Billerud e Adyen: precisão notável em captura de dados de faturas com IA

A Billerud, fabricante sueca de papel e embalagens com 6.000 funcionários e operações em mais de 100 países, alcançou 90%+ de validação automática de faturas em PDF e reduziu custos de processamento em 66% com IA. A Adyen, gigante holandesa de pagamentos que processa 100.000+ páginas de faturas por ano em 23 países, atingiu 93,4% de precisão na extração de dados e reduziu sua equipe de AP de 12 para 7 pessoas. Dois casos distintos, mas com uma lição comum: a era do OCR tradicional está acabando, e a IA adaptativa está redefinindo o que significa capturar dados de faturas.

Neste post, vamos analisar cada caso em profundidade, entender as tecnologias por trás dos resultados e identificar os padrões que qualquer empresa pode replicar.

O problema que ambas enfrentavam: OCR é burro

Antes de mergulhar nos casos, vale entender por que o OCR (Optical Character Recognition) tradicional — a tecnologia que dominou a captura de dados de faturas por décadas — se tornou um gargalo.

O OCR convencional funciona com templates fixos. Ele precisa saber exatamente onde cada informação está posicionada no documento: o valor total está na posição X, o CNPJ do fornecedor na posição Y, a data de vencimento na posição Z. Quando o layout muda — e ele muda constantemente, porque cada fornecedor tem seu próprio formato de fatura — o OCR falha ou extrai dados incorretos.

O resultado prático é que equipes de AP passam horas por dia corrigindo o que o OCR errou. Valores decimais invertidos, datas no formato errado, nomes de fornecedores truncados, números de pedido confundidos com códigos internos. Em empresas com alto volume de faturas e fornecedores internacionais, a taxa de erro do OCR tradicional pode ultrapassar 30% em documentos fora do padrão.

Tanto a Billerud quanto a Adyen enfrentavam versões desse mesmo problema — amplificadas pela escala e complexidade internacional de suas operações.

Caso Billerud: IA que aprende desde o primeiro dia

A Billerud é uma empresa com 150 anos de história, operando 10 unidades de produção nos Estados Unidos, Suécia e Finlândia. Após a fusão com a Verso, o volume de vendas da empresa dobrou — e com ele, a complexidade do processamento de faturas.

O problema específico. A equipe financeira estava sobrecarregada com faturas em PDF que chegavam em formatos variados de fornecedores espalhados por três continentes. O OCR existente exigia configuração manual de templates para cada novo fornecedor e frequentemente produzia erros que precisavam ser corrigidos manualmente. O tempo dedicado a atividades "sem valor agregado" — basicamente, corrigir dados extraídos incorretamente — estava consumindo a capacidade da equipe.

A solução: Basware SmartPDF. A Billerud implementou a tecnologia SmartPDF da Basware, que utiliza uma combinação de deep learning, extração de texto e visão computacional (AI vision) para capturar dados de faturas em PDF. A diferença fundamental em relação ao OCR tradicional é que o SmartPDF não depende de templates predefinidos. O sistema aprende a interpretar o layout de cada fatura individualmente, adaptando-se a formatos novos sem necessidade de configuração manual.

Uma característica particularmente relevante é o Instant Learning: o sistema começa a produzir resultados precisos desde o primeiro documento processado, sem necessidade de um período extenso de treinamento. Isso foi decisivo para a Billerud, que não podia se dar ao luxo de meses de implantação enquanto o volume de faturas continuava crescendo.

Os resultados. Os números da Billerud são expressivos:

• 90%+ das faturas PDF validadas automaticamente, sem intervenção humana
• 66% de redução no custo de processamento de faturas em PDF
• 25% de redução nos custos mensais totais de AP
• A taxa de faturas que exigiam validação manual caiu de 15% para 9% nos primeiros três meses, com tendência de queda contínua à medida que o modelo aprende mais

Segundo Jesper Persson, Business Developer da Billerud: "Desde o primeiro dia, percebemos o valor desejado do projeto. A qualidade das faturas melhorou consideravelmente, e a IA continua evoluindo e melhorando a cada dia." O retorno sobre o investimento foi alcançado em poucos meses.

Caso Adyen: automação inteligente em 23 países

A Adyen opera em uma escala e complexidade diferentes. Como processadora global de pagamentos, a empresa recebe faturas de fornecedores em 23 países, em múltiplos idiomas, moedas e formatos. A centralização do processamento em uma única equipe de AP em Amsterdã — com 12 pessoas — tornava o processamento manual insustentável à medida que a empresa crescia.

O problema específico. O volume de 100.000+ páginas de faturas por ano combinado com a diversidade de formatos (diferentes idiomas, moedas, layouts e requisitos fiscais por país) criava uma situação onde nenhuma solução de OCR baseada em templates poderia funcionar de forma confiável. A equipe passava tempo excessivo em extração manual de dados, validação e correção de erros.

A solução: Rossum com IA adaptativa. A Adyen implementou a plataforma Rossum, que utiliza processamento inteligente de documentos com IA para automatizar todo o fluxo de faturas. A implementação aconteceu em duas fases:

Na Fase 1 (2023), a integração com o Workday automatizou a extração de dados, detecção de duplicatas, codificação fiscal e de centros de custo, e matching com fornecedores cadastrados. Na Fase 2 (2025), a integração com o Coupa adicionou validação de matching com ordens de compra (PO matching) e verificação de IBAN contra registros de fornecedores — uma camada adicional de segurança contra fraudes.

Os resultados. Os números da Adyen demonstram o impacto em escala:

• 70% de automação de faturas (com meta de alcançar 85% em seis meses)
• 93,4% de precisão média na extração de dados
• 20,5% de redução na taxa de erros
• Equipe de AP reduzida de 12 para 7 FTEs — uma redução de 40% no headcount, sem demissões (a empresa remanejou profissionais para funções de maior valor)

Marco Favaretti, Financial Controller da Adyen, resumiu a escolha: "Precisávamos de alguém que pudesse crescer conosco." Jan Langedijk, Senior AP Accountant, foi mais direto: "A solução é o motor que nos permite escalar como time de AP."

IA adaptativa vs. OCR: as diferenças fundamentais

Os dois casos ilustram uma transição tecnológica que está acontecendo em todo o mercado de automação de AP. Vale sistematizar as diferenças entre as abordagens.

Dependência de templates. O OCR tradicional exige um template para cada tipo de documento. Quando um fornecedor muda o layout da fatura (algo que acontece regularmente), o template precisa ser atualizado manualmente. A IA adaptativa interpreta cada documento individualmente, sem dependência de templates fixos. Isso é especialmente crítico para empresas com centenas de fornecedores.

Curva de aprendizado. O OCR precisa de volume significativo de documentos para cada template produzir resultados aceitáveis. As soluções de IA usadas pela Billerud e pela Adyen funcionam desde o primeiro documento (Instant Learning na Basware; modelos pré-treinados na Rossum) e melhoram continuamente com o volume.

Tratamento de exceções. Quando o OCR encontra um formato desconhecido, ele falha — e a fatura vai para uma fila de processamento manual. A IA adaptativa tenta interpretar o documento mesmo sem referência anterior, com taxas de sucesso significativamente superiores. A Basware reporta que o SmartPDF alcança acima de 97% de precisão mesmo em documentos nunca vistos anteriormente.

Multilingue e multicurrency. O OCR tradicional precisa de configurações específicas por idioma e formato monetário. A IA adaptativa lida com múltiplos idiomas e formatos de moeda nativamente — algo essencial para empresas como a Adyen, que opera em 23 países.

O que diferencia os casos de sucesso

Analisando os dois casos juntos, três fatores aparecem como determinantes do resultado.

Integração end-to-end. Tanto a Billerud quanto a Adyen integraram a captura de dados com o restante do fluxo de AP — aprovação, codificação contábil, matching com PO, pagamento. A captura de dados isolada, sem integração com o ERP e os fluxos de trabalho, gera valor limitado porque os dados extraídos ainda precisam ser transferidos manualmente para outros sistemas.

Foco em redução de exceções, não em precisão perfeita. Nenhuma das duas empresas buscou 100% de automação desde o início. A Billerud mirou em reduzir as exceções de 15% para menos de 10%. A Adyen começou com 70% de automação e está expandindo progressivamente. Essa abordagem pragmática evita o erro comum de atrasar a implementação buscando perfeição.

Tratamento da mudança organizacional. A Adyen reduziu sua equipe de 12 para 7 pessoas, mas fez isso por remanejamento, não por demissão. Isso é relevante porque a resistência das equipes é frequentemente o maior obstáculo à automação. Quando os profissionais entendem que a IA está liberando-os de trabalho repetitivo para funções de maior valor, a adoção acelera.

Ações práticas para implementar

Se a sua empresa ainda depende de OCR tradicional ou processamento manual de faturas, aqui estão os passos para iniciar a transição para IA adaptativa.

1. Levante o custo real do processamento atual. Calcule o custo por fatura processada, incluindo tempo de extração, validação, correção de erros e retrabalho. Pesquisas de mercado indicam que o custo médio de processamento manual de uma fatura varia de USD 12 a USD 30. Se o seu custo está nessa faixa, a automação com IA provavelmente se paga em menos de um ano.
2. Avalie a diversidade dos seus fornecedores. Quanto maior a variedade de formatos de faturas que você recebe, maior o ganho com IA adaptativa em relação ao OCR. Se você tem 50+ fornecedores com formatos distintos, o OCR baseado em templates já não é viável.
3. Priorize soluções com integração nativa ao seu ERP. A Billerud usa Basware (integrado ao SAP), a Adyen usa Rossum integrado ao Workday e Coupa. A integração nativa elimina a etapa de transferência manual de dados e é onde está a maior parte do ganho de eficiência.
4. Comece com um piloto focado. Selecione um grupo de 20 a 50 fornecedores que representem a maior diversidade de formatos e teste a solução de IA por 60 a 90 dias. Meça taxa de automação, precisão de extração e tempo economizado. Esses dados serão o business case para a expansão.
5. Planeje a transição da equipe. Automatizar captura de dados libera tempo da equipe de AP. Defina antecipadamente como esse tempo será redirecionado — para análise de fornecedores, negociação de condições de pagamento, gestão de exceções complexas ou outras atividades de maior valor estratégico.