Como Extrair Dados do Registro Empresarial Coreano
para Excel no KYC de Fornecedores

O Certificado de Registro de Empresa (사업자등록증) no KYC de Fornecedores: O Que É e Por Que Você Precisa de Seus Dados

O certificado de registro de empresa coreano é o documento de identidade fundamental para qualquer entidade empresarial que opera na Coreia do Sul. Emitido pelo Serviço Nacional de Impostos (NTS, 국세청) sob o Artigo 8 da Lei do Imposto sobre Valor Agregado (부가가치세법 제8조) e o Artigo 168 da Lei do Imposto de Renda (소득세법 제168조), toda empresa — seja um empresário individual ou uma corporação multinacional — deve se registrar e obter este certificado em até 20 dias após o início das operações. A força legal do documento vai além da administração tributária: sob a Lei de Nomes Reais Financeiros da Coreia (금융실명법, Lei sobre Transações Financeiras com Nome Real e Confidencialidade), o 사업자등록증 serve como a principal prova de identidade empresarial para todas as transações financeiras, operações bancárias e contratos comerciais.

Em um contexto de KYC de fornecedores, o certificado informa oito coisas sobre um fornecedor em potencial:

Esses oito campos são o conjunto mínimo de dados que qualquer equipe de KYC precisa para verificar um fornecedor coreano. No entanto, na prática, eles chegam em formatos variados: uma digitalização de PDF anexada a um e-mail, uma foto de smartphone de um certificado plastificado, uma cópia enviada por fax ou uma captura de tela do portal HomeTax (홈택스) da NTS. Nenhum desses formatos é estruturado para entrada em banco de dados — e é aí que começa o problema de extração.

Passo a Passo: Extrair Dados do Comprovante de Registro de Empresa (사업자등록증) para o Excel

O processo de transformar um comprovante de registro de empresa coreano em uma linha de planilha estruturada segue quatro etapas. O tempo de configuração é o mesmo, quer você esteja processando um comprovante ou cinquenta — que é exatamente o objetivo de usar extração em vez de digitação manual.

Etapa 1: Coletar os Comprovantes

Reúna todos os documentos 사업자등록증 recebidos — sejam anexos de e-mail (PDF ou imagem), fotos de smartphone de equipe de campo ou cópias digitalizadas de um portal de fornecedores. A ferramenta aceita formatos JPG, PNG, PDF e WebP, então não é necessário converter ou normalizar arquivos. Faça o upload de todos em um único lote. Um lote de 50 comprovantes de fornecedores leva aproximadamente o mesmo tempo de upload que um único — cerca de 30 a 60 segundos para a transferência dos arquivos, dependendo do tamanho.

Etapa 2: Defina Suas Colunas de Saída

É aqui que a extração semântica difere do OCR baseado em modelo. Em vez de desenhar retângulos em um modelo de documento (que falha quando o certificado do próximo fornecedor tem um layout diferente), você simplesmente nomeia os campos que deseja que a IA encontre. Digite os nomes das colunas que correspondem à sua planilha de KYC: Business Registration Number, Business Name, Representative, Business Address, Tax Classification, Industry Code, Start Date. Os nomes das colunas inseridos se tornam os cabeçalhos da sua tabela final. Nenhuma configuração de modelo por fornecedor é necessária — a IA lê cada certificado e localiza o campo correspondente por compreensão semântica, não por posição de coordenadas.

Essa abordagem, chamada de Extração de Colunas Personalizadas, significa que você define a estrutura de saída uma vez e cada certificado — independentemente de quem o emitiu, qual câmera tirou a foto ou se o certificado é uma digitalização ou captura de tela — é mapeado para as mesmas colunas. Um fornecedor que envia uma foto tirada em ângulo produz a mesma linha estruturada que um que envia um PDF limpo do portal da NTS.

Etapa 3: Extração por IA

Após o upload dos arquivos e a definição das colunas, o mecanismo de extração processa todos os certificados no lote simultaneamente. Cada documento é analisado por um modelo de linguagem de visão que identifica rótulos de campos, lê os valores associados e os mapeia para as colunas solicitadas. O tempo de processamento é de 5 a 10 segundos por página, e o lote é concluído quando todos os arquivos são processados — geralmente em alguns minutos para volumes típicos de fornecedores.

Etapa 4: Exportar para Excel ou CSV

Os resultados são gerados como um único arquivo Excel (XLSX) ou CSV. Cada certificado se torna uma linha; cada coluna definida se torna uma coluna. O arquivo exportado está pronto para importação no seu banco de dados de KYC, ERP (como Douzone, Ecount ou SAP) ou sistema de gestão de fornecedores. Nenhuma reformatação manual é necessária — a estrutura de dados corresponde aos nomes das colunas definidos na Etapa 2, e o formato do arquivo é CSV ou XLSX padrão, aceito por todas as plataformas contábeis coreanas.

8 Campos Essenciais para Sua Planilha de KYC — e Como Interpretar o BRN

O Número de Registro Comercial (사업자등록번호) em si contém informações significativas que as equipes de KYC podem usar para uma avaliação rápida de fornecedores, sem precisar consultar um banco de dados separado. Entender a estrutura do número transforma um identificador de dez dígitos em uma ferramenta de verificação instantânea.

O formato do BRN XXX-XX-XXXXX é dividido da seguinte forma:

Com uma única olhada nos dois dígitos do meio, você pode saber se um fornecedor é empresário individual, sede de empresa, filial, entidade sem fins lucrativos ou entidade estrangeira — sem acessar nenhum banco de dados. Esse é o tipo de sinal que acelera a triagem inicial de KYC, especialmente ao processar grandes lotes de cadastros de fornecedores, onde a maioria passa na triagem inicial e apenas as exceções precisam de escalonamento.

O conjunto completo de oito campos — BRN, nome comercial, representante, data de início, endereço, código do setor, classificação fiscal e motivo da emissão — fornece tudo o que é necessário para preencher um registro mestre de fornecedor. A comparação entre ferramentas governamentais, de ERP nacional e de IA com preço em dólar mostra que as ferramentas disponíveis no mercado doméstico coreano exigem uma assinatura de ERP ou cobram por página; nenhum dos modelos de precificação é otimizado para o caso de uso de KYC em lote, onde é necessário processar um volume irregular de certificados — às vezes 10 em um mês, às vezes 200 durante um ciclo de atualização de fornecedores.

Por que a Inserção Manual é o Verdadeiro Gargalo na Integração de Fornecedores Coreanos

O custo da inserção manual de dados para KYC de fornecedores não é apenas o tempo gasto digitando. É o atraso na integração, os erros que passam despercebidos e o risco de conformidade de agir com base em informações incorretas do fornecedor.

Considere uma empresa de médio porte integrando 30 novos fornecedores coreanos por trimestre. Cada 사업자등록증 contém oito campos-chave. Isso são 240 pontos de dados por trimestre — e, realisticamente, cada certificado exige mais de oito campos, pois a equipe de conformidade também registra a data de envio, o revisor, o status de verificação e a data de validade do documento. A inserção manual, a cerca de três minutos por certificado, significa 90 minutos por lote de 30 certificados se tudo correr bem. Na prática, leva mais tempo: o digitador precisa ampliar uma foto de smartphone para ler um número de registro borrado, redigitar o endereço de um escaneamento inclinado ou verificar se "일반과세자" significa que o fornecedor pode emitir notas fiscais de IVA (pode, mas o oficial de conformidade ainda precisa confirmar com a política interna).

Adicione uma taxa de erro de inserção manual de 2–3% — um dígito lido errado em um BRN de dez caracteres envia um pagamento para a entidade errada — e o custo da inserção manual se multiplica. Para uma equipe de conformidade processando 30 certificados por trimestre, isso significa cerca de 5–7 campos inseridos incorretamente por lote. Cada erro exige um e-mail ou telefonema de acompanhamento ao fornecedor, atrasando o ciclo de integração em dias ou semanas.

A extração em lote elimina esses erros na origem. A IA lê cada campo diretamente da imagem do documento e o gera como texto estruturado. O perfil de erro muda de erros de transcrição (dígito errado, nome com grafia incorreta, endereço trocado) para casos extremos de interpretação (texto desbotado em uma fotocópia, um carimbo parcialmente obscurecido) — que são muito menos frequentes e muito mais fáceis de detectar durante a revisão.

Como a Extração Semântica Lida com Certificados Coreanos

Os certificados de registro de empresa coreanos apresentam três desafios que ferramentas tradicionais de OCR tratam mal e que a extração semântica resolve diretamente.

Desafio 1: Interferência de carimbos. O 사업자등록증 contém múltiplos carimbos oficiais (직인) da repartição fiscal emissora. Esses carimbos frequentemente se sobrepõem a campos de texto impressos — o selo do chefe da repartição pode cobrir parcialmente a data de emissão ou a classificação fiscal. O OCR tradicional lê a tinta sobre o texto como ruído e gera caracteres distorcidos. Um modelo de linguagem visual lê o documento de forma holística: ele entende que uma sobreposição circular vermelha é um carimbo, ignora-a para fins de reconhecimento de texto e lê os caracteres subjacentes corretamente. Essa distinção é importante porque carimbos estão presentes em quase todo 사업자등록증 — são uma característica do documento, não uma anomalia.

Desafio 2: Mistura de coreano, caracteres chineses e inglês. Certificados coreanos usam Hangul (한글) para a maioria dos rótulos e valores de campos, hanja (한자, caracteres chineses) em nomes de empresas e endereços, e inglês em alguns certificados voltados à exportação. Uma ferramenta otimizada para um sistema de escrita degrada nos outros. O modelo de visão usado na extração semântica processa todos os três simultaneamente na mesma página do documento — ele não alterna entre mecanismos de OCR para diferentes scripts. Um fornecedor cujo nome comercial contém hanja (ex.: 株式会社 em uma trading company antiga) é lido corretamente junto com campos codificados em Hangul.

Desafio 3: Variação de ângulo, iluminação e formato. 사업자등록증 do mundo real chegam de todas as formas: digitalização plana, foto de mesa tirada com celular de escritório, fax de um fax, captura de tela do portal HomeTax. O OCR baseado em modelo exige que o documento esteja posicionado dentro de uma zona predefinida. Uma foto tirada em um ângulo de 20 graus desloca cada campo para fora de sua caixa delimitadora esperada. A extração semântica não depende da posição do campo — ela encontra o valor lendo o rótulo ao lado, independentemente de onde esse rótulo esteja na página. Essa independência de formato é o que torna o processamento em lote viável sem uma etapa de configuração por fornecedor.

Perguntas Frequentes

Consigo extrair dados de um Certificado de Registro de Empresa que está apenas em coreano, sem inglês?

Sim. A IA lê Hangul com a mesma naturalidade que lê inglês ou hanja — não é um mecanismo OCR separado com coreano como complemento. Os nomes das colunas no seu modelo de extração podem estar em inglês (ex.: "Business Name"), e a IA localizará o rótulo de campo coreano correspondente ("상호") e extrairá seu valor. A planilha de saída conterá os valores de texto em coreano extraídos sob os cabeçalhos das colunas em inglês. Para certificados bilíngues que incluem texto em coreano e inglês no mesmo documento, a IA lê o idioma usado pelo rótulo do campo.

E se o certificado do fornecedor for uma foto tirada em ângulo ou com pouca iluminação?

A extração semântica lida melhor com fotos anguladas e iluminação irregular do que o OCR tradicional, pois não depende de posicionamento frontal. O modelo de visão interpreta o documento como um humano faria — ele identifica os rótulos e valores dos campos pelo conteúdo e disposição relativa, não por esperá-los em coordenadas fixas. Fotos borradas ou de resolução extremamente baixa podem reduzir a precisão, mas a situação mais comum (foto de mesa tirada com smartphone em iluminação de escritório padrão) produz extração confiável.

A ferramenta de extração valida se o BRN é um registro real e ativo?

Não — a ferramenta extrai o BRN conforme impresso no certificado, mas não consulta o banco de dados da NTS para confirmar se o número está atualmente ativo ou se a empresa não foi encerrada. O BRN extraído pode ser verificado no portal HomeTax da NTS (www.hometax.go.kr) ou através da API do Portal de Dados Públicos da Coreia (data.go.kr) para validação. A etapa de extração produz os dados estruturados; uma etapa separada de verificação confirma sua validade atual. Essa separação entre extração e verificação é prática padrão em fluxos de KYC, onde os dados extraídos são a entrada, e não a saída, do processo de verificação.

O que acontece se um campo estiver faltando no certificado?

Se um campo específico não aparecer no documento (por exemplo, um certificado reemitido pode não exibir a data de início original do negócio), a célula da coluna correspondente ficará vazia. A extração não inventa valores — ela apenas gera o que encontra na página. Esse comportamento é consistente em todos os documentos do lote, facilitando a identificação de campos ausentes na planilha exportada e o contato com o fornecedor específico.

Posso processar em lote certificados de empresários individuais e grandes corporações juntos?

Sim. O formato 사업자등록증 é padronizado pela NTS — a mesma estrutura de documento se aplica a um freelancer autônomo e a uma subsidiária da Samsung. Ambos geram um BRN, nome da empresa, nome do representante, endereço e classificação fiscal. A única diferença é o código do tipo de entidade nos dois dígitos centrais do BRN (01–79 para empresários individuais, 81/86–88 para corporações), que a IA extrai como parte do campo BRN. Um único lote com tipos de entidade mistos é processado em uma única passada.

Como isso se compara ao uso do Naver Clova OCR para a mesma tarefa?

O Naver Clova OCR lê texto em coreano com alta precisão (97–99%) e custa aproximadamente ₩50 por página. A diferença crítica está no que acontece após o reconhecimento de texto: o Clova OCR retorna strings de texto brutas com dados de posição, mas não entende qual string é o nome da empresa versus o nome do representante versus o endereço. Para extrair campos estruturados, você precisaria escrever lógica de análise personalizada por layout de certificado ou configurar um modelo por formato de documento — o que anula o propósito do processamento em lote quando cada certificado de fornecedor pode ter diferenças sutis de layout. A extração semântica por IA retorna dados já estruturados e mapeados para os nomes das suas colunas, sem necessidade de análise pós-extração. A comparação de custo por página depende do volume — a análise de preços de extração de documentos coreanos detalha os pontos de equilíbrio entre ferramentas de API por página e extração com taxa fixa em diferentes volumes mensais.

Quais colunas devo incluir se ainda não sei de quais dados preciso?

Comece com os oito campos padrão listados neste artigo: BRN, nome da empresa, nome do representante, data de início, endereço comercial, código do setor, classificação fiscal e motivo da emissão. Eles cobrem os requisitos mínimos para o KYC de fornecedores de acordo com as regulamentações de LBC/CFT da Coreia. Se sua estrutura de compliance exigir mais detalhes — como informações de co-representante ou uma sub-classificação específica do tipo de negócio — você pode adicionar essas colunas ao modelo de extração e a IA as buscará no documento. A definição da coluna não é fixa; você pode ajustá-la entre os lotes conforme seus requisitos de KYC evoluem.