Digitalização de documentos para empresas e acervos especializados

Guia 1 — Preparação, inventário e organização do acervo

Este roteiro apresenta verificações práticas para um projeto empresarial. As etapas são adaptáveis ao acervo, à política documental e às obrigações aplicáveis. Use-o para preparar o levantamento, discutir critérios com o cliente e registrar a aceitação dos lotes.

1. Delimitar o objetivo do projeto

Antes de contar páginas, defina por que a empresa precisa do documento digital. Um arquivo voltado a consulta operacional pede campos de pesquisa diferentes de um conjunto preparado para auditoria ou preservação. Converse com os responsáveis pelo uso diário e formule perguntas concretas: qual comprovante precisa ser encontrado, em quanto tempo e por quem? Registre também os tipos documentais que não entram no contrato. Essa delimitação evita tratar um acervo misto como massa homogênea e fornece a base para critérios de aceitação mensuráveis.

2. Fazer o reconhecimento físico

Percorra caixas, armários e pastas com uma amostra de cada setor. Observe formatos, envelopes, encadernações, papéis frágeis, notas adesivas, folhas térmicas e documentos impressos em frente e verso. Registre problemas de identificação, danos, umidade aparente e itens cuja movimentação depende de autorização especial. O inventário pode usar caixas e metros lineares como estimativa inicial, mas a medição definitiva precisa indicar a unidade adotada e a margem de incerteza. Nunca converta volume físico em quantidade exata de páginas sem uma regra de amostragem transparente.

3. Formalizar a entrada de cada lote

Crie um protocolo de recebimento contendo organização, unidade, setor, código do lote, descrição resumida, quantidade declarada, data, responsável pela entrega e responsável pelo recebimento. Se a contagem detalhada ainda não foi realizada, deixe claro que o número é preliminar. O protocolo deve acompanhar o acervo até sua devolução ou destinação autorizada. Em projetos com coleta externa, registre as embalagens e a sequência das caixas; no trabalho dentro do cliente, identifique a sala, o armário ou o repositório de origem para permitir esclarecimentos sem depender da memória dos operadores.

4. Decidir a classificação antes da captura

A classificação documental deve refletir atividades e necessidades reais, não somente a aparência das folhas. Contratos, comprovantes financeiros, fichas clínicas e registros de pessoal podem exigir chaves, prazos e acessos diferentes. Proponha uma estrutura de classes e submetê-la aos responsáveis pelos setores. Uma classificação provisória precisa estar identificada como tal. Se o cliente utilizar plano de classificação e tabela de temporalidade aprovados, faça a associação aos instrumentos existentes. Digitalizar tudo em uma pasta chamada diversos cria um passivo de organização que tende a persistir depois da entrega.

5. Preservar a ordem que produz contexto

Nem toda pilha deve ser colocada em ordem alfabética. Um processo administrativo pode depender da cronologia; um prontuário precisa manter a sequência de ocorrências; um livro encadernado possui ordem física própria; um dossiê funcional pode reunir diferentes vínculos de trabalho. Antes de reordenar, confirme o critério com o dono do acervo. Quando houver mudança autorizada, guarde a referência à organização original e ao novo arranjo. A rastreabilidade permite responder de qual caixa saiu determinada página e reduz o risco de tratar anexos soltos como documentos independentes.

6. Preparar folhas sem causar perdas

A preparação pode envolver retirada controlada de grampos, abertura de dobras, alinhamento e separação de tamanhos, desde que o suporte permita o manuseio. Adesivos com informações, carimbos próximos à borda e pequenos comprovantes merecem avaliação individual. Não remova marcações nem descarte envelopes que tenham valor de identificação sem orientação. Em páginas frágeis, substitua o alimentador automático por método compatível. Treine operadores para interromper o processo diante de risco de dano, em vez de forçar uma folha a passar pelo equipamento só para preservar a produtividade.

7. Tratar exceções com decisão documentada

Crie uma fila de exceções para páginas sem identificação, folhas ilegíveis, duplicidades aparentes e materiais incompatíveis com a captura planejada. Cada ocorrência deve receber código do lote, descrição, evidência suficiente, responsável por decidir e situação atual. Uma folha sem nome encontrada entre duas fichas não deve ser atribuída automaticamente ao paciente posterior. Homônimos exigem confronto com identificadores legítimos e revisão, respeitando a minimização de dados. Registrar dúvida é melhor que produzir uma associação incorreta que se torne invisível quando o arquivo for pesquisado.

8. Definir metadados mínimos por classe

O índice é tão importante quanto a imagem quando o objetivo é encontrar documentos. Para contratos, considere número, partes e versão; para projetos de engenharia, obra, disciplina e revisão; para documentação trabalhista, matrícula, vínculo, competência e tipo. Esses campos são exemplos para levantamento e não um padrão universal. Defina formatos de datas, valores permitidos e responsabilidade pela conferência. Evite incluir CPF ou informações clínicas em nomes de arquivo acessíveis a todos. Sempre que possível, armazene atributos sensíveis em um sistema com permissões adequadas.

9. Separar lotes de produção verificáveis

Organize o trabalho em lotes que possam ser conferidos e eventualmente refeitos sem afetar todo o projeto. O lote precisa ter fronteiras claras: caixas de origem, intervalo de pastas, classe documental ou período. Não misture materiais pendentes com materiais liberados. Ao trocar de lote, registre contagem preliminar, operador e condições de captura. Um identificador único ajuda a relacionar a imagem final, a planilha de metadados, os registros de ocorrências e o termo de entrega. Esse vínculo torna uma auditoria posterior possível sem reconstruir a história manualmente.

10. Executar uma amostra piloto realista

Selecione um conjunto que contenha documentos normais e difíceis: frente e verso, papéis pequenos, tintas fracas, páginas curvas, anexos, carimbos e documentos sem nome evidente. Entregue o piloto a um usuário que não acompanhou a preparação e peça que encontre documentos por perguntas típicas do trabalho. Anote o tempo e os erros encontrados. Aprove o método somente depois de conferir ordem, identificação e acesso. Uma amostra composta apenas por folhas novas pode demonstrar velocidade, mas não revela os riscos que mais geram retrabalho em acervos históricos.

11. Organizar equipes e permissões

Estabeleça quem pode retirar documentos, preparar folhas, operar o scanner, corrigir metadados e aceitar resultados. Quem identifica uma inconsistência não deve apagá-la do registro sem justificativa. Em materiais com dados pessoais, reduza o acesso ao necessário, utilize áreas autorizadas e defina regras para cópias temporárias. Para arquivos clínicos e de funcionários, a separação por cliente, unidade e perfil de acesso precisa ser prevista antes da exportação. O processo deve continuar rastreável mesmo quando dois turnos ou fornecedores diferentes trabalham no mesmo conjunto.

12. Controlar transporte e devolução

Caso exista deslocamento físico, combine embalagem, coleta, transporte, recebimento e armazenamento temporário com identificação de responsáveis. A documentação de remessa deve dizer o que foi entregue, em que condição e para qual local. Ao concluir, confira se todas as caixas previstas constam do protocolo de devolução. A disponibilidade de coleta não implica que ela esteja incluída em qualquer proposta: preço, prazo e riscos devem constar do escopo. Nenhuma destruição dos originais deve ser presumida pelo simples fato de existir um PDF pesquisável.

13. Encerrar a preparação com um termo de liberação

Antes de iniciar a captura em escala, confirme se classificação, lote, exceções, parâmetros, responsáveis e padrão de indexação foram aprovados. O termo de liberação pode ser simples, desde que identifique a versão do procedimento. Se o cliente modificar a estrutura de campos no meio da produção, registre o impacto nos arquivos já processados e determine se precisarão de conversão. Essa disciplina evita divergências entre lotes antigos e novos. O resultado esperado é um acervo preparado para captura, com pendências visíveis e decisões importantes documentadas.

Guia 2 — Captura, formatos e controle de qualidade da imagem

Este roteiro apresenta verificações práticas para um projeto empresarial. As etapas são adaptáveis ao acervo, à política documental e às obrigações aplicáveis. Use-o para preparar o levantamento, discutir critérios com o cliente e registrar a aceitação dos lotes.

1. Especificar o que significa legibilidade

Qualidade não é apenas uma imagem bonita na tela. Uma digitalização adequada permite distinguir nomes, números, sinais, carimbos, rubricas, anotações e informações próximas às bordas. O cliente deve informar quais características são essenciais para seu uso e quais regras específicas se aplicam à categoria documental. Registre defeitos considerados impeditivos e condições aceitáveis em documentos cujo original já está degradado. Esse critério evita rejeições subjetivas depois de milhares de páginas capturadas e orienta a escolha das configurações do scanner.

2. Comparar resolução com o original

A resolução deve ser decidida a partir do tamanho dos caracteres, estado do papel, finalidade e exigências aplicáveis. Trezentos pontos por polegada costumam ser uma referência operacional para muitos documentos correntes, mas não substituem avaliação técnica nem atendem automaticamente a todos os requisitos. Textos minúsculos, desenhos com detalhes finos ou originais especiais podem exigir abordagem diferente. Digitalizar em resolução elevada não devolve informação que desapareceu do papel. Faça uma captura de teste, compare detalhes ampliados e documente a decisão com exemplos aprovados.

3. Escolher cor, cinza ou preto e branco

A cor pode carregar significado documental: destaques manuscritos, carimbos, assinaturas, selos, diferenças de tinta e marcações de revisão. Converter esses elementos para preto e branco pode eliminar contrastes essenciais. Em outros conjuntos, tons de cinza ou monocromia podem ser adequados, desde que a comparação com o original confirme legibilidade. Não altere o perfil de captura apenas para reduzir tamanho de arquivo sem nova validação. Quando houver exigência de preservação da cor ou fidelidade, registre o parâmetro na instrução de trabalho para todos os lotes.

4. Capturar frente e verso com regra explícita

Documentos aparentemente preenchidos apenas na frente podem ter autenticações, carimbos, termos ou observações no verso. Defina se o projeto utilizará captura duplex e como páginas realmente em branco serão detectadas. A remoção automática deve ter limiar validado, pois folhas claras, impressões fracas e documentos térmicos podem ser classificados incorretamente como vazios. Compare amostras com originais frente e verso e registre a quantidade descartada por regra. Não elimine páginas com conteúdo apenas porque a ferramenta encontrou poucos pixels escuros.

5. Evitar cortes e distorções de enquadramento

Configure tamanho e orientação conforme o material recebido. Pequenos recibos podem passar desalinhados no alimentador, enquanto folhas maiores podem exigir captura específica. O corte automático facilita produção, mas também pode excluir números de registro e marcas junto às margens. Avalie cantos, bordas, páginas dobradas e documentos com conteúdo próximo à lombada. Corrigir inclinação não autoriza deslocar o texto para fora da área útil. Uma inspeção visual por amostragem e alertas de tamanho inesperado ajudam a detectar perdas antes da entrega.

6. Manusear livros e documentos encadernados

Livros de cartório, atas e cadernos técnicos não devem ser tratados como maços de folhas soltas. A curvatura junto à lombada pode distorcer números, ocultar palavras ou prejudicar OCR. Prefira equipamento ou método que limite esforço mecânico e permita captar a página integral. Registre a numeração original e as folhas eventualmente não numeradas. Avalie se a paginação do PDF precisará de correspondência com fólio e verso. Jamais desmonte uma encadernação ou pressione uma lombada frágil sem autorização e avaliação de conservação.

7. Proteger suportes frágeis e diferentes

Papel vegetal, documentos muito antigos, mapas, envelopes e formulários pequenos exigem avaliações distintas. Alguns materiais não podem percorrer roletes sem risco de rasgo; outros precisam de apoio plano ou fundo de contraste. Separe a operação especial do fluxo convencional para não comprometer produtividade nem segurança. Registre o método utilizado em cada classe. Um documento que não possa ser digitalizado naquele momento deve constar de lista de pendências, com motivo e alternativa proposta, em vez de desaparecer da relação de itens recebidos.

8. Definir formatos e entregáveis sem confusão

O formato do arquivo deve corresponder ao objetivo. PDF pesquisável reúne páginas e facilita consulta; PDF/A destina-se à preservação de longo prazo sob regras próprias; TIFF pode integrar fluxos de imagem; JPEG pode atender aplicações específicas, mas utiliza compressão com perdas. A extensão sozinha não comprova conformidade: é necessário validar o arquivo produzido. Decida se cada documento resultará em PDF individual, conjunto por processo ou estrutura hierárquica. Especifique também nomes, índices e eventuais imagens matrizes exigidas no contrato.

9. Distinguir tratamento visual de alteração do conteúdo

Operações como correção de inclinação, ajuste de contraste e remoção de ruído precisam ser validadas para não apagar detalhes legítimos. O tratamento não deve criar uma interpretação nova do documento. Compare periodicamente imagem tratada e imagem obtida na captura, especialmente em escritos apagados ou campos pequenos. Se a versão de referência for importante para o projeto, defina como ela será preservada. Para textos manuscritos, não se deve substituir a leitura visual por uma transcrição automática sem indicar a origem e a confiabilidade do reconhecimento.

10. Aplicar controle por lote e por risco

Uma amostra única de dez páginas pode ser inadequada em um lote que contenha documentos muito heterogêneos. Estratifique a revisão por tipo, equipamento, operador ou característica crítica. Inclua inspeções dirigidas em documentos com mais risco de falha: papéis claros, páginas curvas, frente e verso e identificadores obrigatórios. Registre quantidade conferida, erro encontrado, correção feita e nova verificação. A taxa aceitável de erro deve ser definida no projeto, não inventada como promessa universal. Ocorrências repetidas podem justificar suspensão temporária para ajustar a configuração.

11. Conciliar contagens e sequência

Compare o número de páginas capturadas, folhas recebidas e documentos esperados, reconhecendo que essas unidades não são equivalentes. Uma folha duplex pode gerar duas imagens; um documento multipágina pode gerar um único arquivo; páginas em branco podem obedecer a regra contratual. A conciliação deve explicar essas diferenças. Confira a sequência em amostras de início, meio e fim do lote, além de mudanças de pasta. A ausência de página final costuma passar despercebida quando a revisão observa apenas a primeira folha de cada documento.

12. Validar os requisitos legais de cada acervo

Quando o Decreto 10.278/2020 for aplicável, verifique os requisitos de digitalização, integridade, rastreabilidade e demais condições previstos na norma e em seus anexos, conforme o caso. Não afirme que todo PDF digitalizado possui automaticamente os mesmos efeitos jurídicos do original. Acervos de saúde, cartórios, recursos humanos e engenharia podem envolver regras setoriais, contratos e políticas documentais próprias. Documente a análise e quem a aprovou. A consulta à legislação oficial é parte do planejamento, mas não substitui orientação jurídica para decisões específicas.

13. Registrar aceitação e possibilidade de refazer

Ao final da captura, entregue um resumo com lotes tratados, volumes contabilizados, formato, parâmetros de digitalização, ressalvas e pontos que exigem revisão. Defina prazo e canal para comunicação de falhas. Caso um arquivo precise ser substituído, preserve rastreabilidade da versão corrigida e deixe claro qual será considerada definitiva. O aceite não deve ocultar pendências não resolvidas. Um processo de correção previsível reduz disputas e mantém a confiança do cliente nos arquivos mesmo quando o acervo físico contém defeitos de origem.

Guia 3 — OCR, metadados, segurança e entrega pesquisável

Este roteiro apresenta verificações práticas para um projeto empresarial. As etapas são adaptáveis ao acervo, à política documental e às obrigações aplicáveis. Use-o para preparar o levantamento, discutir critérios com o cliente e registrar a aceitação dos lotes.

1. Entender o que o OCR realmente entrega

Reconhecimento óptico de caracteres converte padrões visuais em hipóteses de texto. Em um PDF pesquisável, essa camada pode permitir localizar palavras sem alterar a imagem da página. Entretanto, encontrar texto não prova que os caracteres foram reconhecidos corretamente. Um número trocado ou nome de paciente lido de forma incompleta pode comprometer uma busca. Por isso, defina previamente quais campos terão validação independente. O OCR deve apoiar a recuperação documental, enquanto a imagem original e o contexto do arquivo continuam necessários para conferir informação crítica.

2. Identificar idiomas e limitações

Configure os idiomas que realmente aparecem nos documentos e teste formulários, abreviações, carimbos e fontes pequenas. Acervos antigos podem apresentar manchas, variações de impressão, texto curvado e escrita manuscrita, reduzindo a precisão. Um motor treinado em português não compreende automaticamente estrutura de tabela, relação entre campos e nomes próprios. Antes de prometer pesquisa integral, execute amostra com documentos difíceis e registre limitações observadas. O cliente deve saber que resultados ausentes na busca podem decorrer de erro de reconhecimento, não necessariamente da inexistência do documento.

3. Distinguir OCR de indexação por campos

OCR integral permite procurar palavras em diferentes páginas. Indexação estruturada cria atributos definidos, como número de contrato, competência, tipo documental, obra ou matrícula. Os dois recursos se complementam. Se o nome aparece em uma observação, ele não deve ser capturado automaticamente como titular do processo. A regra de extração precisa considerar rótulo, posição, consistência e contexto. Crie uma tabela de campos obrigatórios, opcionais e sujeitos a revisão. Essa definição torna a pesquisa previsível mesmo quando textos semelhantes aparecem em documentos de pessoas diferentes.

4. Validar a identificação de pessoas

Em fichas e prontuários, o início de um novo titular nem sempre coincide com uma nova página em branco ou um cabeçalho perfeitamente legível. Compare os campos de identificação permitidos, a sequência documental e eventuais páginas de continuidade. Diante de homônimos, não dependa apenas de similaridade de nomes. Datas e identificadores adicionais devem ser utilizados somente quando houver base adequada e necessidade operacional. Uma página sem nome não pode ser transferida silenciosamente ao arquivo seguinte. Encaminhe dúvidas para revisão humana com registro da decisão.

5. Preservar a unidade documental

A segmentação determina onde começa e termina cada documento. Uma ficha clínica ou relatório multipágina não deve ser dividido porque a segunda folha perdeu o cabeçalho. Da mesma forma, anexos de contrato precisam permanecer vinculados ao documento correspondente. Defina regras de separação por marcadores, tipos documentais, transições de página e validação humana. Quando houver múltiplas ocorrências para a mesma pessoa ou processo, identifique cada conjunto sem unificar histórias independentes por engano. A unidade documental deve refletir a informação e não simplesmente a conveniência do software.

6. Planejar um vocabulário controlado

Crie uma relação aprovada de tipos documentais para evitar variações como contrato, contratos e instrumento contratual referindo-se ao mesmo grupo sem intenção. Para áreas técnicas, inclua disciplina, revisão e fase do projeto quando fizer sentido. Para documentos de funcionários, diferencie admissão, férias, rescisão e comprovantes. Mantenha um dicionário de campos com definição, formato e exemplo válido. O objetivo não é tornar a captura complexa, mas impedir que cada operador escolha nomenclaturas diferentes que diminuam a precisão de filtros e relatórios.

7. Estabelecer regras de nomeação

O nome do arquivo deve ajudar a identificar o documento sem expor dados pessoais desnecessários. Uma convenção pode combinar classe, período e identificador interno, com caracteres permitidos e tratamento de duplicidades. Evite nomes extremamente longos ou dependentes de símbolos que não funcionem em todos os sistemas. Preveja versões e ocorrência adicional com sufixos consistentes. A escolha deve ser testada no repositório final, pois limites e regras variam entre sistemas. Os metadados completos, sobretudo os sensíveis, podem ficar em banco controlado, não no nome visível.

8. Fazer testes de busca orientados ao usuário

Monte uma lista de perguntas que alguém da empresa faria: localizar o último aditivo de um contrato, consultar um ASO por período autorizado ou encontrar o laudo de determinada obra. Execute as buscas por campos estruturados e por texto integral. Compare o resultado com o acervo esperado. Meça falsos positivos, documentos omitidos e tempo necessário para chegar ao arquivo correto. Registre consultas que fracassaram e ajuste OCR, indexação ou estrutura. Uma demonstração que encontra apenas termos escolhidos pelo fornecedor não é teste suficiente para aprovar o serviço.

9. Revisar o conteúdo sem reescrever o original

A revisão de OCR deve apontar erro ou gerar metadados corrigidos sem modificar o sentido da imagem digitalizada. Quando a transcrição de um trecho for necessária, identifique que se trata de texto de apoio e preserve o original. Em documentos com assinatura, carimbo ou informação manuscrita, uma transcrição pode omitir elementos visuais relevantes. O procedimento de qualidade precisa distinguir correção de orientação, substituição de imagem defeituosa e ajuste do texto reconhecido. Esse histórico ajuda a explicar por que duas versões do mesmo arquivo apresentam texto pesquisável diferente.

10. Proteger dados e controlar permissões

Documentos podem conter dados pessoais comuns e sensíveis, inclusive informações clínicas e trabalhistas. O projeto precisa definir controles de acesso, confidencialidade, transferência segura e descarte de cópias temporárias. Evite plataformas de teste públicas e compartilhamento por links abertos. Consulte os responsáveis por privacidade e segurança sobre papéis dos usuários, registros de acesso e resposta a incidentes. A LGPD não é atendida apenas pela presença de senha; tratamento e retenção devem ter finalidade, responsabilidades e salvaguardas compatíveis com o contexto.

11. Validar PDF e PDF/A tecnicamente

Um arquivo chamado PDF/A pode não estar conforme a especificação. Se a preservação de longo prazo fizer parte do escopo, use validação apropriada e registre os resultados. A existência de texto OCR não substitui metadados, estrutura de arquivo nem políticas de preservação. Verifique abertura em leitores diferentes, integridade, fontes incorporadas quando aplicáveis e ausência de arquivos corrompidos. Caso exista assinatura digital ou mecanismo específico de integridade, defina como será verificado e armazenado. Não prometa validade jurídica universal com base apenas na extensão do arquivo.

12. Preparar entrega e migração para o ECM

Combine se o cliente receberá arquivos em pastas, uma planilha de indexação, pacote de importação ou carga para um sistema ECM/GED. Teste nomenclatura e campos no destino real. Em soluções com acesso por departamento, valide permissões com representantes de cada área antes de liberar o acervo. Entregas por nuvem exigem regras de compartilhamento, expiração e confirmação de recebimento; mídias físicas exigem cadeia de custódia compatível. Mantenha uma lista de itens entregues e ressalvas, de modo que o cliente possa conferir o conjunto sem depender da equipe de produção.

13. Definir aceite, manutenção e correções

O termo de aceite deve identificar lotes, critérios avaliados, pendências assumidas e canal para correção. Distingua defeito da captura de problema que já existia no documento físico. Determine como versões substituídas serão identificadas e se o cliente precisa atualizar índices ou links ao receber um novo arquivo. Após implantação, acompanhe dúvidas dos usuários: buscas que falham indicam oportunidades de melhorar nomenclatura, campos ou instruções. O resultado de um projeto não é somente volume digitalizado, mas capacidade sustentável de recuperar e utilizar informação.

14. Separar digitalização de destinação documental

A produção de uma cópia digital não determina automaticamente que o original possa ser eliminado. A decisão depende de espécie documental, temporalidade, obrigações legais, requisitos técnicos e autorização competente. Quando o projeto incluir descarte, planeje procedimento próprio, com seleção, autorização, rastreabilidade e comprovação. Documentos com valor permanente ou exigências específicas precisam de tratamento apropriado. Informe claramente quais decisões pertencem ao cliente e quais serviços foram contratados. A orientação sobre retenção deve ser revisada conforme instrumentos documentais e normas aplicáveis, não deduzida do sucesso do OCR.