Pipeline de IA para Extração Documental
Projeto de estudos aplicados em IA focado em transformar documentos enviados como PDF ou imagem em respostas estruturadas, normalizadas e avaliáveis por qualidade de extração. A versão v3 organiza pipelines especializados e um fluxo unificado para identificar tipos documentais, chamar um modelo multimodal, validar a saída em JSON, normalizar campos e devolver contratos estáveis para consumo por APIs e automações.
Duração do Projeto
Estudo aplicado
Tamanho da Equipe
Líder Solo
Função
Desenvolvedor Backend / IA
Conclusão
2026
Visão Geral
A proposta foi estudar como aplicar IA generativa multimodal em um cenário próximo de produção: receber documentos em formatos diferentes, preparar o arquivo para leitura do modelo, extrair campos específicos e padronizar a resposta final sem depender de texto livre.
A arquitetura separa responsabilidades entre resolução de upload, cliente de IA, pipeline de extração, parsing, normalização e montagem do payload. Isso permite evoluir cada tipo de documento sem duplicar a infraestrutura comum.
Principais Funcionalidades
- Classificação e extração unificada para múltiplos tipos documentais
- Pipelines especializados para documentos de identificação, endereço e declarações cadastrais
- Validação de MIME por assinatura do arquivo e bloqueio antecipado de uploads grandes
- Parsing de JSON do modelo com normalização de datas, CEP, UF e campos opcionais
- Cálculo de qualidade da extração por campos obrigatórios e opcionais
- Pré-processamento de PDFs de identidade em imagens de alta resolução para melhorar leitura de dígitos pequenos
Desafios e Soluções
Confiabilidade além do prompt
Separei a saída do modelo da resposta pública com uma camada de parsing e normalização, reduzindo dependência de texto livre e preservando contratos compatíveis com consumidores existentes.
Leitura precisa em PDFs
Em documentos de identificação, adicionei um caminho de rasterização de páginas para imagens em alta resolução antes da chamada ao modelo, melhorando a leitura de números pequenos sem quebrar o fallback para PDF bruto.
Falhas previsíveis
Modelei resultados explícitos para upload acima do limite, mídia não suportada, resposta vazia e erro de parsing, evitando que exceções genéricas virem comportamento ambíguo na API.
Tecnologias
- TS
TypeScript
Tipagem dos contratos de entrada, saída e payloads normalizados
- λ
AWS Lambda
Execução serverless orientada a endpoints de extração documental
- AI
Vertex AI / Gemini
Modelo multimodal para leitura de imagens e PDFs
- T
Testes unitários
Cobertura de parsing, normalização, rating, MIME e caminhos de erro