Extrair dados de fatura e nota fiscal

Por que automatizar essa leitura

O argumento do tempo é o mais evidente: um lançamento manual de fatura leva entre dois e quatro minutos quando tudo está claro, e bem mais quando o documento tem quinze itens. Cem faturas por mês são vários dias de trabalho que não produzem nada além de transcrição.

Mas o problema mais caro é outro. A digitação erra pouco e sem aviso, e no caso da fatura o erro tem consequência dupla: um valor digitado errado vira um pagamento errado e um lançamento errado. Fornecedor pago a mais, imposto apropriado indevidamente, duplicidade que passa porque a mesma nota chegou duas vezes por e-mail — todos esses são erros humanos previsíveis que a leitura automática simplesmente não comete.

E há o que nunca se faz por falta de dado: analisar o que foi comprado. Enquanto a fatura for um PDF em uma pasta, ninguém consegue responder quanto se gastou com um item específico no ano, se o fornecedor aumentou o preço unitário sem avisar, ou quais assinaturas continuam sendo pagas sem uso. Essas perguntas só existem quando os itens viram linhas.

O que é extraído de cada documento

A extração devolve o cabeçalho completo — fornecedor e seus dados, identificação fiscal (CNPJ, CPF ou NIF), número do documento, série, data de emissão, data de vencimento, moeda e condições de pagamento — além dos totais: base, impostos discriminados e valor final.

Também são recuperados os dados do destinatário, o que importa mais do que parece: é assim que se detecta uma nota emitida para a empresa errada dentro de um grupo, um erro que costuma aparecer meses depois, no pior momento possível.

flowparse.io

Itens linha a linha, não só o total

A diferença entre uma ferramenta útil e uma inútil nesta área está aqui. Extrair o total de uma fatura é fácil e resolve pouco: você fica sabendo quanto gastou, e não o que comprou. Extrair os itens é o que transforma a fatura em informação.

Cada item vira uma linha com descrição, quantidade, valor unitário, desconto e total. É isso que permite responder às perguntas que realmente importam: o preço unitário deste item subiu ao longo do ano? Estamos pagando duas assinaturas do mesmo serviço em fornecedores diferentes? Qual categoria de compra cresceu mais rápido que o faturamento?

Tabelas de itens são também a parte tecnicamente mais difícil de um documento: quebram entre páginas, têm linhas de subtotal no meio, trazem descrições que ocupam duas ou três linhas. A extração de itens trata disso especificamente, reunindo descrições quebradas e ignorando as linhas que não são itens.

flowparse.io

Como funciona

Qualquer layout, sem treinar modelo

Ferramentas tradicionais de leitura de fatura pedem um modelo por fornecedor: você marca onde fica o número, onde fica o total, onde começa a tabela. Funciona bem com dez fornecedores estáveis e desmorona na realidade, porque a realidade tem duzentos fornecedores, cada um com um layout, e alguns mudam o layout sem avisar.

A leitura por significado não tem esse problema: ela entende que aquele número perto da palavra total é o total, independentemente de onde esteja na página. Um fornecedor novo é lido no primeiro envio, e um fornecedor que redesenhou a fatura continua sendo lido — não há modelo para quebrar.

Na prática isso significa que não existe lista de fornecedores suportados, porque não existe trabalho por fornecedor. É a mesma lógica que permite ler o extrato de qualquer banco sem configuração.

Nota fiscal eletrônica: a linha que não cruzamos

Vale ser direto, porque é onde muita ferramenta é vaga. A FlowParse não emite nota fiscal eletrônica. Não assina com certificado digital, não transmite à SEFAZ, não gera XML de NF-e, NFS-e ou NFC-e, e não cuida de obrigação acessória nenhuma.

A distinção é grande e não é técnica: emitir uma nota é um ato fiscal, com responsabilidade legal, feito pelo sistema emissor da empresa que está vendendo. Ler uma nota que você recebeu e extrair os dados dela é outra coisa completamente diferente — é o que fazemos, e só isso.

Fazemos questão de dizer porque a alternativa seria deixar a impressão de que uma ferramenta de extração substitui um emissor certificado. Não substitui, e quem estiver procurando por isso está no lugar errado — o que é uma informação útil antes de perder tempo, e não depois.

Se a nota já vem em XML, use o XML

Segunda linha honesta, e ela é forte: no Brasil, a NF-e chega em XML, e o XML é o documento fiscal de verdade. Ele já vem estruturado na origem, assinado, completo. Se as suas notas chegam em XML e o seu sistema importa XML, não há nenhuma razão para converter o PDF — o DANFE em PDF é só a representação impressa daquilo que o XML já diz melhor.

O que sobra, e é uma parte grande da realidade de qualquer empresa, são os documentos que não vêm em XML: faturas de fornecedores do exterior, contas de consumo (energia, água, telefone), boletos e recibos, notas de serviço de prefeituras que só entregam PDF, documentos antigos que existem apenas digitalizados, e a papelada que o cliente entrega em uma pasta no fim do ano.

É para isso que a extração serve. Não para competir com o XML onde ele existe, mas para cobrir o resto — que costuma ser exatamente o que dá trabalho, porque é o que ninguém consegue automatizar de outro jeito.

Impostos: lemos o que está escrito

Os valores de imposto impressos no documento são extraídos como campos: base de cálculo, alíquota e valor. No Brasil isso costuma envolver ICMS, IPI, ISS, PIS e COFINS discriminados; em Portugal, IVA com as taxas aplicáveis.

E aqui vale uma ressalva que é fácil de omitir e importante de dizer: a FlowParse lê o que está no documento. Ela não calcula tributo, não decide o que é creditável, não classifica CFOP, não faz apuração e não substitui o julgamento da contabilidade. O que ela entrega é o dado exato que estava impresso — a base para que a apuração seja feita sobre informação correta, em vez de sobre digitação.

Essa distinção protege você. Uma ferramenta que afirmasse fazer apuração a partir de um PDF estaria prometendo julgamento fiscal com base em leitura de documento, e isso é exatamente o tipo de promessa que sai caro.

Portugal: IVA, NIF e o SAF-T

Em Portugal a extração funciona da mesma maneira: uma fatura de qualquer fornecedor é lida sem configuração, com NIF, número do documento, datas, descritivo dos artigos, taxas de IVA e total.

O contexto, porém, é diferente e vale a linha honesta: a FlowParse não é software de faturação certificado pela Autoridade Tributária, não emite faturas, não comunica ao e-Fatura e não gera SAF-T (PT). Essas obrigações pertencem ao programa de faturação certificado que a empresa já usa, e é assim que deve ser.

O que fica no nosso âmbito é o lado de quem recebe: faturas de fornecedores em PDF, documentos estrangeiros que não passam pelo e-Fatura, despesas digitalizadas e o arquivo antigo que precisa virar dados. Continua a ser bastante trabalho, e é trabalho que ninguém quer fazer à mão.

Recibos e comprovantes também

O mesmo motor lê recibos e cupons: data, estabelecimento, itens quando existem, forma de pagamento e total. É o documento mais malcuidado que existe — amassado, desbotado, fotografado torto no estacionamento — e continua sendo um custo dedutível que alguém precisa registrar.

O leitor de recibos trata dessa categoria especificamente, e a foto de celular é o caso normal, não a exceção.

flowparse.io

Contas a pagar sem digitação

O fluxo clássico de contas a pagar é quase todo transcrição: a fatura chega, alguém lê, alguém digita, alguém confere contra o pedido, alguém aprova, alguém paga. Os passos de julgamento — conferir, aprovar — são os que agregam valor; os de digitação são puro custo.

Com os dados extraídos, sobra o julgamento. Fornecedor, número, vencimento e valor entram no sistema já estruturados, e o número do documento permite detectar a nota que chegou duas vezes antes de ela ser paga duas vezes — o que é, de longe, o erro mais caro dessa rotina.

flowparse.io

Conciliar a fatura com o pagamento

Faturas e extratos contam metades da mesma história: uma diz o que foi cobrado, o outro diz o que saiu da conta. Enquanto os dois forem PDFs, comparar é leitura manual; quando os dois são dados, comparar é uma operação.

Como a FlowParse lê os dois no mesmo esquema, a conciliação entre fatura e pagamento não exige mapeamento entre ferramentas diferentes. É assim que se encontra o pagamento em duplicidade, a fatura que nunca foi paga e a cobrança que chegou com valor diferente do combinado.

Documentos digitalizados

Boa parte do que chega não é um PDF nativo: é uma digitalização, uma foto, um documento impresso e escaneado anos depois. O OCR roda primeiro e a IA estrutura o texto reconhecido em seguida, marcando o que ficou incerto.

A prévia editável é o que fecha esse ciclo: em vez de reler o documento inteiro, você confere só os campos destacados e exporta. É a diferença entre revisar três valores e revisar cem.

Cem faturas de uma vez

Trabalho real com faturas raramente é um documento. É a pasta do mês, ou a caixa do ano, com dezenas de fornecedores em layouts diferentes — exatamente o cenário em que um sistema baseado em modelos falha e em que a digitação simplesmente não acontece.

O processamento em lote aceita até 100 documentos e devolve tudo em uma planilha única, com a referência do arquivo de origem em cada linha. É o formato que os escritórios usam para fechar o mês de um cliente em uma sessão.

flowparse.io

Conferência antes de exportar

Todo documento produz campos sobre os quais a leitura ficou insegura — um valor borrado, uma descrição em posição inesperada. O que importa é o que acontece com essa incerteza.

Na maioria das ferramentas, nada: a incerteza existia por dentro e foi descartada na saída, e você recebe uma planilha em que o campo duvidoso é indistinguível do campo certo. Aqui ela é preservada — os valores de leitura incerta ficam destacados na prévia editável, e a conferência aritmética dos totais (itens somam o subtotal, subtotal mais imposto dá o total) aponta o documento em que algo não fecha.

Para quem é

Privacidade

O envio é por TLS, o processamento roda em infraestrutura na União Europeia, o arquivo original é apagado logo após o processamento e nenhum documento é usado para treinar modelos de IA. Como o processamento ocorre fora do Brasil, se a sua política exige tratamento em território nacional isso precisa passar pelo seu jurídico.

flowparse.io

Perguntas frequentes

Continue lendo