IDP completo: classificação, extração e — o que ninguém mais faz — validação na fonte, em segundos.

OCR (Optical Character Recognition — Reconhecimento Óptico de Caracteres) é a tecnologia que transcreve em texto os caracteres de uma imagem ou PDF. Por décadas foi exatamente isso: ler o que está escrito. O problema é que ler não é entender, e transcrever não é validar. O OCR genérico converte um RG em texto — inclusive um RG falso, que vira um dado falso muito bem digitado. É a fragilidade estrutural da categoria: ele lê a mentira com a mesma perfeição com que lê a verdade.

O OCR Kavuka é, na verdade, IDP — Intelligent Document Processing (Processamento Inteligente de Documentos). É uma esteira completa, não uma transcrição. Primeiro classifica o documento (que documento é este? RG, CNH, comprovante, nota?) sem o usuário escolher num menu. Depois extrai os campos com a estrutura entendida — não o texto solto, mas o dado nomeado (nome, CPF, datas, valores, endereços), com um nível de confiança por campo, inclusive de fotos imperfeitas. Em seguida valida o conteúdo contra as fontes oficiais — o CPF existe, a CNH confere, o CNPJ está ativo. E sinaliza adulteração: inconsistências de fonte, sobreposições, padrões de edição e metadados. Por fim, decide e integra: o resultado estruturado segue via API para as esteiras de onboarding, crédito, RH e fiscal.

A fronteira recente da categoria são os modelos multimodais — LLMs de visão — que derrubaram a barreira dos layouts nunca vistos: já não é preciso treinar um modelo para cada modelo de documento. Com isso, a acurácia bruta de extração virou commodity: extrair ficou fácil. O valor, hoje, está no que acontece depois da extração. É exatamente aí que o OCR genérico para e o IDP Kavuka começa — na validação na fonte nativa, a camada que confere o conteúdo extraído com o emissor e sinaliza a adulteração, conectada às esteiras de risco da plataforma. Vender o dado validado, e não o texto extraído, é a distinção que justifica o prêmio.

No portfólio Kavuka, este OCR é o motor horizontal — a porta de entrada documental de toda operação: onboarding, crédito, RH e backoffice. Ele se distingue do OCR Veicular, que é a aplicação vertical para placas e fluxo logístico, e se complementa com o Onboarding Digital (a esteira que o consome), o Face Match (o par biométrico do documento de identidade) e o Data Enrichment (o complemento do cadastro). A síntese é direta: do papel ao dado validado em segundos — o backoffice que escala sem headcount, o funil sem a trava do upload e o documento falso barrado onde ele sempre passou.