Como usar IA para revisar romaneios de carga e descarga

Revisar romaneios de carga e descarga com IA significa usar um modelo de linguagem com saída estruturada para ler o documento (PDF, planilha ou foto), extrair campos como placa, volumes, horários e assinaturas, e apontar divergências automaticamente. Em vez de um conferente ler cada romaneio item por item, a IA devolve uma lista de ocorrências priorizadas, e a equipe humana valida os casos críticos.

O ganho não vem de “substituir” a conferência, e sim de tirar do time a parte mecânica: somar volumes, comparar com o manifesto, checar se a assinatura e a observação estão presentes. Neste guia você vê o fluxo, um esquema de extração em JSON, o tratamento de romaneio em foto, o papel da conferência humana e os cuidados com LGPD ao processar dados de motoristas e clientes.

Resumo rápido

• Romaneio em foto ou PDF pode ser lido com OCR e depois interpretado por um LLM com saída estruturada.
• Extração estruturada força o modelo a devolver campos fixos em JSON, como volumes, placa, horários e ocorrências.
• A IA compara o romaneio com o manifesto e gera um resumo de divergências, mas não decide sozinha o que é fraude.
• Divergência de volume, assinatura faltante e observação incompleta são os três alertas mais comuns.
• Dados de motoristas e clientes são dados pessoais, então a LGPD vale desde o primeiro romaneio processado.
• Você precisa de um fluxo de conferência humana e de um registro de auditoria antes de automatizar.

O que é revisar romaneio com IA

Romaneio é o documento que registra o que foi carregado ou descarregado em um veículo em determinado dia. Ele costuma trazer data, placa, motorista, cliente, quantidade de volumes, peso, horários de entrada e saída e observações. A revisão tradicional é humana e lenta, e é onde as divergências passam batido.

Revisar com IA é montar um pipeline em que o documento entra, o texto é extraído, um modelo de linguagem interpreta o conteúdo e devolve dados estruturados. Depois, uma regra de negócio compara esses dados com a fonte de verdade, como o manifesto de carga ou o sistema de gestão (WMS ou TMS). O resultado é uma lista de ocorrências, não um monte de texto solto.

Por que extração estruturada resolve o problema

Um LLM que só “descreve o documento” devolve texto livre, e texto livre não entra em regra de comparação. A extração estruturada força o modelo a responder dentro de um formato definido por você, com campos e tipos fixos. A documentação da OpenAI descreve esse recurso como uma forma de garantir que a resposta siga um JSON Schema fornecido, evitando chave ausente ou valor inválido. A documentação do Gemini segue a mesma linha: você configura o modelo para aderir a um JSON Schema e simplifica a extração de dados de texto não estruturado.

Na prática, isso muda tudo: se você define que volumes é um número, o modelo não vai inventar “aproximadamente 20”. Se define que assinatura_presente é booleano, a resposta só pode ser verdadeiro ou falso. Use esse recurso para extração de dados, classificação de ocorrência e geração de entrada para a próxima etapa do fluxo.

Saída estruturada versus texto livre

Um esquema de extração em JSON

O esquema abaixo é um ponto de partida. Ele representa o que você quer puxar de cada romaneio. Ajuste os nomes dos campos ao seu sistema antes de colocar em produção.

{
  "transportadora": "string",
  "data_romaneio": "YYYY-MM-DD",
  "placa": "string",
  "motorista": "string",
  "cliente": "string",
  "origem": "string",
  "destino": "string",
  "volumes_declarados": 0,
  "volumes_conferidos": 0,
  "peso_kg": 0.0,
  "hora_entrada": "HH:MM",
  "hora_saida": "HH:MM",
  "assinatura_presente": true,
  "observacao": "string",
  "ocorrencias": [
    { "tipo": "divergencia_volume|assinatura_ausente|observacao_incompleta|outro",
      "descricao": "string",
      "severidade": "alta|media|baixa" }
  ]
}

Note que volumes_declarados e volumes_conferidos são números distintos: a comparação entre eles é o que revela divergência. O campo ocorrencias é uma lista, porque um mesmo romaneio pode ter mais de um problema.

Fluxo passo a passo

1. Entrada do documento. O romaneio chega por e-mail, upload em portal, foto do celular ou pasta compartilhada. Padronize as entradas para não perder nada.
2. Pré-processamento. Se for PDF com texto, extraia direto. Se for imagem ou PDF escaneado, rode OCR (reconhecimento óptico de caracteres) antes de mandar ao modelo.
3. Leitura com LLM e saída estruturada. Envie o texto mais o seu JSON Schema. Algumas APIs aceitam a imagem direto e fazem visão e extração numa só chamada.
4. Validação do JSON. Confirme que a resposta bate com o schema. Se o provedor sinalizar recusa de segurança, trate como exceção e mande para revisão humana.
5. Comparação com a fonte de verdade. Confronte volumes, peso, cliente e horários com o manifesto ou o sistema de gestão.
6. Geração do resumo de ocorrências. Monte uma lista priorizada por severidade, com o motivo de cada alerta.
7. Conferência humana. O responsável valida os casos marcados e decide o que fazer.
8. Registro. Guarde a extração, o alerta e a decisão humana para auditar depois.

Como tratar romaneio em foto ou PDF

Foto de celular tem sombra, papel torto e letra à mão. Três caminhos resolvem a maioria dos casos.

OCR seguido de LLM

Você extrai o texto com um serviço de OCR e manda o texto ao LLM. Funciona bem quando o romaneio é impresso. Para documentos digitalizados com estrutura complexa, há serviços dedicados de processamento de documentos que combinam OCR com extração de campos.

Visão direta no modelo multimodal

Modelos multimodais recebem a imagem e respondem ao pedido de extração. A documentação do Gemini descreve esse uso: modelos que processam imagem e texto não estruturado, inclusive legendagem, classificação e resposta visual. É o caminho mais simples quando a foto está legível e você não quer montar duas etapas.

Modelo local no celular

Para volumes altos com foto, um kit de OCR embarcado no aparelho reduz o envio de imagem para a nuvem e ajuda na privacidade. O trade-off é que a qualidade cai em letra cursiva e documento amassado.

O papel da conferência humana

A IA aponta, o humano decide. Essa divisão é o que torna o uso seguro. O modelo é bom em ler e comparar números repetitivos, mas não conhece o contexto do cliente, não sabe que este mês a transportadora aceitou uma carga parcial por acordo comercial e não distingue um erro de digitação de um desvio real.

Defina uma trilha de decisão: ocorrência de severidade alta vai obrigatoriamente para um conferente; ocorrências de baixa severidade podem seguir com aprovação em lote. Guarde o registro de quem aprovou o quê. Sem isso, você tem automação sem controle.

Onde a IA não deve decidir sozinha

• Aplicar penalidade ou cobrar diferença de frete. Decisão financeira com impacto jurídico fica com o humano.
• Concluir que houve fraude. O sistema sinaliza padrão suspeito, não acusa.
• Recusar uma carga. A liberação ou bloqueio do veículo é do gestor de operação.
• Encerrar uma ocorrência. Só o responsável fecha o caso depois de checar a causa.
• Descartar documento ilegível sem aviso. Foto que o OCR não leu deve virar pendência, não sumir.

Erros comuns

• Pedir ao modelo que “resuma o romaneio” e depois tentar comparar números dentro de um texto corrido. Use extração estruturada.
• Não validar o JSON devolvido antes de usar em regra de negócio.
• Deixar a IA marcar divergência como fraude sem conferência humana.
• Processar CPF, CNH e endereço de motoristas sem base legal e sem controle de acesso.
• Mandar foto de romaneio para a nuvem sem checar como o provedor trata os dados.
• Não registrar a decisão humana, o que quebra a auditoria depois.
• Automatizar sem dataset de teste: você não tem como medir se o sistema acerta.

Exemplo: transportadora em Goiânia (GO)

Uma transportadora de médio porte em Goiânia recebe romaneios de descarga em foto pelo celular do conferente. O processo atual é o time abrir cada imagem, digitar os volumes numa planilha e comparar com o manifesto. O gargalo é a digitação e a conferência manual de assinatura e observação.

No desenho proposto, a foto entra num fluxo automatizado: OCR extrai o texto, um modelo com saída estruturada devolve o mesmo JSON deste guia, e uma regra compara volumes_declarados com o manifesto. Se os números batem, o romaneio é arquivado. Se não batem, o alerta de severidade alta vai para o conferente. Se a assinatura está ausente ou a observação está vazia quando deveria estar preenchida, sai um alerta de severidade média. No fim do dia, o gerente recebe um resumo de ocorrências por placa e por cliente. O objetivo é reduzir digitação e padronizar a conferência, não substituir o conferente: os casos marcados continuam passando por gente. Os resultados variam por operação e devem ser medidos no seu próprio piloto.

LGPD ao processar dados de motoristas e clientes

Romaneio traz nome do motorista, placa, cliente e às vezes documento. Nome, CPF e CNH são dados pessoais, e a Lei 13.709/2018 (LGPD) se aplica desde o primeiro documento processado. Alguns cuidados.

Base legal e finalidade

Você precisa de uma base legal para tratar o dado e de uma finalidade clara. Conferência de carga e controle de operação costumam se encaixar em execução de contrato ou legítimo interesse, mas quem decide isso é o seu jurídico, não a ferramenta. Documente a finalidade.

Minimização e mascaramento

Extraia só o que a tarefa exige. Se o alerta pode ser identificado por placa, não mande o CPF do motorista para o modelo. Mascare documento quando ele não for necessário para a conferência.

Controle de acesso e retenção

Limite quem lê os romaneios processados e defina por quanto tempo guardar. A ANPD é a autoridade que regula e fiscaliza a aplicação da LGPD no Brasil, então o material dela é a referência para dúvidas de conformidade.

Contrato com o provedor

Ao enviar dados para uma API externa, verifique como o provedor trata armazenamento e treinamento com os seus dados. A escolha do plano e das configurações afeta isso.

Perguntas frequentes

Preciso de OCR mesmo se o modelo lê imagens?

Nem sempre. Se o romaneio é impresso e a foto está legível, um modelo multimodal pode fazer leitura e extração numa chamada. O OCR separado ajuda quando o documento é escaneado, tem estrutura densa ou letra à mão.

Que campos eu devo extrair primeiro?

Comece pelos que geram ocorrência: volumes declarados, volumes conferidos, placa, data, assinatura presente e observação. Só depois amplie para peso e horários.

Como saber se a extração acertou?

Monte um conjunto de romaneios já conferidos por humano e compare o que a IA devolveu com o gabarito. Meça campo a campo antes de ir para produção.

Posso usar a IA para bloquear a saída de um veículo?

Não sozinha. O sistema aponta o risco, mas a decisão de bloquear é do responsável de operação, com registro da justificativa.

Isso substitui o conferente?

Não. Reduz digitação e padroniza a conferência. O julgamento de casos críticos continua com pessoas.

O que faço quando o modelo recusa responder?

Trate como exceção. Envie o romaneio para revisão humana e registre o motivo. Saídas estruturadas permitem detectar recusa de forma programática em alguns provedores, o que facilita esse tratamento.

Fontes e leitura recomendada

• OpenAI: Structured Outputs
• Gemini API: Structured outputs
• Gemini API: Image understanding
• Google Cloud: Document AI (visão geral)
• Google ML Kit: reconhecimento de texto
• Lei 13.709/2018 (LGPD) no Planalto
• ANPD: Autoridade Nacional de Proteção de Dados
• ANTT: Agência Nacional de Transportes Terrestres

Para aprofundar, veja no IA Mágica function calling e structured outputs, um exemplo de automação com n8n para pequenas empresas e os cuidados de segurança e LGPD na implantação de IA.