Reconhecimento óptico de caracteres

É a tecnologia que converte texto presente em imagens ou documentos digitalizados em texto editável e pesquisável. Uma foto de um documento, um PDF escaneado ou uma placa em uma imagem passam a ser texto que sistemas conseguem processar. O OCR moderno vai além de reconhecer letras: entende a estrutura do documento, como tabelas, campos de formulário e assinaturas, e consegue extrair informações organizadas. Essa combinação costuma ser chamada de inteligência de documentos (document AI). É a porta de entrada de qualquer fluxo que processe documentos. Tudo o que vem depois, como classificação, extração ou resposta a perguntas, depende de o texto ter sido lido corretamente.

Em Produto, a qualidade do OCR define o teto de qualidade de todo o fluxo. Se um número de documento é lido errado na entrada, o sistema de busca, o modelo de linguagem e a automação seguinte vão apenas propagar o erro com confiança. Por isso, vale medir a taxa de erro por campo, e não apenas a taxa geral. Um erro no nome pode ser tolerável; um erro no valor ou no CPF pode não ser. Campos críticos merecem validação adicional, como conferência com outra fonte ou revisão humana. Também é importante desenhar o que acontece com documentos ilegíveis, tortos ou incompletos. Eles são frequentes em uso real, e tratá-los como caminho previsto, com pedido de nova foto ou revisão humana, evita frustração.

Use OCR quando a tarefa é ler texto em imagens ou documentos digitalizados. Use modelo multimodal quando o layout varia muito ou quando é preciso interpretar o documento, e não apenas ler o que está escrito. Use extração de informação para a etapa seguinte, em que os dados relevantes são identificados e organizados a partir do texto lido. Uma forma simples de diferenciar: OCR transforma imagem em texto; extração transforma texto em dados estruturados; um modelo multimodal pode fazer as duas coisas em tarefas mais abertas.

Patentes dos anos 1920-30; Ray Kurzweil lançou o primeiro OCR omnifonte em 1974. Modelos atuais de 'document AI' combinam OCR com compreensão de layout.

Google Cloud Document AI docs; Azure AI Document Intelligence docs