OCR em contratos digitalizados: o que conferir

Um PDF escaneado pode parecer legível na tela, mas conter só imagens das páginas. O OCR transforma os caracteres dessas imagens em texto pesquisável. A conversão facilita a revisão, sobretudo em documentos longos, mas cria uma segunda representação que precisa ser verificada.

Onde o erro pesa mais

Carimbos, assinaturas próximas ao texto, manchas, inclinação e baixa resolução podem atrapalhar o reconhecimento. Em contratos, uma troca entre zero e a letra O ou a perda de uma vírgula já muda a interpretação de um dado. Na conferência, priorize valores, percentuais, datas, números de anexos e palavras que negam uma obrigação.

Um método de validação por amostra

Escolha páginas com formatações diferentes, incluindo uma página de tabela e outra com notas de rodapé. Localize três dados em cada uma e compare a extração com a imagem. Se a amostra falhar em campos críticos, refine a captura ou solicite o arquivo digital de origem antes de extrair o contrato inteiro. Identifique também quais páginas ficaram sem OCR.

Quando a camada já existe

Alguns PDFs chegam com texto pesquisável produzido anteriormente. Compare pelo menos um trecho desse texto com a imagem antes de reutilizá-lo. Caso haja uma frase extra fora do contexto, investigue se veio do OCR, de outra camada ou do próprio documento. Para diferenciar uma leitura errada de um comando suspeito, observe a frase, a posição e o efeito provável sobre o resumo.

Leia também como verificar um PDF antes de enviar à IA.

Monte um teste para números e exceções

Em um aditivo escaneado, a vigência pode aparecer numa tabela e a exceção numa nota abaixo da assinatura. Escolha trechos com problemas diferentes para avaliar o OCR. Compare um valor com separador decimal, uma data com barras e uma frase curta com negação. Se houver páginas em outro idioma, revise uma amostra delas também. Guarde os trechos que a extração acertou e os que exigiram correção. Essa amostra permite decidir onde confiar na busca e em quais partes a leitura deve voltar à imagem.

Dado visível	Erro típico a investigar	Decisão
R$ 12.500,00	Ponto ou vírgula perdido	Transcrever o valor da imagem conferida
Data em carimbo	Dígito apagado ou fora de ordem	Confirmar com outra cópia ou fonte
Palavra “não”	Sumiço por contraste baixo	Revisar toda a condição da cláusula
Texto pequeno em nota	Linha ignorada	Marcar a página como parcialmente lida

Quando a amostra falhar repetidamente, priorize pedir uma via digital ou rever a qualidade do escaneamento. Registre a página de origem dos dados corrigidos para que a pessoa responsável possa verificá-los depois.

Leia também

• Como verificar um PDF antes de enviar à IA
• Texto invisível em PDF: como reconhecer sinais

Fontes

• Adobe · Reconhecimento de texto em PDFs digitalizados