OCR em documento jurídico: quando ele resolve e quando atrapalha

Organização · · 5 min de leitura · Equipe Adv3

OCR em documento jurídico é o reconhecimento de texto dentro de uma imagem, e serve para uma coisa concreta: tornar o documento digitalizado pesquisável. Ele erra onde o papel é ruim, a letra é manuscrita ou o carimbo cobre o texto, e por isso número extraído por OCR se confere sempre. Em processo antigo digitalizado, ele é a diferença entre um acervo consultável e um monte de imagens.

A caixa de documentos do cliente vira cem arquivos de imagem, e a busca no sistema não acha nada, porque não há texto para achar. OCR em documento jurídico existe para esse problema, e ele resolve bem, desde que ninguém confie nele sem conferência.

Fluxo do papel ao texto pesquisável, com a conferência dos números no meio

O que o OCR em documento jurídico faz, em uma frase

Ele olha a imagem e escreve o texto que está ali. A consequência prática aparece na busca: com OCR, procurar "cláusula sexta" ou o número do processo encontra o documento; sem OCR, o arquivo é uma foto, e foto não se pesquisa.

Situação Sem OCR Com OCR
Achar um termo no acervo Impossível Busca normal
Copiar um trecho para a peça Digitar à mão Copiar e colar
Ler documento longo Página por página Localizar e ir direto
Extrair data e valor Manual Automático, e conferível

Onde ele erra, e são sempre os mesmos lugares

  1. Manuscrito. Assinatura, anotação à margem e formulário preenchido à mão saem errados ou não saem.
  2. Papel ruim. Cópia de cópia, fax antigo e documento amarelado reduzem muito a precisão.
  3. Carimbo sobre texto. O que está por baixo vira ruído.
  4. Tabela e coluna. A ordem das palavras se embaralha, o que estraga extrato e planilha digitalizada.

Nos quatro casos o texto sai plausível e sem aviso de erro, e é isso que engana: um número trocado em extrato bancário digitalizado vira cálculo errado sem nenhum aviso.

A regra de conferência

Número extraído de imagem se confere na imagem. Vale para valor, data, número de processo, CPF e matrícula. Essa regra é a mesma que IA para triagem de documentos aplica à leitura automática: a máquina localiza, a pessoa confirma o que vira ato.

Onde o OCR muda o dia do escritório

  • Acervo antigo digitalizado, que passa de arquivo morto a base consultável, e é o cenário de digitalização de processo físico.
  • Documento recebido do cliente por foto, que entra no caso e passa a ser localizável.
  • Processo físico de terceiro, copiado em cartório e trazido em papel.
  • Juntada antiga que nunca teve versão digital com texto, e que hoje só existe como imagem dentro do sistema do tribunal.

Qualidade da digitalização decide o resultado

OCR ruim quase sempre é digitalização ruim. Três ajustes resolvem a maior parte:

  1. Resolução suficiente, sem exagero: nem 150 dpi, que perde letra pequena, nem 600 dpi coloridos, que enchem o disco, assunto de espaço de armazenamento do escritório.
  2. Preto e branco para texto comum, colorido só quando a cor importa.
  3. Página alinhada, porque documento torto derruba a precisão.

Reconhecer na entrada ou só quando precisar

Há duas políticas possíveis, e escolher errado custa nos dois sentidos. Reconhecer tudo na entrada deixa o acervo inteiro pesquisável e cobra por páginas que ninguém vai consultar; reconhecer sob demanda é barato e adia o trabalho para o momento em que a pressa é maior. O meio-termo que funciona na maioria dos escritórios é reconhecer na entrada o que é do caso ativo, e deixar o acervo histórico para quando alguém precisar dele. A regra de decisão é a mesma do custo de leitura automática: página que ninguém vai abrir não precisa ser lida.

O que OCR não é

Ele não valida documento, não diz se a assinatura é autêntica e não transforma uma cópia em original. Também não substitui a leitura: texto pesquisável ajuda a achar, e o conteúdo continua exigindo advogado, com o cuidado de prova digital e cadeia de custódia quando o arquivo vai virar prova.

Onde isso encosta no sigilo

Reconhecer texto significa processar o conteúdo do documento, e documento do cliente carrega sigilo. Se o reconhecimento acontece fora do sistema do escritório, vale a mesma pergunta de dados do cliente em IA: quem é o fornecedor, o que ele faz com o material e por quanto tempo guarda.

Perguntas frequentes

OCR em documento jurídico é confiável?

É confiável para localizar e para copiar trecho. Número e data extraídos se conferem na imagem antes de virar peça ou cálculo.

Funciona em documento manuscrito?

Mal. Reconhecimento de manuscrito é limitado, e formulário preenchido à mão costuma exigir digitação.

Preciso de OCR se o PDF já tem texto?

Não. Documento que nasceu digital já é pesquisável, e reconhecer de novo só piora.

O que fazer com digitalização antiga de baixa qualidade?

Vale redigitalizar quando o original existe. Quando não existe, o caminho é conferir manualmente o que for usado.

Dá para reconhecer só algumas páginas?

Dá, e costuma ser o melhor custo: reconhecer as páginas que importam do documento longo, em vez do volume inteiro, resolve a consulta sem pagar pelo resto.

OCR aumenta o tamanho do arquivo?

Costuma aumentar pouco, porque acrescenta camada de texto. O peso vem da imagem, e não do texto reconhecido.

Como o Adv3 trata isso

No Adv3 não existe um módulo de OCR dedicado: o que existe é a leitura por visão da Aurora, que olha a imagem ou o PDF digitalizado anexado ao caso e responde sobre o conteúdo, com custo por página lida. O documento fica ligado ao cliente e ao processo, com versão e lixeira. O sistema não gera uma camada de texto pesquisável dentro do arquivo original nem valida autenticidade de documento.

Todos os artigos · Adv3: software jurídico para escritórios de advocacia · Criar uma conta