentos em um lote compartilham o mesmo esquema de colunas, cada documento se torna um conjunto de linhas em uma única tabela mesclada e limpa. Misturar tipos de documento fundamentalmente diferentes sem uma coluna distintiva cria ambiguidade — o "Valor" de uma fatura e o "Valor" de um extrato bancário significam coisas diferentes, e eles serão indistinguíveis na saída mesclada.

Se você precisar mesclar diferentes tipos de documento, adicione uma coluna "Tipo de Documento" ou "Fonte". O modelo pode ler isso diretamente de cada documento e preencher automaticamente — não é necessário rotular cada arquivo manualmente.

Antes e Depois: Nomes de Colunas Vagas vs. Precisas

Perguntas Frequentes