A maioria das PMEs ainda gasta milhares de euros por ano em revisão manual de contratos, propostas e documentos legais. Um novo estudo revela que a análise documental eficiente com IA pode reduzir drasticamente os custos de processamento, usando até 17 vezes menos tokens sem sacrificar a precisão das respostas. E o melhor: a poupança é real e mensurável.
Como funciona a análise documental com menos tokens
Quando uma empresa quer usar inteligência artificial para responder a perguntas sobre um conjunto de documentos — por exemplo, contratos de fornecedores — a abordagem mais simples é injectar o texto integral de todos os ficheiros no modelo de cada vez que se faz uma pergunta. Essa técnica, chamada de full-corpus injection, garante que nada fica de fora, mas tem um problema óbvio: o custo em tokens dispara com o volume de documentos, e os modelos de linguagem começam a perder precisão quando o contexto é demasiado longo.
O estudo agora publicado no ArXiv testou duas alternativas que evitam esse desperdício. Em vez de enviar tudo, os investigadores dividiram os documentos em blocos estruturados (chunks) e depois usaram dois modos de recuperação: um baseado em embeddings (NAVEMBED), que procura os blocos mais relevantes para a pergunta, e outro que deixa o próprio modelo navegar por um índice compacto (NAVINDEX). A ideia é simples: só se envia ao modelo aquilo que realmente interessa, tal como um bom índice remissivo evita que se leia um livro inteiro para encontrar uma cláusula.
Os resultados foram surpreendentes. Num teste com 20 perguntas sobre documentos jurídicos reais, a recuperação semântica com reordenação (NAVEMBED) empatou com a injecção completa em 16 das 18 perguntas que exigiam consulta aos documentos, mas consumiu 17,3 vezes menos tokens de entrada. Numa configuração ainda mais leve, a poupança chegou a 29,9 vezes. Já o NAVINDEX empatou em todas as 18 perguntas, com um consumo total de tokens 1,61 vezes menor, um contexto de resposta 56 vezes mais compacto e um custo em dólares 25% inferior.
O que diferencia esta abordagem das alternativas actuais
Até agora, a maioria das ferramentas de IA para análise documental seguia o caminho mais fácil: carregar tudo para o contexto e confiar que o modelo daria conta do recado. Isso funciona para conjuntos muito pequenos, mas torna-se proibitivo quando se lida com dezenas ou centenas de documentos. Além do custo financeiro, há o tempo de processamento e a degradação da qualidade das respostas — um fenómeno conhecido como long-context degradation.
A grande diferença deste novo método está na estruturação prévia dos documentos. Em vez de tratar cada ficheiro como um bloco monolítico, o sistema divide-o em secções com significado jurídico (cláusulas, artigos, anexos) e cria um índice que o modelo consegue percorrer de forma inteligente. Isto permite que a IA “saiba” onde procurar sem ter de ler tudo. Para uma PME que analisa contratos regularmente, isto significa que pode começar com um volume pequeno e crescer sem que os custos disparem — algo que a injecção completa não permite.
O estudo também derivou uma regra prática de caching: a injecção completa só é mais barata em dólares quando o corpus de documentos é inferior a cerca de dez vezes o volume de tokens da recuperação. Ou seja, para conjuntos muito pequenos, o método tradicional ainda compensa; para tudo o resto, a recuperação estruturada ganha.
O que isto significa para PMEs portuguesas
Para um escritório de advogados com 200 contratos de arrendamento para analisar, ou para uma imobiliária que quer extrair automaticamente prazos e condições de centenas de propostas, a diferença de custos pode ser a chave para tornar o projecto viável. Em vez de pagar por cada pergunta como se estivesse a reler toda a papelada, paga apenas pelos parágrafos realmente relevantes. E como o desempenho se mantém, a confiança nas respostas não é posta em causa.
Além disso, a abordagem é escalável. Uma empresa que comece com 50 documentos pode evoluir para 5.000 sem reestruturar todo o sistema — algo que, na prática, é essencial para PMEs em crescimento. Se a sua empresa já está a dar os primeiros passos na integração de IA nos processos internos, este tipo de eficiência pode ser o factor que transforma um piloto experimental numa ferramenta de uso diário. E para quem precisa de um ponto de partida sólido, uma consultoria em inteligência artificial pode ajudar a desenhar a arquitectura certa desde o primeiro dia.
O erro que a maioria comete
Grande parte das empresas assume que, para ter respostas fiáveis com IA, é preciso dar ao modelo todos os documentos de uma só vez. O resultado são facturas de API inesperadamente altas, tempos de resposta lentos e, pior, uma degradação da qualidade quando o contexto ultrapassa certos limites. Acreditar que “mais é sempre melhor” é o erro clássico — e este estudo mostra que, com a estratégia certa, menos tokens podem entregar exactamente o mesmo valor.
Riscos e limitações
O estudo foi conduzido exclusivamente sobre documentos jurídicos transaccionais, pelo que a transposição directa para outros tipos de documentos — manuais técnicos, relatórios financeiros, e-mails — exige validação adicional. Além disso, a criação dos índices estruturados e a afinação dos modelos de recuperação não são triviais: exigem conhecimento técnico que a maioria das PMEs não tem internamente. Para empresas com um volume documental muito baixo (algumas dezenas de páginas), a injecção completa pode continuar a ser a opção mais simples e económica, como a própria regra de caching indica. Este não é um caminho “tamanho único”.
Veredito Descomplicar®
A análise documental eficiente com IA deixou de ser uma promessa distante. O estudo mostra que é possível obter a mesma qualidade de resposta com uma fracção dos custos, desde que se invista na estruturação prévia dos documentos. Para PMEs portuguesas que lidam com volumes crescentes de contratos ou documentos legais, vale a pena explorar esta abordagem — especialmente se o objectivo for escalar sem multiplicar a factura de IA. Se o seu volume ainda é residual, a injecção directa pode servir; mas se o crescimento está no horizonte, preparar a arquitectura certa desde já é a decisão mais inteligente.