Acervo de 14 TB

Projeto de extração de dados

01 ConsolidarCópia íntegra e verificável, fora dos HDs soltos
02 ExtrairFiltrar primeiro, ler depois, local ou remoto
03 MapearQue peça prova qual processo
04 ValidarA leitura jurídica decide o que vale
Luiz FialhoAndré Teixeira SáNovembro de 2026
Ponto de partida

O que existe hoje

O material está espalhado em vários HDs. A primeira semana troca premissa por número medido: inventário com hash, composição real e duplicados.

14 TB
em vários HDs, sobretudo PDF e e-mail
~45%
duplicados, que saem na cópia mestre
30
processos a reconstruir e provar
21/01
data de protocolo, que organiza o calendário
Etapa 01

Consolidar

Nada é lido antes de existir cópia íntegra e verificável. Os HDs originais ficam lacrados como segunda via.

  • SHA-256 por arquivo, em manifesto de lote
  • Deduplicação antes de qualquer processamento
  • Cofre cifrado, com snapshots e cópia fria
HD 01lacrado HD 02lacrado Cópia mestre hash por arquivo ~45% duplicado sai cofre cifrado · ~29 TB úteis
Etapa 02

Extrair

A economia não está em ler mais rápido, está em ler menos. A triagem separa o que já é texto do que precisa de OCR, e o OCR alcança só o que importa.

  • De ~65 milhões de páginas para ~3,9 milhões em OCR
  • Laboratório local, sem internet, a 6 páginas por segundo
  • Máquinas remotas entram por lote, quando o prazo aperta
~65 mi de páginas ~3,9 mi em OCR 17× menos páginas para ler Laboratório local 6 páginas/ssem internet Máquinas remotas entram por lote, compram prazo o mesmo lote, com o mesmo manifesto, é medido igual nos dois
Etapa 03

Mapear

Extrair texto é meio caminho. O que o caso exige é ligar cada peça ao processo certo e deixar o número conferível na origem.

  • Processo, tipo de ato e data em cada documento
  • Leitores independentes conferem a mesma tabela; o que diverge vai para revisão humana, não entra calado
  • Busca por palavra e por sentido, sempre ancorada na página
  • Um dossiê por processo, com a linha do tempo
Etapa 04

Validar

Uma advogada acompanha desde o primeiro lote: define o que entra, confere amostra e valida os critérios antes de escalar.

15
processos maiores na primeira onda, para a análise começar antes do fim
dezembro
as máquinas concluem o processamento
21/01
protocolo; o caminho crítico é a análise jurídica
Luiz Fialho
Quem conduz a parte de dados e IA

Luiz Fialho

Dados e inteligência artificial
  • Engenheiro eletricista pela UFRGS, com formação em machine learning e inteligência artificial pela University of London, com bolsa.
  • Chief AI Officer da Dattos e, hoje, da Globetek.
  • Na Dattos — SaaS enterprise de conciliação de dados, com clientes como Bayer, Mercedes-Benz, Pirelli, Avon e Colgate — pôs em produção agentes de leitura de PDF, de transformação de dados e de desenho de ETL, escreveu o framework de adoção e governança de IA da empresa e conduziu a certificação SOC 2.
  • Antes, fundou a Polem, agrotech construída sobre um modelo proprietário de rede neural, e desenvolveu algoritmos de machine learning na InstructorLive, em Londres.
  • Fundador e Diretor Executivo do IBGIA (em constituição), Instituto Brasileiro de Governança em Inteligência Artificial. Conselheiro do IBEF São Paulo entre 2023 e 2025. Autor de O CFO Aumentado. CFA Nível II.
Lotes com retomada de onde parou, registro do que foi feito e amostra conferida em cada um.