Post
Do INBOX ao arquivo: automatizando a organização de documentos
Um pipeline combina OCR, regras determinísticas, modelo local e Markdown para classificar documentos sem remover a revisão humana.
Uma pasta de entrada cheia de PDFs e imagens transforma tarefas simples em trabalho recorrente: abrir o arquivo, descobrir o que ele é, escolher um nome, decidir o destino e tentar lembrar se aquilo já foi processado.
Montei um pequeno fluxo para automatizar essa rotina. Ele extrai o conteúdo, identifica o tipo de documento, sugere um nome com informações relevantes, encaminha o arquivo e gera uma versão em Markdown para busca e histórico.
O pipeline
O fluxo pode ser descrito como:
1
entrada → enriquecimento → classificação → nomeação → destino → histórico
Cada etapa tem uma responsabilidade diferente:
- OCR transforma imagem em texto;
- conversores extraem conteúdo de PDFs;
- regras tratam formatos conhecidos e arquivos protegidos por senha;
- um modelo local interpreta o conteúdo e propõe metadados;
- o sistema move o original para o destino;
- Markdown preserva uma cópia pesquisável para auditoria.
PDFs grandes podem ser processados com limite de páginas para reduzir custo e probabilidade de falha. Boletos, comprovantes, faturas, apólices e extratos seguem o mesmo princípio, mas podem ter regras de classificação diferentes.
Determinismo antes da IA
Eu não entregaria toda a decisão ao modelo. Extensão, tamanho, checksum, padrões conhecidos e estado do processamento são informações que podem ser verificadas por código.
Usaria IA onde existe interpretação: identificar que um documento é uma fatura, extrair uma data ou sugerir um nome compreensível. Mesmo assim, o sistema deveria guardar o texto de origem, a proposta do modelo e a decisão final.
Documentos podem conter dados financeiros, pessoais e informações de contratos. Por isso, usar um modelo local reduz a exposição, mas não elimina a necessidade de controle de acesso, retenção e limpeza de arquivos temporários.
O humano continua no fluxo
Um nome sugerido não deve ser aplicado silenciosamente quando a confiança é baixa. Eu deixaria os casos ambíguos em uma fila de revisão, com o original, a extração e a sugestão disponíveis no mesmo lugar.
O sucesso da automação não é mover todos os arquivos sem intervenção. É reduzir a quantidade de decisões repetitivas e manter rastreável o que aconteceu com cada documento.
Colocar o arquivo certo no lugar certo, com um nome útil e um histórico consultável, já resolve um problema real. Automação boa reduz trabalho sem remover controle.