Dados estruturados x não estruturados em documentos: qual a diferença?

Dados estruturados seguem um esquema fixo de campos e cabem em linhas e colunas, como o XML de uma NF-e; dados não estruturados não têm formato predefinido, como um contrato em PDF, uma foto de RG ou um ASO manuscrito. O dado estruturado é lido por sistema, o não estruturado exige interpretação. A IA de validação documental converte o segundo no primeiro e aplica regras de conferência em escala.

Pontos-chave

• Dados estruturados têm esquema fixo e cabem em tabelas; não estruturados não têm formato predefinido; semiestruturados usam marcadores como JSON e XML, segundo a IBM.
• Dados não estruturados representam 90% dos dados gerados pelas empresas e crescem a 3 vezes a taxa dos estruturados, segundo a IBM.
• Segundo Adam Wright, research manager da IDC, “o equilíbrio entre dados estruturados e não estruturados está mudando”, com os estruturados crescendo mais rápido por causa da automação e da IA.
• O Decreto nº 10.278/2020 define metadados como “dados estruturados que permitem classificar, descrever e gerenciar documentos” e exige 8 metadados mínimos em todo documento digitalizado.
• A NF-e modelo 55 é o documento estruturado por excelência no Brasil: existe só em formato digital, com validade jurídica garantida por assinatura digital e recepção pelo Fisco, segundo a SEF/MG.
• O mercado global de processamento inteligente de documentos (IDP) valia 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 de documentos estruturados, semiestruturados, não estruturados e manuscritos reduz até 95% do tempo gasto com conferência.

O que são dados estruturados, semiestruturados e não estruturados em documentos?

Dados estruturados, semiestruturados e não estruturados são três classificações do dado conforme o formato e a existência (ou não) de um esquema predefinido, segundo a IBM. Em documentos empresariais, os três tipos convivem no mesmo dossiê: um XML de nota fiscal, um e-mail com anexos e uma ficha preenchida à mão.

O que é um dado estruturado em um documento?

Dado estruturado é a informação organizada em formato claro e predefinido, com campos fixos, tipos e restrições que um sistema valida antes de armazenar. Segundo a IBM, dados estruturados têm esquema fixo e cabem em linhas e colunas, como nomes e números de telefone, e ficam em planilhas e bancos relacionais consultados por SQL, linguagem criada pela própria IBM em 1974.

O exemplo brasileiro mais claro é a Nota Fiscal Eletrônica. Segundo a Secretaria de Estado de Fazenda de Minas Gerais, a NF-e modelo 55 é um documento de existência digital, emitido e armazenado eletronicamente, com validade jurídica garantida pela assinatura digital do remetente e pela recepção pelo Fisco antes do fato gerador. Cada campo do XML tem nome, posição e formato definidos, e por isso o destinatário elimina a digitação da nota na recepção de mercadorias.

O que é um dado semiestruturado?

Dado semiestruturado é a ponte entre os dois extremos: não tem modelo rígido, mas usa metadados, como tags e marcadores, para identificar campos. Segundo a IBM, os exemplos clássicos são JSON, CSV e XML, e o e-mail é o caso mais citado: cabeçalho e assunto seguem formato padronizado, enquanto o corpo é texto livre.

Em documentos empresariais, o semiestruturado aparece em formulários com campos fixos e preenchimento variável: ficha de matrícula, ASO com carimbo e assinatura, comprovante de endereço.

O que é um dado não estruturado?

Dado não estruturado é a informação sem formato predefinido, armazenada no formato nativo e só definida quando alguém precisa usá-la. Segundo a IBM, os exemplos textuais são e-mails, documentos de texto e transcrições de chamadas; os não textuais são imagens, vídeos e dados de sensores.

Em uma operação documental, o não estruturado é a regra: a foto do RG, o contrato social escaneado, o PGR de dezenas de páginas, a certidão com carimbo. O valor está lá, mas nenhum sistema tradicional o lê sem uma camada de interpretação.

Por que a diferença entre dados estruturados e não estruturados importa para a empresa?

A diferença importa porque o dado não estruturado é a maioria e o mais caro de tratar. Segundo a IBM, conjuntos de dados não estruturados representam 90% de todos os dados gerados pelas empresas e, para a maioria das organizações, crescem a 3 vezes a taxa dos dados estruturados.

Ao mesmo tempo, a demanda por dado estruturado nunca foi tão alta. Segundo Adam Wright, research manager da pesquisa Global DataSphere da IDC, “o equilíbrio entre dados estruturados e não estruturados está mudando”. Wright explica que os dados não estruturados continuam inundando o mundo digital, mas o crescimento mais rápido dos estruturados reflete a ênfase em sistemas que capturam, organizam e operacionalizam dados para automação, IA e decisão em tempo real.

Para quem confere documentos, cada campo preso em um PDF ou em uma imagem precisa ser lido, digitado e conferido por uma pessoa. A tabela reúne os números que dimensionam o problema.

Fonte: elaboração própria com base em IBM (2025), IMARC Group (2025), Crosilla, Klic e Colavizza (2025) e Dynadok (2026).

A leitura é uma só: o dado não estruturado domina o volume, o mercado de IDP cresce a 35,20% ao ano segundo a IMARC Group porque as empresas precisam converter esse volume em dado estruturado, e a leitura por IA já atinge erro abaixo de 2% em manuscrito moderno.

O que a legislação brasileira exige de dados e metadados em documentos?

A legislação brasileira não usa a expressão “dado não estruturado”, mas exige que todo documento carregue dados estruturados sobre si mesmo: os metadados. O Decreto nº 10.278, de 18 de março de 2020, art. 3º, inciso II, define metadados como “dados estruturados que permitem classificar, descrever e gerenciar documentos”. No inciso I, documento digitalizado é o “representante digital do processo de digitalização do documento físico e seus metadados”.

O art. 5º do Decreto nº 10.278/2020 determina que o documento digitalizado destinado a produzir efeitos legais perante o poder público deve ser assinado com certificado ICP-Brasil, seguir o Anexo I e conter, no mínimo, os metadados do Anexo II. O Anexo I fixa 300 dpi e PDF/A para textos impressos e manuscritos, e 600 dpi para plantas e mapas. O Anexo II lista 8 metadados obrigatórios: assunto, autor, data e local da digitalização, identificador do documento digital, responsável pela digitalização, título, tipo documental e hash da imagem.

A base é anterior. A Lei nº 8.159, de 8 de janeiro de 1991, art. 3º, considera gestão de documentos “o conjunto de procedimentos e operações técnicas referentes à sua produção, tramitação, uso, avaliação e arquivamento”, e o art. 2º alcança os arquivos “qualquer que seja o suporte da informação”. No plano internacional, o Dublin Core é um vocabulário de quinze elementos de descrição, padronizado em 1998 e publicado como ISO 15836, segundo a DCMI.

Fonte: Brasil (Decreto nº 10.278/2020 e Lei nº 8.159/1991), SEF/MG e DCMI.

O ponto prático: ao exigir tipo documental, autor, data e hash em cada arquivo, o Decreto nº 10.278/2020 exige que a empresa extraia dados estruturados de um documento não estruturado. Fazer isso à mão para milhares de páginas por mês é o gargalo que a IA resolve.

Como as empresas tratam documentos não estruturados hoje e onde o processo falha?

Hoje a maioria das operações trata o documento não estruturado com trabalho humano: alguém abre o arquivo, localiza o campo, digita o valor em planilha ou sistema e confere a regra de negócio de cabeça. A Dynadok descreve esse cenário com quatro adjetivos: não escala, é caro, é lento e gera erros.

O caso da Unicesumar mostra o tamanho da estrutura que esse modelo exige. Segundo Karla Lemos, Gerente de CSC da Unicesumar, em depoimento no site da Dynadok, a análise de documentos do Prouni chegava a envolver 25 pessoas antes da IA. Os gargalos se repetem em qualquer setor:

• A conferência depende de digitação: o CPF impresso na CNH e o CPF escrito à mão na ficha só são comparados se alguém os transcrever, e cada transcrição é uma chance de erro.
• Cada layout novo quebra a rotina: um comprovante de endereço de outra concessionária ou um ASO de outra clínica exige reaprender onde está cada campo.
• Os metadados exigidos pelo Decreto nº 10.278/2020 ficam vazios: tipo documental, autor, data e hash raramente são preenchidos quando o processo é manual.
• O cruzamento entre documentos não acontece: a razão social do contrato social, o CNPJ da CND e o nome no ASO ficam em documentos separados, sem conferência automática.
• O erro não deixa rastro: sem trilha de auditoria, ninguém sabe quem validou o quê, quando e com qual critério.

Nenhum desses gargalos se resolve com mais planilhas. O problema é de formato: a informação está presa em pixels e texto livre.

Como transformar documentos não estruturados em dados estruturados passo a passo?

Transformar documentos não estruturados em dados estruturados é um pipeline de sete etapas em que a leitura é só o começo. A Dynadok combina OCR, visão computacional, LLMs e RAG para executar esse fluxo em produção.

1. Inventarie os tipos de documento e classifique cada um por grau de estrutura. Liste o que a operação recebe e marque o grau de estrutura de cada tipo. Esse inventário define a taxonomia documental que organiza os arquivos e os metadados de cada tipo.
2. Defina o esquema de saída antes de ler qualquer página. Para cada tipo, especifique os campos que precisam virar dado estruturado: titular, CPF ou CNPJ, datas de emissão e validade, valores, número do documento. Inclua os 8 metadados do Anexo II do Decreto nº 10.278/2020 quando o documento for digitalizado.
3. Capture com qualidade mínima e classifique na entrada. Oriente quem envia a fotografar o documento inteiro, com boa iluminação; o Anexo I do decreto fixa 300 dpi para textos. A classificação automática identifica o tipo pelo conteúdo, não pelo nome do arquivo.
4. Extraia os dados com a tecnologia adequada ao formato. Texto impresso pede OCR; campos manuscritos pedem HTR ou LLM multimodal, que, segundo Crosilla, Klic e Colavizza, atingem CER de 1,71% em manuscrito moderno.
5. Valide cada dado contra regras de formato e negócio. Dígito verificador de CPF e CNPJ, datas possíveis, validade vencida, campos obrigatórios presentes. A Dynadok aplica checklists personalizados por tipo de documento e por processo.
6. Cruze os dados entre documentos e sistemas. O CPF extraído da ficha é comparado com o CPF do RG; o CNPJ do contrato social, com o da CND. Divergências viram alertas, e o dado consistente segue para o ERP ou o GED via API.
7. Roteie exceções para revisão humana e meça a taxa de automação. Cada leitura recebe um score de confiança; scores baixos vão para uma pessoa, scores altos seguem sozinhos. O indicador de maturidade é o percentual de documentos processados sem intervenção.

Executado em ordem, o pipeline entrega dado estruturado, auditável e cruzado a partir de documentos que nasceram sem estrutura.

Como escolher a tecnologia para ler dados estruturados e não estruturados em documentos?

A escolha depende do grau de estrutura do documento e do volume. Um XML de NF-e não precisa de IA: o sistema lê os campos diretamente. Já um contrato escaneado ou um ASO com anotações à mão exige interpretação, e o mercado responde com o processamento inteligente de documentos, que a IMARC Group avaliou em USD 2,45 bilhões em 2024. A tabela compara as quatro abordagens mais comuns.

Fonte: elaboração própria com base em IBM (2025), Crosilla, Klic e Colavizza (2025), IMARC Group (2025) e Dynadok (2026).

O critério decisivo não é “ler” e sim “validar”. 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”. Quem compara ferramentas deve testar isso com um dossiê real, com XML, PDF, foto e manuscrito misturados.

Quais erros mais comuns ao lidar com dados não estruturados em documentos?

Os erros mais comuns nascem de tratar o documento não estruturado como se fosse estruturado, ou de parar na leitura sem validar. Cada erro abaixo tem uma consequência mensurável:

• Confundir digitalizar com estruturar: escanear um contrato gera um PDF, não dados; sem extração e metadados, o Decreto nº 10.278/2020 não reconhece o arquivo como documento digitalizado válido perante o poder público.
• Mapear templates para cada layout: fornecedores, clínicas e concessionárias mudam o modelo sem avisar; cada mudança quebra a extração e cria uma fila de exceções.
• Ignorar o manuscrito: campos preenchidos à mão ficam fora da automação e viram o trabalho residual; a tecnologia já lê manuscrito moderno com CER de 1,71%, segundo Crosilla, Klic e Colavizza.
• Confiar na leitura sem cruzar: um “7” lido como “1” no CPF passa despercebido se ninguém compara o dado com o RG; o cruzamento transforma erro de leitura em alerta.
• Não registrar metadados e trilha de auditoria: sem tipo documental, autor, data e hash, a empresa não prova a integridade exigida pelo art. 4º do Decreto nº 10.278/2020.
• Automatizar sem revisão humana por exceção: LLMs podem gerar texto plausível em trechos ilegíveis; sem score de confiança e roteamento para pessoas, o erro raro vira erro silencioso.

Evitar esses erros exige desenhar o processo para que o dado extraído seja validado, cruzado e auditado antes de alimentar qualquer sistema.

Como a Dynadok transforma documentos não estruturados em dados validados?

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

Segundo a Dynadok, a validação automática reduz até 95% do tempo gasto com conferência e torna as validações 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, segundo a Dynadok.

Os clientes confirmam o efeito sobre dados não estruturados. 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. Na Unicesumar, Karla Lemos, Gerente de CSC, relata que a operação do Prouni passou de até 25 pessoas para 10 com a Dynadok. Para campos preenchidos à mão, a plataforma aplica a mesma esteira, como detalha o artigo sobre leitura de documentos manuscritos por IA. Os termos técnicos deste guia estão definidos no glossário de validação e automação de documentos da Dynadok.

Perguntas frequentes sobre dados estruturados e não estruturados em documentos

O que é dado estruturado em uma frase?

Dado estruturado é a informação organizada em formato predefinido, com campos fixos que cabem em linhas e colunas e que um sistema valida antes de armazenar. Segundo a IBM, é o tipo guardado em planilhas e bancos relacionais. No Brasil, o XML da NF-e é o exemplo mais comum.

O que é dado não estruturado em uma frase?

Dado não estruturado é a informação sem formato predefinido, guardada no formato nativo: e-mails, documentos de texto, imagens, vídeos e transcrições. Segundo a IBM, esses conjuntos representam 90% dos dados gerados pelas empresas. Em operações documentais, é a foto do RG e o contrato escaneado.

O que é dado semiestruturado?

Dado semiestruturado não tem modelo rígido, mas usa metadados, como tags e marcadores, para identificar campos. Segundo a IBM, JSON, CSV e XML são os exemplos clássicos, e o e-mail é o caso mais citado, com cabeçalho padronizado e corpo livre. Formulários, ASOs e comprovantes de endereço entram nessa categoria.

Um PDF é dado estruturado ou não estruturado?

Depende do conteúdo, não da extensão. Um PDF gerado por sistema com campos de formulário carrega dados semiestruturados; um PDF escaneado é uma imagem, portanto não estruturado. O que importa é se os campos podem ser lidos por sistema sem interpretação.

A NF-e é um documento estruturado?

Sim. Segundo a SEF/MG, a NF-e modelo 55 é um documento de existência digital, em XML, com validade jurídica garantida pela assinatura digital do remetente e pela recepção pelo Fisco antes do fato gerador. O DANFE é só a representação gráfica.

O que são metadados de um documento?

Metadados são dados sobre o documento: tipo, autor, datas, identificador, hash. O Decreto nº 10.278/2020, art. 3º, II, define metadados como “dados estruturados que permitem classificar, descrever e gerenciar documentos”. São eles que tornam um documento não estruturado localizável e auditável.

Quais metadados o Decreto nº 10.278/2020 exige?

O Anexo II do Decreto nº 10.278/2020 exige 8 metadados mínimos para todo documento digitalizado: assunto, autor, data e local da digitalização, identificador do documento digital, responsável pela digitalização, título, tipo documental e hash da imagem. Órgãos públicos registram ainda classe, destinação e prazo de guarda.

Digitalizar um documento é o mesmo que estruturar os dados dele?

Não. Digitalizar converte papel em imagem, que continua sendo dado não estruturado. Estruturar é extrair os campos e os metadados e gravá-los em formato que um sistema leia. O Decreto nº 10.278/2020 só reconhece o documento digitalizado quando ele vem acompanhado dos metadados.

Qual resolução o decreto exige na digitalização?

O Anexo I do Decreto nº 10.278/2020 fixa 300 dpi para textos impressos e manuscritos, com ou sem ilustração, em PDF/A, e 600 dpi para plantas e mapas, em PNG. A compressão, quando usada, deve ser sem perda de informação.

O que é o Dublin Core e por que ele importa para documentos?

O Dublin Core Metadata Element Set é um vocabulário de quinze elementos para descrever recursos, padronizado em 1998 como IETF RFC 2413 e publicado como ISO 15836, segundo a DCMI. Título, autor, assunto, data e identificador coincidem com os metadados do Decreto nº 10.278/2020.

Por que dados não estruturados crescem mais rápido?

Porque não exigem definição prévia. Segundo a IBM, como não é preciso predefinir o dado não estruturado, ele pode ser coletado com rapidez, e por isso cresce a 3 vezes a taxa do dado estruturado na maioria das organizações.

Os dados estruturados estão perdendo importância?

Não. Segundo Adam Wright, research manager da IDC, o equilíbrio entre os dois tipos está mudando porque as organizações dependem cada vez mais de dados estruturados para automação, IA e decisão em tempo real. O não estruturado domina o volume; o estruturado cresce mais rápido.

O que é IDP (processamento inteligente de documentos)?

IDP combina OCR, visão computacional, aprendizado de máquina e processamento de linguagem natural para classificar documentos, extrair dados com contexto e validar informações. Segundo a IMARC Group, o mercado global de IDP valia USD 2,45 bilhões em 2024 e deve chegar a USD 46,23 bilhões em 2033.

OCR resolve documentos não estruturados?

Só em parte. O OCR converte imagem de texto em texto editável, mas devolve texto corrido sem identificar qual trecho é o CPF ou a data. Estruturar o dado exige extração com contexto, feita por IDP ou LLM, seguida de validação por regras e cruzamento.

A IA lê campos manuscritos em documentos?

Sim. Segundo o estudo de Crosilla, Klic e Colavizza publicado no arXiv em 2025, LLMs multimodais atingiram CER de 1,71% no benchmark IAM de manuscrito moderno em inglês, patamar que a literatura considera muito bom (abaixo de 5%). Em documentos históricos em outros idiomas o erro passou de 20%.

O que é CER e qual valor é aceitável?

CER (Character Error Rate) é o percentual de caracteres errados na transcrição. Segundo Crosilla, Klic e Colavizza, CER abaixo de 5% é muito bom, entre 5% e 10% é bom e acima de 10% indica qualidade ruim. Em campos críticos, validação por regras e cruzamento completam a leitura.

Como a IA valida um dado depois de extraí-lo?

Aplicando regras de formato (dígito verificador, datas válidas, campos obrigatórios) e cruzando o dado com outros documentos e sistemas. Na Dynadok, checklists personalizados e cruzamento entre documentos fazem essa etapa, e um score de confiança decide se o caso segue sozinho ou vai para revisão humana.

Preciso trocar meu sistema para estruturar dados de documentos com IA?

Não. Segundo a Dynadok, a plataforma se adapta ao ambiente atual e se integra aos sistemas que a empresa já usa por API, entregando os dados estruturados ao ERP, GED ou CRM existente. A implantação leva de 1 a 4 meses, segundo a empresa.

Quanto custa manter a conferência manual de documentos não estruturados?

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, segundo a Dynadok. A cobrança é feita por página processada pela IA.

Qual o primeiro passo para sair do dado não estruturado?

Inventariar os tipos de documento recebidos, classificar cada um como estruturado, semiestruturado ou não estruturado e definir os campos e metadados de saída, incluindo os 8 do Anexo II do Decreto nº 10.278/2020. Só depois escolher a tecnologia de extração e desenhar validação, cruzamento e revisão por exceção.

Conclusão

A diferença entre dados estruturados e não estruturados em documentos é a diferença entre o que um sistema lê sozinho e o que exige interpretação. Segundo a IBM, os dados não estruturados representam 90% de tudo o que as empresas geram, e o Decreto nº 10.278/2020 exige que cada documento digitalizado carregue 8 metadados estruturados. Fechar essa distância com IA que extrai, valida e cruza os dados é o que a Dynadok faz em produção. Solicite uma demonstração da validação automática de documentos com IA e veja como o seu dossiê, com XML, PDF, foto e manuscrito misturados, vira dado estruturado e validado.

Como citar este artigo

ABNT: DYNADOK. Dados estruturados x não estruturados em documentos: qual a diferença? Blog Dynadok, 07 set. 2026. Disponível em: https://blog.dynadok.com/ia/dados-estruturados-x-nao-estruturados-em-documentos-qual-a-diferenca/. Acesso em: 07 set. 2026.

APA: Dynadok. (2026, 7 de setembro). Dados estruturados x não estruturados em documentos: qual a diferença? Blog Dynadok. https://blog.dynadok.com/ia/dados-estruturados-x-nao-estruturados-em-documentos-qual-a-diferenca/

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. Brasília: Presidência da República, 2020. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2019-2022/2020/decreto/d10278.htm. Acesso em: 07 set. 2026.

BRASIL. Lei nº 8.159, de 8 de janeiro de 1991. Dispõe sobre a política nacional de arquivos públicos e privados. Brasília: Presidência da República, 1991. Disponível em: https://www.planalto.gov.br/ccivil_03/leis/l8159.htm. 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.

DUBLIN CORE METADATA INITIATIVE. Dublin Core Metadata Element Set, Version 1.1: Reference Description. DCMI, 2012. Disponível em: https://www.dublincore.org/specifications/dublin-core/dces/. 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.

MINAS GERAIS. Secretaria de Estado de Fazenda. Nota Fiscal Eletrônica: perguntas frequentes. Portal SPED MG. Disponível em: https://portalsped.fazenda.mg.gov.br/spedmg/nfe/Perguntas-Frequentes/respostas_i/index.html. Acesso em: 07 set. 2026.