Como Conciliar Conhecimentos de Embarque de Materiais de Construção com POs
para Recebimento em Obra

Ao Assinar o CT, Você Aceita a Mercadoria

O arcabouço legal do recebimento de materiais de construção é específico e implacável — e a maioria no canteiro só percebe sua aplicação quando surge uma disputa.

UCC Artigo 2 §2-606 define a aceitação de mercadorias. Ocorre quando o comprador, "após oportunidade razoável de inspecionar os bens, indica ao vendedor que os bens estão em conformidade ou que os aceitará ou reterá apesar da não conformidade." Essa assinatura no ticket de entrega conta. De acordo com §2-602, um comprador que deseja rejeitar bens não conformes deve fazê-lo "dentro de um prazo razoável após a entrega" e deve "notificar prontamente o vendedor." Para um superintendente de obra, "prazo razoável" significa antes do caminhão sair do portão. Uma vez que o motorista foi embora e o CT foi assinado sem ressalvas, provar uma falta não anotada na entrega é uma batalha árdua.

No lado do contrato de construção, o Documento AIA A201-2017 §3.3.3 — as Condições Gerais usadas na maioria dos contratos comerciais de construção nos EUA — exige que o contratante "seja responsável pela inspeção de partes do Trabalho já executadas para determinar se tais partes estão em condições adequadas para receber o Trabalho subsequente." Essa obrigação flui para baixo: a construtora principal é contratualmente obrigada a inspecionar os materiais entregues, e falhar em detectar uma falta na entrega que depois cause um atraso no cronograma não transfere a responsabilidade para o fornecedor.

Esta é a razão estrutural pela qual a etapa de recebimento na construção é categoricamente diferente do recebimento em armazéns na logística. Em um armazém, uma contagem errada é corrigida na próxima contagem cíclica. Em um canteiro de obras, 20 perfis metálicos faltando descobertos no dia da montagem significam uma equipe parada, um guindaste sendo faturado e um marco do cronograma atrasando. Para uma análise completa do cenário de extração de dados de CT — incluindo como diferentes tipos de CT (rodoviário, marítimo, multimodal) estruturam seus dados — veja nosso guia completo para extração de dados de CT.

Quarenta Fornecedores, Quarenta Formatos de Conhecimento de Embarque — e Nenhum Deles Corresponde ao Seu Pedido de Compra

Uma construtora comercial de médio porte com cinco projetos ativos pode receber entregas de materiais de 40 fornecedores diferentes em um único mês. Cada fornecedor gera a documentação de entrega em seu próprio formato:

• A madeireira envia um tíquete de entrega manuscrito em papel carbono — nome do fornecedor rabiscado no topo, descrições dos itens abreviadas ("2×6 #2 SPF 16'"), quantidades escritas a lápis pelo funcionário que carregou o caminhão
• A central de concreto gera um tíquete impresso pelo sistema com especificações do traço, abatimento, volume em metros cúbicos, horário da batelada e número do caminhão — campos que um tíquete de madeireira não possui
• A fabricante de vergalhões envia por e-mail um PDF com 14 itens de barras #4, #5 e #6, cada um vinculado a uma sequência de concretagem diferente, com números de corrida e referências de certificados da usina
• O distribuidor de materiais elétricos, hidráulicos e mecânicos imprime uma nota de remessa do seu ERP — códigos SKU, números de peça do fabricante, unidade de medida inconsistente com a forma como você pede (eles entregam por caixa, você pede por metro)
• O fornecedor de drywall entrega 80 placas com um aviso de entrega que lista "Drywall 4×8 5/8"" e uma quantidade — sem número de pedido de compra, sem referência de obra

Cada um desses documentos é funcionalmente um conhecimento de embarque — registra o que foi entregue, por quem e para qual canteiro de obras. Mas o layout dos campos, a terminologia e a estrutura de dados são diferentes em cada um deles. Uma ferramenta de extração baseada em modelos que precisa de uma definição zonal para o formato de documento de cada fornecedor exigiria que 40 modelos fossem criados e mantidos — e no momento em que a madeireira mudar o formato do seu tíquete ou um novo fornecedor entrar, outro modelo será necessário.

É aqui que a abordagem de extração faz diferença. Ferramentas tradicionais de OCR e baseadas em modelos localizam dados por posição — "o campo de quantidade está no quadrante superior direito, a 7,5 cm da borda." Mude o layout, quebre o modelo. A extração semântica — onde a IA localiza "Quantidade" entendendo o que o campo significa, não onde ele está — lida com todos os 40 formatos com um único conjunto de definições de colunas. A distinção entre essas duas abordagens é explicada em detalhes em nosso guia sobre o que é extração de dados de conhecimento de embarque e como ela difere do OCR básico.

O problema do formato se agrava no fechamento do mês. O contador do projeto não processa conhecimentos de embarque um a um conforme chegam — ele processa de 50 a 150 tíquetes de entrega que se acumularam durante o mês, todos convergindo nos três dias antes do prazo da medição. Nesse ponto, a diversidade de formatos não é apenas um desafio de extração. É um gargalo de produtividade.

Construindo as Colunas que Transformam um BOL em uma Correspondência de PO

O resultado que você precisa de um BOL de material de construção não é uma transcrição literal do ticket de entrega. É uma linha estruturada que responde a cinco perguntas que a contabilidade precisa antes de a fatura do fornecedor ser paga:

1. Pedimos isso? (Correspondência do Número do PO)
2. O que é exatamente? (Descrição do Material → Código CSI MasterFormat)
3. Quanto pedimos vs. quanto chegou? (Comparação de quantidades)
4. A qual obra isso pertence? (Número da Obra / Código de Custo)
5. Há alguma discrepância que precisa de ação? (Sinalizar para revisão do AP)

Aqui está o design de colunas que leva você de uma foto de um ticket de entrega a uma linha de planilha pronta para correspondência de PO. O ImageToTable.ai funciona por Extração de Colunas Personalizadas — você define as colunas desejadas, e a IA localiza os valores correspondentes em cada documento entendendo o que o campo significa semanticamente, independentemente de onde aparece na página ou como o fornecedor o rotulou:

A abordagem de Coluna Calculada é o que transforma isso de "digitação de dados" em "suporte à decisão." Em vez de um encarregado ou engenheiro de obra subtrair manualmente a quantidade pedida da quantidade do CT-e para cada item de cada entrega, a IA faz isso durante a extração. Um número negativo na coluna de Discrepância é um sinal visual instantâneo — aquele item precisa de atenção antes do pagamento da fatura. O recurso de coluna calculada funciona definindo a lógica de cálculo na própria definição da coluna; a IA lê o documento, extrai os valores de origem e gera o resultado calculado em uma única passada. Para mais detalhes sobre como isso funciona em fluxos de compras de construção em lote, veja nosso guia sobre processamento em lote de pedidos de materiais de construção para custeio de obras.

Fluxo de Trabalho: Da Portaria à Planilha com PO Validada

Este é o fluxo completo para um cenário típico de recebimento na construção — um encarregado na portaria com um caminhão de materiais, um conhecimento de embarque (BOL) em papel do motorista e uma Ordem de Compra (PO) que precisa ser verificada antes de o motorista sair.

Por que a Detecção de Discrepâncias em Tempo Real Muda a Economia

A diferença entre detectar uma falta na entrega no portão e detectá-la no fechamento mensal é medida em milhares de dólares por incidente — e na construção civil, esses incidentes não são raros.

Dados do setor mostram que 27% das faturas de fornecedores contêm erros, e 13% dos materiais de construção entregues vão diretamente para o lixo sem nunca serem usados. Em um projeto comercial típico, onde os materiais representam 50–70% dos custos totais, essas taxas de erro se traduzem em dinheiro real. Um pacote de materiais de R$ 500.000 com uma taxa de erro de fatura de 3% que passa despercebida na conciliação representa R$ 15.000 em pagamentos a maior — em um único projeto. Para uma construtora gerenciando oito projetos com margens líquidas na faixa de 2–5%, detectar essas discrepâncias não é otimização. É proteção de margem.

O fluxo de trabalho descrito acima desloca o ponto de detecção do departamento de contabilidade — três semanas após a entrega — para o encarregado no portão, com a carga ainda no caminhão. Uma coluna de Discrepância que mostra "-20" na linha do 2×6 enquanto o motorista ainda está no local significa que o encarregado pode voltar ao caminhão, contar a pilha e encontrar as 20 peças faltantes ou anotar a falta no Conhecimento de Embarque antes de assinar. Essa anotação no CE assinado é a diferença entre uma reclamação de frete bem-sucedida e uma perda irrecuperável.

Para equipes de construção que já rastreiam POs digitalmente — seja pelo módulo de Compromissos do Procore, pelo fluxo de compras do Sage 300 CRE ou por uma planilha — os dados extraídos do CE se encaixam diretamente no processo de controle de custos existente. A extração do CE não substitui o ERP. Ela o alimenta. Para um passo a passo detalhado da mecânica de extração em diferentes tipos de CE e formatos de transportadora, nosso guia sobre extração de dados de conhecimento de embarque para Excel cobre o fluxo de trabalho mais amplo de extração de CE.

A Realidade do BOL Manuscrito: O Que Funciona e O Que Precisa de Olhos Humanos

Nenhuma discussão honesta sobre extração de BOL de materiais de construção pode ignorar o caso mais difícil: o ticket de entrega manuscrito. Em logística e transporte de cargas, a maioria dos BOLs é digitada ou gerada por sistema. Na construção, a madeireira ainda funciona com papel carbono e prancheta. O operador da central de concreto rabisca o slump e o volume à mão. O pequeno fornecedor de telhados escreve a contagem de metros quadrados em um bloco de notas destacável.

A extração por IA lida melhor com texto manuscrito do que o OCR tradicional — porque lê a escrita como um humano, reconhecendo formas de letras no contexto, em vez de combinar padrões de pixels. Um "200 pçs 2×6×16'" escrito claramente em um ticket de madeira será extraído de forma confiável. Mas a qualidade da caligrafia varia drasticamente. Um rabisco apressado de caneta esferográfica em uma cópia carbono manchada pela chuva está no limite do que qualquer sistema pode ler de forma confiável — e vale a pena ser direto sobre isso.

O fluxo de trabalho prático para BOLs manuscritos: o encarregado fotografa o ticket, a IA extrai o que pode com pontuações de confiança, e os campos de baixa confiança (destacados na saída) recebem uma correção manual rápida. Para uma entrega com 12 itens, isso pode significar revisar 2–3 campos em vez de digitar todos os 12. O sistema melhora com o tempo na caligrafia de cada fornecedor, à medida que a IA aprende os padrões do formato de ticket daquele fornecedor específico.

Do Registro de Recebimento à Conciliação Tripla: Fechando o Ciclo com a Contabilidade

Os dados do BOL extraídos na portaria não vivem isolados. Eles são a terceira perna do triângulo de conciliação tripla que determina se uma fatura de fornecedor será paga.

A conciliação tripla na contabilidade da construção compara: (1) o Pedido de Compra — o que a construtora se comprometeu a comprar e a que preço; (2) o Documento de Recebimento — o que realmente chegou ao canteiro, confirmado pelo BOL assinado pelo encarregado; e (3) a Fatura do Fornecedor — o que o fornecedor está pedindo para ser pago. Se todos os três coincidirem, a fatura é aprovada para pagamento. Se alguma perna discordar — quantidade errada, preço errado, material errado — a fatura é sinalizada para investigação.

Na maioria das empresas de construção hoje, a Etapa 2 é o gargalo. O PO existe no sistema. A fatura chega pelo correio ou e-mail. Mas o documento de recebimento — o BOL assinado pelo encarregado com a verificação de quantidade — vive em um pedaço de papel em uma pasta no trailer do canteiro de obras. O contador do projeto gasta horas por mês recuperando fisicamente esses BOLs, combinando-os manualmente com os POs e inserindo os dados antes que a comparação tripla possa sequer começar.

O fluxo de trabalho de extração de BOL descrito acima elimina esse gargalo. Quando o encarregado fotografa o ticket de entrega na portaria, esses dados já estão estruturados e prontos para exportação. Quando a fatura do fornecedor chega — muitas vezes semanas depois — o registro de recebimento já está na planilha, combinado com o PO, com discrepâncias sinalizadas. A conciliação tripla se torna uma etapa de revisão, não um projeto de entrada de dados.

Para equipes que usam sistemas ERP de construção como Procore, Sage 300 CRE ou Viewpoint, os dados extraídos do BOL podem ser importados para o módulo de recebimento do sistema — criando um comprovante de recebimento digital vinculado diretamente ao registro do pedido de compra (PO). A ferramenta de Compromissos do Procore, por exemplo, rastreia cada item de linha do PO em relação às quantidades recebidas, e uma alimentação digital de extração do BOL permite que o sistema preencha automaticamente a coluna "Recebido" sem digitação manual. O módulo de compras do Sage 300 CRE suporta o mesmo fluxo de trabalho por meio da entrada de comprovante de recebimento — e uma camada de extração upstream significa que a entrada é preenchida a partir da foto do BOL, não de um teclado.

Perguntas Frequentes

Funciona com tickets de entrega manuscritos de madeireiras?

Sim — com caligrafia legível. A IA lê texto manuscrito entendendo formatos de letras no contexto, não por correspondência de pixels. Um ticket de entrega bem escrito será extraído de forma confiável. Cópias carbono e caligrafia muito degradada exigirão revisão manual de campos de baixa confiança (normalmente 2 a 5 campos de mais de 30). O sistema sinaliza estes automaticamente para que você não precise procurar erros.

E se o BOL do fornecedor não incluir um número de PO?

Isso é comum. Nesse caso, o campo Número do PO na saída da extração ficará em branco — e se torna um preenchimento manual. No entanto, se você configurou regras de inferência (Fornecedor → Número do Trabalho), o número do trabalho ainda será preenchido, o que restringe a qual PO a entrega pertence. Para fornecedores que consistentemente omitem o número do PO, uma mudança de processo (exigir o número do PO em cada ticket de entrega) resolve isso na origem.

O sistema consegue lidar com diferentes unidades de medida entre fornecedores?

A IA extrai qualquer unidade de medida que apareça no BOL — peças, pés-tábua, jardas cúbicas, pés lineares, toneladas. Ela não converte automaticamente entre unidades (pés-tábua para peças, por exemplo). Se você precisar de conversão de unidades, configure uma Coluna Calculada com a fórmula de conversão — por exemplo, Quantidade em Peças (pés-tábua ÷ 2,67) para madeira 2×6 — e a IA realizará o cálculo durante a extração.

Quanto tempo leva para processar um lote de BOLs?

Cada BOL leva aproximadamente 5 a 10 segundos para ser processada. Um lote de 20 BOLs de 20 fornecedores diferentes, com 20 formatos distintos, é processado simultaneamente e concluído no mesmo tempo que um único documento — bem menos de um minuto para o lote inteiro. O arquivo Excel extraído fica pronto para download imediatamente após o processamento.

Posso exportar diretamente para o Procore ou Sage 300 CRE?

A ferramenta de extração gera arquivos Excel (XLSX), CSV e Google Sheets. A partir do Excel, os dados podem ser importados para o módulo de Compromissos do Procore (via importação CSV) ou para o registro de recebimento de mercadorias do Sage 300 CRE. A integração direta via API com ERPs de construção não está disponível no momento — o fluxo é extrair → Excel → importar. Para usuários do Google Sheets, o Complemento do Google Sheets oferece extração direta para a planilha, sem a etapa intermediária do Excel.

Qual é a precisão em cópias carbono ou tickets danificados pela chuva?

A precisão diminui proporcionalmente à qualidade do documento. Uma foto nítida, plana e bem iluminada de um BOL impresso atinge a maior precisão. Cópias carbono (texto fraco, tinta azul em papel fino) e documentos danificados por água terão pontuações de confiança mais baixas nos campos afetados. O sistema destaca as extrações de baixa confiança para que você as revise especificamente — em vez de revisar toda a saída. Para entregas críticas com qualidade de documento degradada, é mais rápido extrair o que a IA consegue ler com confiança e preencher manualmente os campos sinalizados do que digitar o documento inteiro do zero.