ChatGPT para extrair dados de documentos: limites e alternativas
O que funciona ao colar um PDF no ChatGPT, onde o processo quebra com dezenas de arquivos e o que uma extração guiada por schema faz de diferente. Sem exageros.
Equipe Colunar · Publicado em · 7 min de leitura
Sim, o ChatGPT serve para extrair dados de um documento. Você anexa um PDF, pede "me dê o CNPJ, o número e o valor total desta nota" e recebe a resposta em segundos. Para explorar um arquivo desconhecido ou tirar três campos de uma fatura, funciona bem.
O problema começa quando o "um documento" vira quarenta, todo mês, com as mesmas colunas. Aí o que falta não é capacidade de leitura, é estrutura: campos fixos, validação, processamento em lote, registro de onde cada dado saiu e exportação direta para a planilha. Um chat não foi feito para isso, e forçá-lo a fazer gera retrabalho.
Este artigo mostra o que funciona bem, onde quebra, o que uma ferramenta de extração guiada por schema faz de diferente e quando cada abordagem faz sentido. Sem atacar o ChatGPT: ele é uma boa ferramenta para o que se propõe.
O que o ChatGPT faz bem com documentos
- Um documento, perguntas soltas. "Qual é o período de leitura desta conta?" "Quais impostos foram retidos?" Respostas rápidas, sem configuração.
- Entender um layout novo. Recebeu uma NFS-e de uma prefeitura que nunca viu? Pedir ao chat para listar todos os campos presentes ajuda a decidir o que extrair.
- Rascunhar a lista de campos. Antes de montar qualquer processo, o chat ajuda a pensar: quais campos existem, quais nomes usar, quais tipos.
- Resumir e explicar. Contratos, laudos, relatórios longos. Não é extração de campos, mas é útil.
- Casos únicos. Um documento que nunca vai se repetir não justifica montar um processo.
Se o seu problema é esse, você não precisa de outra ferramenta.
Onde o processo quebra
Lote de dezenas de arquivos
Anexar arquivos um a um (ou em pequenos grupos) e pedir a mesma extração repetidas vezes é trabalho manual com outro nome. A conversa cresce, o contexto fica pesado, e em algum ponto o modelo começa a misturar arquivos ou a resumir em vez de listar. Há também limites de tamanho de arquivo e de número de anexos, que dependem do serviço e do plano; verifique a documentação para o seu caso.
Resposta em formato diferente a cada vez
Hoje veio uma tabela com "Valor Total"; amanhã, uma lista com "Total: R$ 1.234,56"; depois, um JSON. A ordem das colunas muda, o formato de data muda (12/03/2026, 2026-03-12, 12 de março), o separador decimal muda. Cada variação é uma correção manual na planilha. Dá para reduzir com um prompt muito detalhado, mas não dá para garantir.
Sem validação de tipos e obrigatórios
Se o CNPJ ficou com 13 dígitos, se a data está vazia, se o valor veio como texto, o chat não avisa. A resposta parece completa, e o erro aparece no fechamento contábil ou no inventário, semanas depois. Não existe uma etapa que diga "este registro não passou nos critérios".
Sem registro de origem
De qual página saiu aquele consumo em kWh? De qual linha da tabela? Se o auditor perguntar, a resposta é reabrir o PDF e procurar. Um fluxo de extração para fins contábeis ou de inventário precisa da origem gravada junto com o dado.
Retrabalho de copiar a tabela
A resposta vem numa tabela dentro do chat. Copiar para o Excel funciona, mas com surpresas: células mescladas, números que viram texto, zeros à esquerda perdidos. Multiplique por quarenta arquivos.
Custo do tempo
Um ou dois minutos por arquivo (anexar, esperar, copiar, colar, ajustar) parecem pouco. Com quarenta arquivos por mês são horas, todo mês, sem contar a revisão. É o mesmo custo da digitação, apenas com passos diferentes.
Reprodutibilidade
O mesmo arquivo, enviado hoje e daqui a um mês, pode voltar com uma leitura diferente. Sem uma definição fixa de campos e exemplos revisados, cada extração é uma nova negociação com o modelo.
Privacidade
Documentos fiscais e contas de energia trazem CNPJ, endereço, nomes e valores. Se você pode ou não enviá-los a um serviço de chat depende do plano contratado, das configurações de uso de dados para treinamento e da política interna da sua empresa. Não dá para afirmar o que acontece com os dados em cada caso: é preciso verificar o plano e as configurações antes de enviar documentos com dados de terceiros, e alinhar com o jurídico se houver dúvida quanto à LGPD.
O que uma ferramenta de extração guiada por schema faz de diferente
"Guiada por schema" significa que os campos são definidos antes, e cada resultado é conferido contra essa definição. Na prática:
| Aspecto | Chat | Extração guiada por schema |
|---|---|---|
| Campos | Definidos no prompt, a cada conversa | Definidos uma vez, com nome, tipo e obrigatoriedade |
| Formato da saída | Varia | Sempre as mesmas colunas, na mesma ordem |
| Validação | Não há | Cada registro é validado; problemas ficam marcados, não descartados |
| Lote | Arquivo a arquivo ou pequenos grupos | Dezenas ou centenas de arquivos de uma vez |
| Origem do dado | Não registrada | Página, aba ou linha gravadas junto com o dado |
| Regras reutilizáveis | Repetidas no prompt | Salvas com exemplos revisados |
| Exportação | Copiar e colar | Excel, CSV, JSON direto |
| Configuração inicial | Nenhuma | Alguns minutos para montar o playbook |
O Colunar segue esse modelo. Você cria um playbook com os campos desejados (tipos, obrigatórios, contexto e instruções de leitura), pode adicionar skills com regras e exemplos revisados, e solta os arquivos em lote: PDF nativo ou escaneado, imagens (inclusive fotos de celular) e planilhas, até 50 MB por arquivo e 200 páginas por PDF. A tabela é preenchida conforme cada arquivo termina; cada registro é validado contra um JSON Schema, com problemas reportados por arquivo e página; a origem fica com o dado; e a exportação sai em Excel, CSV, JSON ou Markdown. Os documentos não são usados para treinar modelos, ficam criptografados em repouso e em trânsito, e você exclui o que quiser quando quiser.
O que a ferramenta não faz: conversar sobre o documento, resumir um contrato ou responder uma pergunta solta. Para isso, o chat continua sendo melhor.
Quando cada abordagem faz sentido
| Situação | Abordagem |
|---|---|
| Um documento, uma dúvida | Chat |
| Explorar um layout desconhecido e listar os campos | Chat, para rascunhar; depois, playbook |
| 5 a 10 arquivos, uma vez só, sem exigência de auditoria | Chat pode bastar |
| Dezenas de arquivos por mês, mesmas colunas | Extração guiada por schema |
| Dados que vão para contabilidade, inventário de GEE ou auditoria | Extração guiada por schema, pela validação e pela origem |
| Documentos com dados de terceiros e política de privacidade restrita | Verificar o plano do chat; ou ferramenta com política clara de não uso para treinamento |
| Resumo ou interpretação de texto longo | Chat |
As duas abordagens se complementam. Um fluxo prático: usar o chat para entender um documento novo e listar os campos, montar o playbook com essa lista e processar o lote na ferramenta de extração. É um arranjo que serve bem para quem lida com notas fiscais em PDF ou com contas de energia para inventário.
Perguntas frequentes
Posso usar o ChatGPT para montar o playbook?
Sim, e é um bom uso. Anexe um exemplo do documento, peça a lista de campos presentes e os tipos prováveis, e use isso como rascunho. A definição final (nomes, obrigatoriedade, instruções) fica na ferramenta de extração.
A extração automatizada também erra?
Sim. Documentos escaneados com baixa qualidade, layouts muito incomuns e campos ambíguos geram erros. A diferença é que a validação marca o que não passou e a origem permite conferir rápido. A conferência final continua sendo sua.
Faz sentido usar as duas ferramentas?
Sim. Chat para explorar, entender e resumir; extração guiada por schema para o volume repetitivo que precisa virar planilha. As duas convivem bem no mesmo fluxo de trabalho.
E se eu tenho só cinco arquivos por mês?
O chat pode ser suficiente, se você não precisa de validação nem de origem registrada. Se quiser testar a alternativa sem custo, a conta gratuita do Colunar vem com 20 créditos, o que cobre cinco PDFs.
Se você já tentou colar PDFs no chat e cansou de copiar tabelas, monte um playbook com os campos que precisa e solte os arquivos. Comece grátis com 20 créditos, sem cartão, e compare o resultado com o seu fluxo atual. Para ver casos por área, veja a página de financeiro.