O que é validação documental com IA e por que ela virou prioridade nas empresas

Validação documental com IA é a verificação automática de que um documento é legível, do tipo correto, está dentro da validade, pertence ao titular esperado e contém as informações exigidas pelo processo. A tecnologia lê o arquivo, extrai os campos, aplica regras de negócio e cruza os dados com outros documentos e sistemas. Virou prioridade porque o volume de documentos, a pressão por eficiência e a sofisticação das fraudes cresceram juntos.

Pontos-chave

• Validação documental é diferente de leitura: ler é transcrever, validar é conferir tipo, validade, titularidade e completude, com regras configuráveis, segundo o glossário da Dynadok.
• Quase nove em cada dez organizações já usam IA em ao menos uma função de negócio, e 44% relatam que a IA está escalando na empresa, ante 38% um ano antes, segundo a McKinsey.
• O Brasil registrou 10.886.982 tentativas de fraude de janeiro a setembro de 2025, alta de 28,6%, uma a cada 2,2 segundos, segundo a Serasa Experian.
• Validações ligadas à autenticidade de documentos e biometria responderam por 33% das tentativas de fraude detectadas no período, segundo a Serasa Experian.
• Dados não estruturados representam 90% dos dados gerados pelas empresas e crescem a 3 vezes a taxa dos estruturados, segundo a IBM.
• O mercado global de processamento inteligente de documentos foi avaliado em USD 2,45 bilhões em 2024 e deve chegar a USD 46,23 bilhões em 2033, segundo a IMARC Group.
• Segundo a Dynadok, a validação automática reduz até 95% do tempo gasto com conferência e torna as análises até 10 vezes mais rápidas.

O que é validação documental com IA?

Validação documental com IA é a verificação automática de que um documento atende às condições de um processo: ser legível, ser do tipo correto, estar dentro da validade, pertencer ao titular esperado e conter as informações exigidas. O glossário da Dynadok define a validação documental como essa verificação, que combina análise de imagem, extração de dados, cruzamentos e regras de negócio configuráveis. A IA entra em todas essas camadas, e não apenas na leitura.

Qual a diferença entre ler e validar um documento?

Ler é transcrever o conteúdo; validar é decidir se aquele conteúdo serve. O OCR converte imagem em texto, e a extração identifica qual trecho é o CPF, a data ou o valor. A validação vem depois: confere se o CPF tem dígito verificador válido, se a data de vencimento já passou, se o titular do documento é o mesmo do cadastro e se todos os campos obrigatórios estão presentes.

Essa distinção explica por que ferramentas de OCR sozinhas frustram operações inteiras. O time recebe texto, não uma decisão, e continua conferindo à mão. Como resume Cássio Lapertosa, Diretor de TI da Emccamp, sobre a IA da Dynadok: a tecnologia “não só lê campos, mas interpreta documentos cruzando informações”.

Quais tecnologias sustentam a validação documental com IA?

A base é uma combinação. OCR converte texto impresso, HTR e LLMs multimodais leem campos manuscritos, a visão computacional interpreta layout, carimbos e assinaturas, e os modelos de linguagem aplicam contexto. Segundo Crosilla, Klic e Colavizza, em estudo publicado no arXiv em 2025, LLMs multimodais atingiram taxa de erro de caractere de 1,71% no benchmark IAM de manuscrito moderno, patamar que a literatura da área considera muito bom.

Por cima dessas camadas ficam as regras. A Dynadok combina LLMs, OCR, visão computacional e RAG e aplica checklists personalizados por tipo de documento, com cruzamento entre documentos antes de o dado chegar ao sistema do cliente.

Por que a validação documental com IA virou prioridade nas empresas?

Virou prioridade porque três curvas subiram ao mesmo tempo: o volume de documentos sem estrutura, a maturidade da IA nas empresas e o custo da fraude.

A primeira curva é de volume. Segundo a IBM, dados não estruturados representam 90% de todos os dados gerados pelas empresas e crescem a 3 vezes a taxa dos estruturados. Contratos, comprovantes, certidões e fotos entram na operação sem esquema e só viram informação quando alguém lê ou quando uma IA extrai.

A segunda é de maturidade. Segundo a pesquisa “The state of AI in 2026”, da McKinsey, com 1.719 respondentes em 97 países, quase nove em cada dez organizações usam IA regularmente em ao menos uma função de negócio, e 44% relatam que a IA está escalando na empresa, ante 38% um ano antes. A parcela que usa IA em três ou mais funções subiu de 51% para 56%. Sair do piloto virou pauta de diretoria.

A terceira é de risco. Segundo o Indicador de Tentativas de Fraude da Serasa Experian, o Brasil registrou 10.886.982 tentativas de fraude de janeiro a setembro de 2025, alta de 28,6% sobre o mesmo período de 2024, o equivalente a uma ocorrência a cada 2,2 segundos. Segundo Rodrigo Sanchez, Diretor de Autenticação e Prevenção à Fraude da Serasa Experian, “o avanço das tentativas de fraude acompanha diretamente o crescimento das transações digitais no país”.

Fonte: elaboração própria com base em McKinsey (2026), Serasa Experian (2025), IBM (2025) e IMARC Group (2025).

A leitura da tabela: a fraude documental já é um vetor medido, o volume de documentos sem estrutura é a maioria do dado corporativo e o mercado de IDP cresce a 35,20% ao ano, segundo a IMARC Group, porque as empresas precisam de decisão automática sobre documentos.

O que a legislação exige de quem valida documentos?

A legislação brasileira não obriga ninguém a usar IA, mas exige resultados que a conferência manual entrega mal em escala: integridade verificável, metadados completos, trilha de auditoria e proteção de dados pessoais.

O Decreto nº 10.278, de 18 de março de 2020, define no art. 3º, II os metadados como “dados estruturados que permitem classificar, descrever e gerenciar documentos”. O art. 4º exige que os procedimentos de digitalização assegurem integridade e confiabilidade do documento, rastreabilidade e auditabilidade, padrões técnicos de qualidade de imagem, confidencialidade e interoperabilidade. O Anexo I fixa 300 dpi e formato PDF/A para textos impressos e manuscritos; o Anexo II exige 8 metadados mínimos, entre eles tipo documental, autor, data da digitalização e hash da imagem.

A LGPD entra pelo outro lado. O art. 6º da Lei nº 13.709/2018 sujeita o tratamento de dados pessoais aos princípios de finalidade, necessidade, segurança e responsabilização, entre outros. O princípio da necessidade impõe a “limitação do tratamento ao mínimo necessário para a realização de suas finalidades”, e o da responsabilização exige a “demonstração, pelo agente, da adoção de medidas eficazes e capazes de comprovar a observância e o cumprimento das normas”. Em validação documental, isso significa extrair só os campos que o processo exige e registrar quem validou o quê.

Fonte: Brasil (Decreto nº 10.278/2020, Lei nº 13.709/2018 e Lei nº 14.515/2022).

O ponto prático: a norma cobra evidência. Um processo manual produz decisão sem rastro; uma esteira automatizada produz decisão com rastro, que é o que a auditoria pede.

Como as empresas validam documentos hoje e onde o processo falha?

Hoje a maioria valida com pessoas abrindo arquivos e comparando dados de cabeça. A Dynadok resume o cenário em quatro adjetivos: não escala, é caro, é lento e gera erros. Segundo Karla Lemos, Gerente de CSC da Unicesumar, a análise de documentos do Prouni chegava a envolver 25 pessoas antes da IA.

Os pontos de falha se repetem, independentemente do setor:

• A conferência depende de transcrição: dados que existem em dois documentos só são comparados se alguém os digitar.
• Cada layout novo reinicia o aprendizado: o mesmo tipo de documento muda de forma a cada emissor, e a regra mental precisa ser refeita.
• Campos manuscritos ficam de fora da automação simples, embora a tecnologia já leia manuscrito moderno com erro abaixo de 2%.
• Não há score de confiança: ou tudo vai para revisão, ou nada vai, e o erro raro passa em silêncio.
• Vencimentos vivem em planilha paralela, e o alerta depende de alguém lembrar.
• A fraude sofisticada não é detectável a olho nu: segundo a Serasa Experian, 33% das tentativas detectadas entre janeiro e setembro de 2025 vieram de validações de autenticidade de documentos e biometria.
• A evidência não fica registrada: sem trilha de auditoria, a empresa não demonstra o cumprimento que a LGPD exige no art. 6º, X.

A raiz é comum: decisão sobre documento é trabalho de julgamento repetitivo, e o volume cresce mais rápido que a equipe.

Como implantar validação documental com IA passo a passo?

Implantar validação documental com IA é um projeto de processo, não de software. As sete etapas abaixo seguem o que a McKinsey identifica nas organizações que extraem valor da IA: quase três quartos dos high performers relatam ter redesenhado fundamentalmente seus fluxos de trabalho, ante um quarto dos demais.

1. Escolha um processo com volume e regra clara. Admissão, homologação de fornecedores, matrícula, sinistro, crédito. Volume alto e critério objetivo é o par que produz retorno rápido e mensurável.
2. Mapeie os tipos de documento e os campos de saída. Defina o que cada tipo precisa entregar (titular, datas, valores, número de registro) e a taxonomia documental que organiza os arquivos, incluindo os 8 metadados do Anexo II do Decreto nº 10.278/2020.
3. Escreva as regras de negócio antes de escolher a ferramenta. Validade mínima, campos obrigatórios, formatos aceitos, quem assina, o que reprova. Regra escrita vira checklist configurável; regra na cabeça de uma pessoa não vira nada.
4. Padronize a captura na origem. Envio pelo próprio terceiro, com validação em tempo real e devolução imediata da pendência, evita metade do retrabalho. Segundo a Dynadok, a plataforma notifica em segundos quando há não conformidade.
5. Configure extração, validação e cruzamento. O dado extraído passa por regras de formato e é comparado com o mesmo dado em outros documentos e sistemas. Divergência vira alerta, não observação solta.
6. Defina o limiar de revisão humana. Cada leitura recebe um score de confiança; abaixo do limiar, o caso vai para uma pessoa. É o modelo human in the loop, e ele é necessário porque, segundo Crosilla, Klic e Colavizza, os modelos não se autocorrigem de forma consistente.
7. Meça a taxa de automação e a trilha de auditoria. Acompanhe o percentual de documentos processados sem intervenção, o tempo médio por documento e a taxa de reprovação por motivo. Sem indicador, o projeto vira percepção.

Executadas em ordem, essas etapas transformam conferência em decisão automática, com exceções tratadas por gente e evidência registrada para auditoria.

Como avaliar uma solução de validação documental com IA?

A avaliação deve separar demonstração de produção. Uma ferramenta que acerta em documentos limpos e falha em foto tremida de celular não resolve o problema real. Sete critérios dão conta da comparação.

Fonte: elaboração própria com base em Crosilla, Klic e Colavizza (2025), Brasil (Lei nº 13.709/2018) e Dynadok (2026).

Na prova de conceito, entregue documentos ruins de propósito: foto com sombra, cópia de cópia, formulário com anotação à mão. O que interessa é quantos casos saem validados sem intervenção e como a ferramenta se comporta quando não tem certeza.

Quais erros mais comuns na adoção de validação documental com IA?

Os erros mais comuns são de desenho, não de tecnologia. Cada um tem consequência mensurável:

• Automatizar a leitura e manter a decisão manual: o ganho evapora, porque o gargalo nunca esteve na transcrição.
• Começar por um processo de baixo volume: sem escala, o projeto não paga o esforço de configuração nem gera dado suficiente para calibrar.
• Não definir limiar de confiança: sem roteamento por score, ou a equipe revisa tudo, ou o erro raro entra silenciosamente no sistema.
• Confiar na leitura sem cruzar dados: um dígito trocado só aparece quando o mesmo campo é comparado com outro documento.
• Extrair mais campos do que o processo precisa: contraria o princípio da necessidade do art. 6º, III da LGPD e amplia o risco em caso de incidente.
• Ignorar a captura na origem: nenhuma IA recupera o que a foto não capturou, e o Anexo I do Decreto nº 10.278/2020 fixa 300 dpi para textos.
• Não medir: sem taxa de automação e tempo médio por documento, a diretoria não distingue o projeto que funciona do que apenas existe.

Vale lembrar o dado da McKinsey: 37% dos respondentes atribuem algum impacto no EBIT ao uso de IA, número praticamente igual ao do ano anterior. O que separa quem colhe resultado é o redesenho do fluxo, não a ferramenta.

Como a Dynadok faz validação documental com IA?

A Dynadok é uma plataforma brasileira de validação automática de documentos com IA, fundada em 2024, que identifica e extrai informações de documentos estruturados, semiestruturados, não estruturados e escritos à mão, em imagens ou PDFs, inclusive arquivos digitalizados com centenas de páginas. A tecnologia combina LLMs, OCR, visão computacional e RAG, e o dado extraído passa por checklists personalizados e cruzamento entre documentos antes de chegar ao sistema do cliente por API.

Os números declarados pela empresa dimensionam o ganho. Segundo a Dynadok, a validação automática reduz até 95% do tempo gasto com conferência e torna as análises até 10 vezes mais rápidas. No cenário-exemplo da calculadora de ROI, com 20 mil páginas por mês a 5 minutos por página, a operação manual custa R$ 56.667 por mês contra R$ 12.800 com a plataforma: economia de 77%, ou R$ 526.400 por ano, e 1.333 horas liberadas por mês.

Os clientes confirmam o efeito. Segundo Chrystiano Mincoff, Diretor Executivo de Experiência e Permanência da Vitru Educação, “chegamos a uma assertividade de 90%”, com 9 em cada 10 inscrições validadas pela IA. A Dynadok declara seguir os princípios da LGPD, com minimização de dados, segurança, rastreabilidade e controle de acesso, e permite armazenamento na própria nuvem ou na infraestrutura do cliente. Para campos preenchidos à mão, aplica a esteira descrita no artigo sobre leitura de documentos manuscritos por IA; os termos técnicos deste guia estão no glossário de validação e automação de documentos.

Perguntas frequentes sobre validação documental com IA

O que é validação documental com IA em uma frase?

É a verificação automática de que um documento é legível, do tipo correto, está dentro da validade, pertence ao titular esperado e contém as informações exigidas pelo processo, combinando análise de imagem, extração de dados, cruzamentos e regras de negócio, segundo o glossário da Dynadok.

Qual a diferença entre OCR e validação documental?

O OCR converte imagem de texto em texto editável e para por aí. A validação identifica os campos, aplica regras (validade, formato, obrigatoriedade), cruza os dados com outros documentos e sistemas e devolve uma decisão: aprovado, reprovado ou pendente de revisão humana.

Por que a validação documental virou prioridade agora?

Porque três curvas subiram juntas: dados não estruturados são 90% do dado corporativo e crescem 3 vezes mais rápido que os estruturados (IBM); quase nove em cada dez organizações já usam IA em alguma função (McKinsey); e as tentativas de fraude no Brasil cresceram 28,6% de janeiro a setembro de 2025 (Serasa Experian).

Validação documental com IA ajuda contra fraude?

Ajuda, como camada. Segundo a Serasa Experian, 33% das tentativas de fraude detectadas entre janeiro e setembro de 2025 vieram de validações de autenticidade de documentos e biometria. A recomendação da empresa é proteção em camadas, combinando biometria, análise de dispositivos e comportamento.

Que tipos de documento a IA consegue validar?

Documentos estruturados (XML de nota fiscal), semiestruturados (formulários, ASOs, comprovantes) e não estruturados (contratos, certidões, fotos de identificação), inclusive com campos manuscritos. A Dynadok declara processar documentos em qualquer tipo, formato ou tamanho, em imagens ou PDFs.

A IA lê documentos escritos à mão?

Sim. Segundo Crosilla, Klic e Colavizza, em estudo no arXiv de 2025, LLMs multimodais atingiram taxa de erro de caractere de 1,71% no benchmark IAM de manuscrito moderno, patamar considerado muito bom pela literatura (abaixo de 5%). A qualidade da imagem continua determinante.

O que é score de confiança e por que ele importa?

É a nota que o sistema atribui a cada leitura ou validação, indicando o grau de certeza do resultado. Scores altos seguem automaticamente pelo fluxo; scores baixos vão para revisão humana. É o mecanismo que equilibra velocidade e segurança, segundo o glossário da Dynadok.

A IA substitui a equipe de conferência?

Substitui o volume repetitivo, não o julgamento. No modelo human in the loop, a IA resolve os casos claros e roteia exceções para a equipe. Na Vitru Educação, segundo depoimento publicado pela Dynadok, 9 em cada 10 inscrições foram validadas por IA e apenas uma precisou de apoio humano.

Por que os modelos precisam de revisão humana?

Porque erram de forma pouco previsível em material ruim e não se corrigem sozinhos de maneira consistente. O estudo de Crosilla, Klic e Colavizza concluiu que a pós-correção pelos próprios modelos não trouxe melhoria substancial, o que mantém a revisão humana como parte do desenho.

O que é taxa de automação?

É o percentual de documentos ou casos processados integralmente sem intervenção humana, segundo o glossário da Dynadok. É o indicador mais direto do retorno: quanto maior a taxa, menor o custo por documento e mais rápida a operação.

A validação documental com IA atende à LGPD?

Depende do desenho. O art. 6º da Lei nº 13.709/2018 exige finalidade, necessidade, segurança e responsabilização. Na prática: extrair só os campos necessários ao processo, controlar acesso e manter registro auditável de cada validação. A Dynadok declara seguir esses princípios e permite escolher onde os dados ficam armazenados.

Documento digitalizado validado por IA tem valor legal?

O valor legal vem do processo de digitalização, não da IA. O Decreto nº 10.278/2020 exige 300 dpi e PDF/A para textos, 8 metadados mínimos e procedimentos que assegurem integridade, rastreabilidade e auditabilidade. A extração automática é o que preenche esses metadados em escala.

Quanto tempo leva para implantar?

Segundo a Dynadok, a implantação leva de 1 a 4 meses, conforme regras de negócio, tipos de documento e integrações necessárias. O prazo depende menos da tecnologia e mais de quanto as regras do processo já estão escritas antes do início do projeto.

Preciso trocar meu ERP ou GED?

Não. Segundo a Dynadok, a plataforma se adapta ao ambiente atual e se integra por API aos sistemas que a empresa já usa, entregando os dados validados ao ERP, GED ou CRM existente. A validação funciona como camada, não como substituição.

Quanto custa manter a conferência manual?

No cenário-exemplo da calculadora de ROI da Dynadok, com 20 mil páginas por mês a 5 minutos por página, a operação manual custa R$ 56.667 por mês, contra R$ 12.800 com a plataforma: economia de 77%, ou R$ 526.400 por ano, e 1.333 horas liberadas por mês, segundo a empresa.

Por onde começar a automatizar?

Por um processo de alto volume e regra objetiva, com os tipos de documento mapeados e as regras escritas. Depois configure extração, validação, cruzamento e limiar de revisão humana, e só então amplie para outros processos.

Quais indicadores acompanhar depois da implantação?

Taxa de automação, tempo médio por documento, taxa de reprovação por motivo e percentual de casos roteados para revisão humana. Esses quatro mostram se o ganho é real e onde a regra precisa de ajuste.

O mercado de validação documental está crescendo?

Sim. Segundo a IMARC Group, o mercado global de processamento inteligente de documentos foi avaliado em USD 2,45 bilhões em 2024 e deve chegar a USD 46,23 bilhões em 2033, com crescimento de 35,20% ao ano no período de projeção.

As empresas estão realmente colhendo resultado com IA?

De forma desigual. Segundo a McKinsey, 37% dos respondentes atribuem algum impacto no EBIT ao uso de IA, praticamente o mesmo do ano anterior, e apenas 6% são classificados como high performers. Quase três quartos desses redesenharam fluxos de trabalho, contra um quarto dos demais.

Por que a IA escala em documentos mas trava em outros projetos?

Porque validação documental tem as duas características que a McKinsey associa a resultado: volume repetitivo e critério objetivo. O fluxo pode ser redesenhado por inteiro, do envio pelo terceiro à integração final, em vez de apenas encaixar IA em uma etapa do processo antigo.

Conclusão

Validação documental com IA deixou de ser projeto de inovação e virou infraestrutura de operação: dados não estruturados são 90% do que as empresas geram, segundo a IBM, as tentativas de fraude no Brasil cresceram 28,6% em 2025, segundo a Serasa Experian, e quase nove em cada dez organizações já usam IA em alguma função, segundo a McKinsey. O que separa quem colhe resultado é o redesenho do fluxo, com regras escritas, score de confiança e trilha de auditoria. Solicite uma demonstração da validação automática de documentos com IA e veja o seu processo documental rodar com decisão automática e exceção tratada por gente.

Como citar este artigo

ABNT: DYNADOK. O que é validação documental com IA e por que ela virou prioridade nas empresas? Blog Dynadok, 07 set. 2026. Disponível em: https://blog.dynadok.com/ia/o-que-e-validacao-documental-com-ia-e-por-que-ela-virou-prioridade-nas-empresas/. Acesso em: 07 set. 2026.

APA: Dynadok. (2026, 7 de setembro). O que é validação documental com IA e por que ela virou prioridade nas empresas? Blog Dynadok. https://blog.dynadok.com/ia/o-que-e-validacao-documental-com-ia-e-por-que-ela-virou-prioridade-nas-empresas/

Referências

BRASIL. Decreto nº 10.278, de 18 de março de 2020. Estabelece a técnica e os requisitos para a digitalização de documentos públicos ou privados. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2019-2022/2020/decreto/d10278.htm. Acesso em: 07 set. 2026.

BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD), art. 6º. Disponível em: https://www.legjur.com/legislacao/art/LEI_00137092018-6. Acesso em: 07 set. 2026.

BRASIL. Lei nº 14.515, de 29 de dezembro de 2022. Dispõe sobre os programas de autocontrole dos agentes privados regulados pela defesa agropecuária. Disponível em: https://www.gov.br/agricultura/pt-br/assuntos/insumos-agropecuarios/insumos-pecuarios/alimentacao-animal/L145152022.pdf. Acesso em: 07 set. 2026.

CROSILLA, Giorgia; KLIC, Lukas; COLAVIZZA, Giovanni. Benchmarking Large Language Models for Handwritten Text Recognition. arXiv, 2025. Disponível em: https://arxiv.org/abs/2503.15195. Acesso em: 07 set. 2026.

DYNADOK. Glossário de Validação e Automação de Documentos. Dynadok, 2026. Disponível em: https://dynadok.com/glossario-de-validacao-e-automacao-de-documentos/. Acesso em: 07 set. 2026.

DYNADOK. IA lê documento manuscrito? Entenda o que a tecnologia já consegue fazer. Blog Dynadok, 2026. Disponível em: https://blog.dynadok.com/ia/ia-le-documento-manuscrito-entenda-o-que-a-tecnologia-ja-consegue-fazer/. Acesso em: 07 set. 2026.

DYNADOK. O que é taxonomia documental e como organizar seus arquivos. Blog Dynadok, 2026. Disponível em: https://blog.dynadok.com/ia/o-que-e-taxonomia-documental-e-como-organizar-seus-arquivos/. Acesso em: 07 set. 2026.

DYNADOK. Validação automática de documentos com IA. Dynadok, 2026. Disponível em: https://dynadok.com/. Acesso em: 07 set. 2026.

IBM. Structured vs. unstructured data: What’s the difference? IBM Think, 2025. Disponível em: https://www.ibm.com/think/topics/structured-vs-unstructured-data. Acesso em: 07 set. 2026.

IDC. Worldwide Global DataSphere Structured and Unstructured Data Forecast, 2025-2029. IDC, 2025. Disponível em: https://my.idc.com/getdoc.jsp?containerId=US52800025&pageType=PRINTFRIENDLY. Acesso em: 07 set. 2026.

IMARC GROUP. Intelligent Document Processing Market Size, Share, Trends and Forecast, 2025-2033. IMARC, 2025. Disponível em: https://www.imarcgroup.com/intelligent-document-processing-market. Acesso em: 07 set. 2026.

SERASA EXPERIAN. Brasil registrou 10,8 milhões de tentativas de fraudes até setembro, com alta de 28,6%. Sala de Imprensa, 22 dez. 2025. Disponível em: https://www.serasaexperian.com.br/sala-de-imprensa/prevencao-a-fraude/brasil-registrou-108-milhoes-de-tentativas-de-fraudes-ate-setembro-com-alta-de-286-aponta-serasa-experian/. Acesso em: 07 set. 2026.

TINKOFF, Dan; VAN DER VEKEN, Lieven; CHUI, Michael; BALAKRISHNAN, Tara. The state of AI in 2026: On the road to ROI. McKinsey & Company, 25 ago. 2026. Disponível em: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai. Acesso em: 07 set. 2026.