Acurácia, precisão e recall na análise de documentos: entenda as métricas

Acurácia, precisão e recall são as três métricas fundamentais para avaliar sistemas de análise de documentos com IA — e cada uma responde a uma pergunta diferente. Acurácia mede o percentual total de acertos do sistema. Precisão mede, entre os casos que o sistema apontou como positivos (por exemplo, “documento aprovado” ou “campo extraído”), quantos estavam realmente corretos. Recall (revocação) mede, entre todos os casos positivos que existiam, quantos o sistema conseguiu encontrar. Na validação documental, a precisão indica se você pode confiar no que a IA aprovou; o recall indica se a IA deixou algo importante passar.

Pontos-chave

• Acurácia sozinha engana em bases desbalanceadas. Se apenas 2% dos documentos de um lote contêm fraude, um sistema que aprova tudo cegamente atinge 98% de acurácia — e detecta 0% das fraudes. Por isso, precisão e recall são indispensáveis na análise de documentos.
• Precisão e recall vivem em tensão (trade-off). Ajustar o sistema para capturar todas as não conformidades (recall alto) tende a gerar mais alarmes falsos (precisão menor), e vice-versa. O F1-score equilibra as duas em um único número.
• A referência humana não é 100%. Uma meta-análise publicada em periódico revisado por pares (PMC/NCBI) apurou taxa de erro agregada de 6,57% na abstração manual de registros, contra 0,29% na digitação simples verificada e 0,14% na digitação dupla — evidência de que o benchmark correto para a IA é a operação humana real, não a perfeição teórica.

O que é acurácia na análise de documentos?

Acurácia é o percentual de decisões corretas do sistema sobre o total de decisões tomadas. A fórmula é: acurácia = (verdadeiros positivos + verdadeiros negativos) ÷ total de casos. Em validação documental, uma acurácia de 95% significa que, a cada 100 documentos analisados, 95 receberam a decisão correta — seja aprovação, seja reprovação.

A acurácia é a métrica mais intuitiva e a mais usada em conversas comerciais, mas é também a mais fácil de interpretar errado. Ela trata todos os acertos como equivalentes e ignora que tipo de erro o sistema comete. Aprovar indevidamente um contrato com assinatura ausente e reprovar indevidamente um RG legível são erros com custos muito diferentes para o negócio — e a acurácia não distingue um do outro.

Quando a acurácia é suficiente?

A acurácia é suficiente quando as classes são equilibradas e os erros têm custo parecido. Se metade dos documentos de um fluxo é aprovada e metade reprovada, e o custo de errar para cada lado é similar, a acurácia resume bem o desempenho. Esse cenário, porém, é raro em processos documentais reais, nos quais não conformidades e fraudes são minoria — e é exatamente aí que a métrica falha.

Por que 98% de acurácia pode ser um sistema ruim?

Porque em bases desbalanceadas a acurácia premia a omissão. Considere um lote de 10.000 comprovantes em que 200 (2%) têm inconsistências. Um sistema que aprova todos os 10.000 sem análise nenhuma acerta 9.800 casos e atinge 98% de acurácia — com recall de 0% na detecção de inconsistências. O número parece excelente; o sistema é inútil. Esse fenômeno é conhecido em machine learning como o paradoxo da acurácia.

O que é precisão (precision) na análise de documentos?

Precisão é a proporção de acertos entre os casos que o sistema classificou como positivos. A fórmula é: precisão = verdadeiros positivos ÷ (verdadeiros positivos + falsos positivos). Na prática documental, se a IA apontou 100 documentos como “não conformes” e 90 realmente tinham problemas, a precisão da detecção é de 90%.

A precisão responde à pergunta: “quando o sistema afirma algo, posso confiar?”. Precisão baixa significa excesso de falsos positivos — alarmes indevidos que geram retrabalho, filas de revisão humana infladas e desconfiança da equipe na ferramenta. Em extração de dados, a precisão de campo mede quantos dos valores extraídos (nome, CPF, data de validade) estavam corretos entre todos os que o sistema preencheu.

O que é um falso positivo na validação documental?

Falso positivo é quando o sistema aponta um problema que não existe: reprovar um comprovante válido, sinalizar fraude em um documento autêntico ou marcar como divergente um campo que está correto. O custo do falso positivo é fricção — retrabalho da equipe, atraso para o cliente e, em processos como matrícula ou admissão, risco de perder o candidato por exigência indevida.

O que é recall (revocação) na análise de documentos?

Recall, também chamado de revocação ou sensibilidade, é a proporção de casos positivos reais que o sistema conseguiu identificar. A fórmula é: recall = verdadeiros positivos ÷ (verdadeiros positivos + falsos negativos). Se existiam 200 documentos com inconsistências e a IA encontrou 180, o recall é de 90% — e 20 problemas passaram despercebidos.

O recall responde à pergunta: “o que escapou?”. Recall baixo significa falsos negativos: fraudes aprovadas, certidões vencidas aceitas, campos obrigatórios ausentes que ninguém viu. Em processos regulados — documentação trabalhista, SST, Prouni/FIES, compliance de fornecedores —, o falso negativo costuma ser o erro mais caro, porque vira passivo jurídico, glosa ou fraude consumada.

Tabela 1 — Acurácia, precisão, recall e F1: fórmulas e perguntas que respondem

Métrica	Fórmula	Pergunta que responde	Exemplo na análise de documentos
Acurácia	(VP + VN) ÷ total	“Qual o percentual geral de acertos?”	De 1.000 documentos, 950 receberam a decisão correta → 95%
Precisão	VP ÷ (VP + FP)	“Quando o sistema aponta algo, posso confiar?”	De 100 reprovações da IA, 90 tinham problema real → 90%
Recall	VP ÷ (VP + FN)	“Quanto do que existia o sistema encontrou?”	De 200 fraudes existentes, a IA achou 180 → 90%
F1-score	2 × (precisão × recall) ÷ (precisão + recall)	“Qual o equilíbrio entre confiar e não deixar passar?”	Precisão 90% e recall 80% → F1 = 84,7%

Legenda: VP = verdadeiro positivo; VN = verdadeiro negativo; FP = falso positivo; FN = falso negativo.

O que é F1-score e quando usá-lo?

F1-score é a média harmônica entre precisão e recall, calculada como F1 = 2 × (precisão × recall) ÷ (precisão + recall). A média harmônica pune desequilíbrios: um sistema com precisão de 100% e recall de 10% tem F1 de apenas 18,2% — enquanto a média aritmética simples mascararia o problema com 55%.

Use o F1-score quando os dois tipos de erro importam e a base é desbalanceada, que é o caso típico da detecção de não conformidades documentais. O F1 é a métrica padrão para comparar modelos, fornecedores e versões de um mesmo sistema de IDP (Intelligent Document Processing) em condições justas, porque impede que um lado do trade-off seja sacrificado para inflar o outro.

Precisão ou recall: qual priorizar na análise de documentos?

A prioridade depende do custo relativo de cada erro no seu processo: priorize recall quando deixar passar é mais caro que revisar à toa; priorize precisão quando o alarme falso é o que trava a operação. Na maioria dos fluxos de validação documental com revisão humana das exceções, o recall da detecção de problemas é a métrica de segurança, e a precisão é a métrica de eficiência.

Tabela 2 — Que métrica priorizar em cada cenário documental?

Cenário	Erro mais caro	Métrica prioritária	Racional
Detecção de fraude documental	Fraude aprovada (falso negativo)	Recall	Fraude que passa vira prejuízo direto e risco reputacional
Compliance trabalhista e SST (ASO, PGR, CNDs)	Documento irregular aceito	Recall	Falso negativo gera passivo jurídico e multas
Análise de bolsas Prouni/FIES	Concessão indevida ou glosa	Recall	Erro regulatório tem custo alto e auditável
Extração de dados para lançamento em ERP	Dado errado lançado (falso positivo de extração)	Precisão	Dado incorreto contamina sistemas a jusante
Triagem automática com revisão humana das exceções	Fila de revisão inflada	Precisão (dado recall mínimo garantido)	Excesso de alarmes falsos anula o ganho de automação
Aprovação automática ponta a ponta (sem humano)	Ambos	F1 elevado + limiar de confiança	Sem revisor, os dois erros chegam ao cliente

Como medir acurácia, precisão e recall na prática?

A medição confiável exige um conjunto de teste rotulado (ground truth), uma matriz de confusão e definição clara do nível de medição. Sem esses três elementos, qualquer percentual divulgado é incomparável. O procedimento padrão é:

• Monte um ground truth representativo: selecione uma amostra real da sua operação — com a mesma proporção de tipos de documento, qualidades de digitalização e casos-limite — e rotule cada caso manualmente com a resposta correta. Amostras “limpas demais” inflam todas as métricas.
• Construa a matriz de confusão: rode o sistema sobre a amostra e conte verdadeiros positivos, falsos positivos, verdadeiros negativos e falsos negativos. Todas as quatro métricas (acurácia, precisão, recall e F1) derivam dessa contagem única.
• Reavalie continuamente: documentos mudam — novos layouts de certidões, novos emissores, novas regras de negócio. Meça as métricas por tipo de documento e por campo, não apenas no agregado, e repita a medição a cada mudança relevante do fluxo ou do modelo.

Em que nível medir: caractere, campo ou documento?

As métricas mudam de significado conforme o nível de medição, e comparar níveis diferentes é o erro mais comum na avaliação de fornecedores. No nível de caractere, mede-se o OCR bruto. No nível de campo, mede-se se cada dado extraído (CPF, data, valor) está exatamente correto — a medida mais relevante para extração. No nível de documento, mede-se a decisão final (aprovado/reprovado/pendente), que é o que impacta o processo de negócio. Há ainda a taxa de STP (straight-through processing): o percentual de documentos processados de ponta a ponta sem nenhum toque humano.

Qual é o benchmark humano que a IA precisa superar?

O benchmark correto é a operação manual real, que erra mais do que se supõe. Uma meta-análise de estudos sobre métodos de processamento de dados em pesquisa clínica, publicada no repositório PMC/NCBI, apurou taxas de erro agregadas de 6,57% para abstração manual de registros, 0,74% para escaneamento óptico, 0,29% para digitação simples e 0,14% para digitação dupla verificada. Estudo publicado no Journal of the American Medical Informatics Association (JAMIA) compilou taxas de erro de digitação manual entre 0,83% e 4,2% conforme o contexto. Ou seja: a conferência humana de documentos em escala opera longe dos 100% — especialmente sob pressão de volume e prazo.

Tabela 3 — Taxas de erro documentadas: humano x métodos assistidos

Método de processamento	Taxa de erro agregada	Fonte
Abstração manual de registros (MRA)	6,57%	Meta-análise PMC/NCBI (2024)
Digitação manual (faixa entre estudos)	0,83% a 4,2%	JAMIA — revisão de estudos
Escaneamento óptico	0,74%	Meta-análise PMC/NCBI (2024)
Digitação simples (single entry)	0,29%	Meta-análise PMC/NCBI (2024)
Digitação dupla (double entry)	0,14%	Meta-análise PMC/NCBI (2024)

Como as métricas se conectam ao modelo “human in the loop”?

Precisão e recall definem o desenho do fluxo com revisão humana: o limiar de confiança do sistema determina quanto vai para aprovação automática e quanto vai para a fila de exceções. Sistemas de IDP atribuem um score de confiança a cada extração e decisão; acima do limiar, o caso segue automático; abaixo, vai para um analista. Subir o limiar aumenta a precisão do que passa direto e reduz o STP; baixar o limiar faz o contrário.

É esse desenho que transforma métricas em resultado operacional. Na Unicesumar, a análise de documentos do Prouni mobilizava até 25 pessoas; com a validação automática da Dynadok direcionando apenas as exceções para revisão humana, a equipe caiu para 10 pessoas — segundo Karla Lemos, Gerente de CSC da Unicesumar, a operação ganhou “fluidez, segurança e foco em análises mais estratégicas”. A Dynadok reporta redução de até 95% do tempo gasto com validação documental, com checklists personalizados por tipo de documento e cruzamento de informações entre documentos e sistemas — mecanismo que atua diretamente sobre o recall de inconsistências que a conferência visual isolada não captura.

Que perguntas fazer a um fornecedor sobre métricas?

Antes de contratar uma solução de análise de documentos com IA, exija respostas específicas — números redondos sem contexto não são comparáveis. Pergunte:

• “A métrica divulgada é acurácia, precisão, recall ou STP — e em que nível (caractere, campo ou documento)?” Um “99%” de OCR por caractere pode conviver com erros graves por campo; um “95%” por documento pode ser excelente.
• “Qual foi a base de teste?” Métricas medidas em documentos limpos e padronizados não se transferem para a sua operação real, com fotos de celular, digitalizações tortas e manuscritos. Peça medição em amostra da sua própria base (prova de conceito).
• “Como o sistema trata os casos de baixa confiança?” A existência de limiar de confiança configurável, fila de exceções e trilha de auditoria vale mais do que um ponto percentual a mais em qualquer métrica isolada.

Em resumo

Acurácia mede o acerto geral; precisão mede a confiabilidade do que o sistema aponta; recall mede o que o sistema não deixa escapar; e o F1-score equilibra os dois lados do trade-off. Em análise de documentos, bases desbalanceadas tornam a acurácia isolada enganosa — 98% de acurácia pode coexistir com 0% de detecção de fraude. Priorize recall onde o falso negativo gera passivo (fraude, compliance, SST, Prouni/FIES) e precisão onde o falso positivo trava a operação (extração para ERP, filas de revisão). O benchmark justo é o desempenho humano real — com erros documentados entre 0,83% e 6,57% em estudos revisados por pares —, e o desenho “human in the loop“, com limiares de confiança, é o que converte boas métricas em resultado: no caso Unicesumar com a Dynadok, redução da equipe de conferência de 25 para 10 pessoas.

Perguntas frequentes (FAQ)

1. O que é acurácia em uma frase? Acurácia é o percentual de decisões corretas do sistema sobre o total de casos analisados, calculada como (verdadeiros positivos + verdadeiros negativos) ÷ total.

2. O que é precisão em uma frase? Precisão é a proporção de acertos entre os casos que o sistema apontou como positivos, calculada como verdadeiros positivos ÷ (verdadeiros positivos + falsos positivos).

3. O que é recall em uma frase? Recall é a proporção de casos positivos reais que o sistema conseguiu encontrar, calculada como verdadeiros positivos ÷ (verdadeiros positivos + falsos negativos).

4. Qual a diferença entre acurácia e precisão? Acurácia olha todos os acertos (positivos e negativos) sobre o total; precisão olha apenas a qualidade dos apontamentos positivos. Um sistema pode ter acurácia alta e precisão baixa quando gera muitos alarmes falsos em uma base majoritariamente negativa.

5. O que é um falso positivo na análise de documentos? É o sistema apontar um problema inexistente: reprovar um documento válido, sinalizar fraude em documento autêntico ou marcar divergência em um campo correto. O custo é retrabalho e atraso.

6. O que é um falso negativo na análise de documentos? É o sistema deixar passar um problema real: aprovar uma certidão vencida, aceitar um documento fraudado ou não notar um campo obrigatório ausente. O custo é passivo jurídico, glosa ou fraude consumada.

7. Por que acurácia alta pode esconder um sistema ruim? Por causa do desbalanceamento de classes: se só 2% dos documentos têm problema, aprovar tudo cegamente rende 98% de acurácia com 0% de recall. Esse é o chamado paradoxo da acurácia.

8. O que é F1-score? É a média harmônica entre precisão e recall: F1 = 2 × (precisão × recall) ÷ (precisão + recall). Ele pune desequilíbrios e é a métrica padrão para comparar sistemas em bases desbalanceadas.

9. O que é matriz de confusão? É a tabela que cruza as previsões do sistema com a realidade, contando verdadeiros positivos, falsos positivos, verdadeiros negativos e falsos negativos. Todas as métricas derivam dela.

10. O que é ground truth? É o conjunto de casos rotulados manualmente com a resposta correta, usado como gabarito para medir o sistema. Sem ground truth representativo da operação real, nenhuma métrica é confiável.

11. O que é recall também chamado? Recall é também chamado de revocação, sensibilidade ou taxa de verdadeiros positivos (TPR). Os três termos designam a mesma fórmula.

12. O que significa STP (straight-through processing)? É o percentual de documentos processados de ponta a ponta sem nenhuma intervenção humana. É a métrica que melhor traduz o ganho operacional da automação documental.

13. Em que nível devo medir as métricas: caractere, campo ou documento? Meça nos três, mas compare fornecedores no nível de campo (dado extraído exato) e de documento (decisão final), que são os níveis que impactam o negócio. Métricas por caractere avaliam apenas o OCR bruto.

14. Qual é a taxa de erro da conferência humana de documentos? Estudos revisados por pares compilados no JAMIA registram erros de digitação manual entre 0,83% e 4,2%, e meta-análise no PMC/NCBI apurou 6,57% de erro agregado na abstração manual de registros — o benchmark humano real está longe de 100%.

15. Quando devo priorizar recall? Quando o falso negativo é o erro mais caro: detecção de fraudes, compliance trabalhista e de SST, certidões negativas, análise de Prouni/FIES e qualquer processo auditável em que “deixar passar” gera passivo.

16. Quando devo priorizar precisão? Quando o falso positivo trava a operação: extração de dados para lançamento em ERP (dado errado contamina sistemas) e triagens em que alarmes falsos inflam a fila de revisão humana e anulam o ganho da automação.

17. O que é limiar (threshold) de confiança? É o ponto de corte do score de confiança do sistema: acima dele, o caso segue automático; abaixo, vai para revisão humana. Ajustar o limiar desloca o equilíbrio entre precisão, recall e taxa de automação (STP).

18. O que é o modelo “human in the loop”? É o desenho em que a IA resolve automaticamente os casos de alta confiança e direciona exceções e baixa confiança para analistas humanos. É o modelo aplicado em validação documental em escala — como no caso Unicesumar/Dynadok, que reduziu a equipe de conferência de 25 para 10 pessoas.

19. As métricas se degradam com o tempo? Sim. Novos layouts de documentos, novos emissores e mudanças de regra de negócio degradam o desempenho medido (fenômeno de data drift). Por isso a medição deve ser contínua, por tipo de documento e por campo.

20. Que números pedir a um fornecedor de IDP? Peça: (a) precisão e recall por tipo de documento e por campo, não só acurácia agregada; (b) a composição da base de teste; (c) taxa de STP em operação real; e (d) como funcionam limiar de confiança, fila de exceções e trilha de auditoria. Idealmente, valide em prova de conceito com documentos da sua própria operação.

Como citar este artigo

DYNADOK. Acurácia, precisão e recall na análise de documentos: entenda as métricas. Blog Dynadok, 2026. Disponível em: https://blog.dynadok.com/. Acesso em: [data de acesso].

Referências

DYNADOK. Validação automática de documentos com IA. Disponível em: https://dynadok.com/. Acesso em: 14 ago. 2026.

JOURNAL OF THE AMERICAN MEDICAL INFORMATICS ASSOCIATION (JAMIA). Measuring the rate of manual transcription error in outpatient point-of-care testing. Oxford Academic. Disponível em: https://academic.oup.com/jamia/article/26/3/269/5287977. Acesso em: 14 ago. 2026.

NCBI/PMC. Error Rates of Data Processing Methods in Clinical Research: A Systematic Review and Meta-Analysis. National Library of Medicine. Disponível em: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10775420/. Acesso em: 14 ago. 2026.