Robô de Documentação

Contexto e problema

Para analisar crédito, o time comercial recebe do cliente um pacote com dezenas de arquivos (balancetes, contratos, extratos, documentos de sócios) em ZIP, RAR, fotos e PDFs escaneados. Alguém abria arquivo por arquivo, dava um nome, guardava na pasta certa do SharePoint e depois preenchia no CRM o link da pasta e o que ainda faltava para a análise.

O robô faz esse caminho sozinho: recebe o pacote a partir do card do CRM, classifica cada documento com IA, renomeia no padrão TIPO ENTIDADE MM.AAAA, arquiva na pasta certa e devolve ao CRM o link e um checklist das pendências.

Restrições do projeto

• Na dúvida, quem decide é uma pessoa. A automação marca o que precisa de conferência e nunca reescreve tipo, período ou nome por conta própria.
• Nada se perde. O modo de substituição não apaga a pasta anterior, e um arquivo com extração falha não conta como documento entregue.
• Uma execução por cliente. Dois processamentos do mesmo cliente ao mesmo tempo são bloqueados na entrada.
• Arquivos hostis existem. Extração recursiva com limites contra bombas de compressão, e links simbólicos em RAR são recusados.
• Custo e latência importam. Cada documento passa por um modelo; escolher a configuração é uma decisão de engenharia, não de gosto.

Decisões que definiram o produto

Medir antes de escolher

Arquitetura

Lições de operação

• A extensão mente. Um vídeo salvo como .pdf quebrou a classificação. Hoje o tipo real do arquivo é detectado antes de qualquer outra etapa.
• Teste nunca toca produção. Uma execução de testes contra o banco real cancelou um trabalho de verdade e gerou 97 cópias. Agora um teste e uma guarda na configuração impedem isso.
• Sucesso precisa ser confirmado. Zero escritas confirmadas no CRM viram erro, nunca sucesso. O checklist fica salvo no banco, e um comando reenvia só a parte do CRM, sem repetir o upload.
• Arquivos grandes têm caminho próprio. Acima de 20 MB, o documento vai para a API de arquivos do modelo, e no SharePoint o envio é em blocos acima de 100 MB.
• Limite de requisição é esperado. Chamadas ao SharePoint têm retry com backoff e um disjuntor que abre após 5 bloqueios seguidos.

Meu papel

Concebi o robô e construí a base ao longo de quatro meses: o pipeline de ponta a ponta, as integrações com CRM e SharePoint, o padrão de nomes e pastas, o checklist, a idempotência e a operação. Em outubro, um colaborador conduziu uma rodada de endurecimento do classificador: o experimento de orçamento de raciocínio, a classificação em paralelo, a revisão por regras, o caminho para arquivos grandes e a proteção contra arquivos RAR maliciosos.

O que o produto entrega

• Classificação de 26 tipos de documento, inclusive fotos e PDFs escaneados, com entidade, período de competência e sinalização de documentos de dívida.
• Nomes e pastas padronizados, com pastas separadas para sócios e empresas do mesmo grupo.
• Checklist de pendências no CRM, calculado sobre a pasta inteira, alinhado às regras da equipe de análise de crédito.
• Acompanhamento ao vivo de cada execução e histórico completo.

O que eu faria diferente

• Um conjunto de referência anonimizado no CI. Hoje a amostra rotulada tem documentos reais e não pode viver no repositório, então a regressão de acerto ainda é medida fora da esteira.
• Pedir ao modelo um grau de confiança. Sem ele, a revisão depende só de regras; um score permitiria priorizar a conferência humana.
• Planejar a saída do processo único antes. Banco simples e um worker atendem bem o volume atual, mas são o limite de escala conhecido.