Desenvolvimento de uma solução de automação na validação de documentos fiscais do PROADI-SUS por meio da inteligência artificial multimodal

Abstract

Descreve o desenvolvimento de uma solução inteligente, baseada em Ciência de Dados e Inteligência Artificial, para automatizar e acelerar esse fluxo crítico. Inicialmente adotou-se uma abordagem tradicional com OCR (Tesseract) e Regex, aplicados a PDFs processados com PyMuPDF e OpenCV. Contudo, ruído, baixa resolução, inclinação e diversidade de layouts degradaram a qualidade do OCR e expuseram a rigidez das Regex, produzindo baixa taxa de extração para campos essenciais, como “Valor Total”. Numa fase intermediária, integrou-se, condicionalmente, Modelos de Linguagem Grande (LLMs), como o GPT-4o, como fallback quando as Regex falhavam. Mesmo com préprocessamento aprimorado e engenharia de prompt, persistiu o gargalo: a perda informacional inerente à conversão imagem-texto via OCR. A fase final adotou uma abordagem verdadeiramente multimodal, pivotando para o GPT-4o Vision. As páginas dos PDFs foram renderizadas como PNGs de alta resolução e enviadas ao modelo com instruções para extrair campos em JSON estruturado, priorizando precisão. Ao “ver” o documento em sua forma original, o modelo interpretou layout, ignorou ruídos visuais, lidou com variações tipográficas e contextualizou informações com robustez superior. O pipeline resultante mostrou precisão consistente na extração de todos os campos e maior tolerância a qualidade variável e múltiplos formatos, ao mesmo tempo que simplificou o código. A metodologia iterativa e adaptativa justifica o custo operacional adicional pelo ganho em acurácia, confiabilidade e transparência, liberando profissionais para atividades de maior valor agregado no contexto do PROADI-SUS.