Quando você copia um contrato, uma norma ou um manual com listas numeradas e joga o texto em uma IA, a resposta pode vir certa no conteúdo e errada na estrutura. Itens de segundo nível aparecem como se fossem de primeiro, e a numeração 1.1.2 vira uma sequência solta de 1, 1, 2. Em documentos assim, a hierarquia não é enfeite: ela é o que diz a qual cláusula o item pertence.
O caminho é conferir a estrutura antes de perguntar e exigir que a IA cite o número do item em cada resposta. Neste guia: por que a hierarquia se perde na conversão, como detectar isso a tempo, quais formatos preservam níveis e como pedir referências que você consiga conferir na fonte.
Resumo rápido
- A hierarquia se perde quando a numeração é gerada pelo editor, o recuo é feito com espaços e os marcadores viram imagem ou glifo.
- Antes de consultar a IA, peça que ela devolva a estrutura do texto e confira os níveis.
- Converta para um formato que guarde níveis (Markdown ou HTML) em vez de colar texto puro.
- Entregue à IA a chave de numeração: diga o que é cláusula, o que é inciso e o que é alínea.
- Exija que cada resposta cite o número do item (1.2.3) para você conferir na fonte.
- Em documento jurídico, item trocado de nível muda o alcance da obrigação.
Por que a hierarquia se perde na conversão
Um parágrafo com recuo pode significar coisas diferentes dependendo de como foi montado. Nos editores de texto, a numeração multinível costuma ser um recurso automático: o programa guarda a posição do item em uma árvore e só desenha o número na tela. Esse dado de nível vive no arquivo, não no texto visível.
Quando o documento sai desse ambiente, o dado de nível se perde. O que sobra é o resultado visual: um número seguido de recuo. Se o recuo for feito com espaços ou tabulação, o conversor trata a linha como texto comum. Se o marcador ou o número for uma imagem, ele simplesmente desaparece. Se for um glifo de fonte especial, vira um caractere estranho ou um espaço.
O resultado prático é uma lista achatada. Dois itens que estavam em níveis diferentes passam a parecer irmãos, e a IA responde com base nessa leitura achatada. Ela não erra por incapacidade: ela responde ao que recebeu.
Os quatro pontos típicos de perda
- Numeração automática: o número não existe como texto, existe como campo do editor.
- Recuo com espaços ou tabulação: o nível vira espaçamento, e espaçamento o conversor ignora ou colapsa.
- Marcadores como imagem ou glifo: bullets e setas somem na extração.
- Quebra de linha forçada: textos longos dentro de um item se separam em linhas soltas e parecem itens novos.
Como identificar o problema antes de mandar o texto à IA
Existe um teste simples que cabe em duas etapas. Primeiro, peça à IA: “devolva a estrutura deste documento em forma de lista com níveis, sem resumir”. Segundo, compare o que voltou com o original, seção por seção. Não leia o conteúdo, olhe só a forma: o item 1.2 apareceu dentro do item 1 ou virou um item solto?
Sinais de que a hierarquia já se perdeu:
- Dois itens que você sabe estarem em níveis diferentes voltam com a mesma indentação.
- A numeração some no meio do texto e reaparece mais adiante.
- Itens que eram alíneas (a, b, c) voltam como incisos romanos (I, II, III) ou como itens sem marca.
- O documento inteiro aparece como uma lista única, sem agrupamento.
- A IA usa expressões vagas como “o item mencionado acima” em vez de citar um número.
Esse teste é rápido e evita a pior situação: receber um resumo bem escrito, aceitar, e só descobrir o erro quando alguém usa a informação errada.
Formas de conversão e o efeito sobre a numeração
A escolha do formato de conversão decide se a hierarquia sobrevive. A tabela abaixo compara os caminhos mais comuns.
| Forma de conversão | O que acontece com a numeração | Quando usar |
|---|---|---|
| Copiar e colar direto na IA | Hierarquia quase sempre achatada; numeração automática e recuos somem primeiro | Só para textos curtos, sem listas |
| Exportar para texto simples (.txt) | Níveis se perdem; se o recuo virou espaço, ainda dá para reconstruir com esforço | Quando você tem um script próprio de reconstrução |
| Exportar para Markdown | Preserva níveis que existem no editor e usa indentação padronizada por níveis | Texto que já vem de editor com listas reais |
| Exportar para HTML | Preserva níveis em marcadores de lista aninhada e cada item em seu próprio bloco | Documento com muitas listas e sublistas |
| PDF para texto | Depende do PDF: se a numeração é texto, sai legível; se é imagem, não sai | Último recurso, com conferência reforçada |
Uma observação prática sobre PDF: quando o documento foi digitalizado ou gerado com a numeração embutida como imagem, o texto extraído pode sair sem número nenhum. Nesse caso, não adianta pedir estrutura à IA; o texto de entrada não tem estrutura para ela ler.
O que fazer para preservar a hierarquia
Preservar a hierarquia é uma sequência de decisões pequenas, não uma ferramenta mágica.
1. Converta em um formato que tenha níveis
Markdown e HTML têm marcação explícita para listas dentro de listas. Isso significa que o nível está escrito no arquivo, e não implícito no recuo visual. Um conversor que reconhece listas reais do editor escreve essa marcação; você só precisa escolher a saída correta.
2. Revise a hierarquia antes de consultar
Abra a versão convertida e leia somente a coluna de numeração, de cima a baixo. Uma sequência coerente (1, 1.1, 1.1.1, 1.2) é sinal de que a conversão funcionou. Um salto ou uma repetição indica ponto de quebra.
3. Dê à IA a chave de numeração
Explique o vocabulário do documento antes da pergunta: “aqui, os itens de primeiro nível são cláusulas; os de segundo são incisos; os de terceiro são alíneas”. Com essa chave, a IA passa a usar os termos certos e evita tratar tudo como item genérico.
4. Peça a estrutura de volta como primeiro passo
Uma mensagem do tipo “antes de responder, liste a estrutura de numeração que você identificou neste texto” obriga a IA a expor a leitura dela. Se a estrutura devolvida não bate com o original, você corrige a entrada antes de fazer a pergunta de verdade.
5. Exija a referência do item em cada resposta
Instrua: “em cada afirmação, cite o número do item que a sustenta”. Isso transforma a resposta em algo conferível. Se a IA escreve “conforme o item 3.2.1”, você abre o documento e verifica em segundos.
Lista multinível de verdade e itens soltos com o mesmo marcador
Nem toda sequência de linhas com traços é uma lista multinível. Uma lista de verdade tem relação de pertencimento: o item de segundo nível pertence ao de primeiro, e a leitura faz sentido se você apagar o nível de cima. Itens soltos com o mesmo marcador têm outro comportamento: eles são independentes, e alterar a ordem não muda o sentido de nenhum.
O teste do pertencimento é apagar mentalmente o item pai. Se o filho perde o sentido, é uma hierarquia real. Se o filho se sustenta sozinho, você tem itens independentes que apenas foram formatados com o mesmo símbolo. Tratar os dois casos do mesmo jeito é a origem de muitos resumos errados.
| Característica | Lista multinível real | Itens soltos com mesmo marcador |
|---|---|---|
| Relação entre itens | Pertencimento: filho depende do pai | Independência entre itens |
| Numeração | Composta (1.2.3) e estável | Sequencial simples ou nenhuma |
| Efeito de mudar a ordem | Altera o sentido da leitura | Não altera o sentido |
| Risco na conversão | Alto: cada nível perdido muda o alcance do item | Baixo: o conteúdo continua legível |
Pedir à IA que devolva a referência do item
A instrução mais útil para trabalho com documentos numerados é curta: “cite sempre o número do item”. Vale a pena desdobrá-la em três regras.
- Referência obrigatória: toda afirmação sobre o documento carrega o número do item de origem.
- Sem número, sem afirmação: se a IA não encontra o item, ela deve dizer que não localizou, em vez de parafrasear de memória.
- Formato fixo: peça o formato exato, por exemplo “item 4.2.1”, para você conseguir buscar no texto com uma pesquisa simples.
Essas regras funcionam melhor quando a numeração chegou intacta. Elas não consertam uma entrada achatada: servem para você perceber a falha rápido e voltar à etapa de conversão. Se o tema é montar uma base de consulta sobre documentos, vale ver o guia prático de RAG com bancos vetoriais, porque a mesma lógica de origem verificável se aplica lá.
Exemplo: um departamento de compras em Belo Horizonte (MG)
Um departamento de compras de uma empresa de médio porte em Belo Horizonte recebia editais em PDF e os convertia com copiar e colar para pedir à IA um resumo das exigências de habilitação. O resumo vinha limpo e bem escrito. O problema apareceu quando a equipe foi montar a lista de documentos: exigências que pertenciam a um item de segundo nível apareciam como se fossem condições gerais do edital, e algumas condições gerais tinham subido para o nível de exigência eliminatória.
A correção não envolveu trocar de IA. O time passou a converter os editais preservando a indentação, revisando a sequência de numeração antes de qualquer pergunta, e a instruir a IA a citar o número do item em cada linha do resumo. A lista final virou uma tabela com três colunas: número do item, texto resumido e responsável pela conferência na fonte. Quando um número não aparecia no resumo, a pessoa voltava ao PDF e checava o item direto. O ganho foi de processo, não de velocidade: o resumo parou de ser usado como fonte e passou a ser usado como índice.
Erros comuns
- Colar o texto sem olhar a estrutura. O resumo fica bom e o erro passa na revisão.
- Confiar no recuo visual como sinal de nível. Recuo é formatação; nível é relação.
- Usar PDF escaneado esperando numeração. Se o número é imagem, ele não chega ao texto.
- Não dizer à IA o que é cláusula, inciso e alínea. Ela trata tudo como “item” e a resposta perde precisão.
- Aceitar paráfrase sem referência. Sem o número, não há como conferir.
- Reconstruir a numeração só no final. Corrigir depois é mais caro do que preservar na entrada.
Perguntas frequentes
Preciso mesmo converter antes de perguntar à IA?
Se o documento tem listas numeradas em vários níveis, sim. O custo de converter bem é baixo perto do risco de usar uma resposta com a estrutura errada.
Qual formato preserva melhor a hierarquia?
Em geral, Markdown ou HTML, porque os níveis ficam escritos no arquivo. O resultado depende do conversor reconhecer as listas do documento original.
Existe alguma forma de saber se a conversão quebrou algo?
Peça à IA para devolver apenas a estrutura de numeração, sem resumir. Depois, compare com o original na ordem. É o teste mais rápido que existe.
Como instruir a IA a citar o número do item?
Use uma regra curta e repetida: “cite o número do item em cada afirmação; se não localizar, diga que não localizou”. Deixe claro o formato exato da referência.
Documentos jurídicos exigem cuidado extra?
Sim. Em contrato, edital ou norma, o nível do item define o alcance da obrigação. Um inciso lido como cláusula autônoma pode criar uma exigência que o documento não prevê. A conferência na fonte não é opcional nesses casos.
Como converter documentos escaneados em etapas?
Primeiro passe por reconhecimento de texto, depois reconstrua a numeração conferindo com a imagem da página. Pipelines de extração ajudam nessa parte, e a lógica de página e ordem de leitura aparece em conteúdos como PDF com colunas e ordem de leitura.
Fontes e leitura recomendada
- MDN Web Docs: HTML. referência sobre elementos de lista aninhada e estrutura de documento.
- Pandoc: manual do usuário. conversão entre formatos com preservação de listas.
- CommonMark Spec. especificação de Markdown que define listas aninhadas e níveis.
- W3C Web Accessibility Initiative. boas práticas de estrutura e marcação semântica.
- Lei 14.133/2021 (Portal da Legislação). exemplo de norma com hierarquia de artigos, incisos e alíneas.
- Portal de Compras do Governo Federal. editais e documentos oficiais com estrutura numerada.
