Como a Affinda reduziu em 90% o tempo de configuração de novos casos de Document AI

O desafio era reduzir o custo e o tempo para adaptar uma plataforma de Document AI a novos clientes, documentos e processos. Em automação documental, cada novo tipo de arquivo pode exigir regras específicas, validações, campos, extrações e tratamento de exceções.

Isso é muito relevante para o mercado brasileiro, onde empresas lidam com notas fiscais, contratos, comprovantes, documentos trabalhistas, seguros, propostas, cadastros e documentos regulatórios em formatos variados. Quanto maior a necessidade de configuração manual, mais lento é o ROI.

Antes da evolução com IA generativa, plataformas de extração documental frequentemente dependiam de configuração técnica detalhada. Times de produto e entrega precisavam ajustar modelos, campos e pipelines para cada caso. Isso aumentava o custo do projeto e reduzia a velocidade de implantação.

Para empresas que vendem Document AI como serviço, esse gargalo afeta escala comercial. Para empresas usuárias, ele atrasa a automação de processos críticos, como onboarding, auditoria, sinistros, financeiro e jurídico.

A Affinda incorporou IA generativa no Amazon Bedrock para reduzir a necessidade de configuração técnica manual em novos casos. A solução passou a usar modelos fundacionais para compreender documentos e acelerar a adaptação a novos fluxos.

Em vez de depender apenas de templates rígidos, a abordagem generativa permite lidar melhor com variações de layout e linguagem. Isso melhora a velocidade de configuração e torna a plataforma mais escalável para diferentes clientes.

A tecnologia central é Amazon Bedrock, usado para acesso e orquestração de modelos fundacionais em aplicações de IA generativa. A Affinda aplicou essa base à sua plataforma proprietária de processamento inteligente de documentos.

O valor técnico está na redução do esforço de setup e na capacidade de atingir alta qualidade mais rapidamente. Para o usuário final, isso significa projetos documentais que saem do piloto e chegam à produção com menos fricção.

Ao receber um novo caso documental, a plataforma usa IA generativa para interpretar o conteúdo, auxiliar na identificação dos campos relevantes e reduzir o trabalho de configuração. O time de produto ou entrega passa a validar e ajustar o resultado, em vez de construir todo o processo manualmente.

Esse modelo é especialmente útil quando há documentos com layouts diferentes, campos em posições variáveis ou texto não estruturado. A IA ajuda a aproximar a extração documental da linguagem de negócio.

O pipeline começa com o documento de entrada, segue para leitura e interpretação, identifica campos e relações, aplica regras do caso de uso e entrega dados estruturados para sistemas downstream. A IA generativa atua como acelerador de configuração e interpretação.

Em uma operação brasileira, esse pipeline poderia ser conectado a ERP, CRM, sistemas jurídicos, plataformas de seguro, onboarding de fornecedores ou workflow de contas a pagar.

• 90% de redução no tempo de setup para novos casos de uso.
• 90% de economia de custos para o time de entrega de produto.
• Entrega mais rápida de processamento documental para clientes.
• Melhor experiência para usuários que dependem de extração de dados em documentos variados.

Para a diretoria, o impacto é relevante porque reduz uma barreira clássica da automação documental: o custo inicial de parametrização.

O case mostra que IA generativa pode ser valiosa não apenas na operação final, mas também no processo de implantação. Reduzir setup significa reduzir custo de projeto, acelerar vendas e permitir que mais processos sejam automatizados.

Empresas brasileiras devem avaliar se seus projetos de automação documental estão travados por configuração manual. Quando o esforço de implantação é alto, IA generativa pode ser aplicada para acelerar mapeamento, extração e validação.