Como criar prompts para extrair dados de PDF e transformar em planilha (sem bagunçar colunas)

1. 1) Escolha o que é “dado” e o que é “contexto”

   Antes do prompt, decida: você quer extrair uma tabela inteira, alguns campos (ex.: CNPJ, valor, data) ou ambos? PDFs misturam texto corrido, tabelas e rodapés. Se você não disser o que entra e o que sai, a IA tende a misturar cabeçalho, observações e notas como se fossem linhas de planilha.

2. 2) Defina o esquema de planilha (colunas + regras)

   Escreva as colunas e como preencher cada uma. Exemplo de regras: datas em dd/mm/aaaa; valores numéricos sem símbolo de moeda; decimal com vírgula ou ponto (um só); remover quebras de linha; não repetir títulos; manter um identificador por linha (ex.: número do documento + item). Isso reduz o “CSV torto” e as colunas desalinhadas.

3. 3) Use um prompt de extração com saída rígida (CSV ou JSON)

   Peça explicitamente o formato. Para CSV, exija: primeira linha é o cabeçalho; cada linha tem o mesmo número de colunas; aspas duplas em campos com vírgula; sem explicações junto do CSV. Para JSON, exija uma lista de objetos com as chaves fixas. Diga também o que fazer quando o campo não existir: vazio (""), null, ou "NA" — mas escolha um padrão.

4. 4) Adicione uma etapa de auditoria (anti-alucinação)

   Depois da extração, peça para a IA validar: quantas linhas ela encontrou; quais campos ficaram vazios; se há valores fora do padrão; se total bate com o total do PDF (quando houver); e listar as linhas “suspeitas”. Se você tiver o PDF com totais, essa checagem pega erros rapidamente.

5. 5) Rode em lotes e padronize exceções

   Em PDFs diferentes (mesmo “tipo”), sempre surgem variações de layout. Rode 3 a 5 amostras, ajuste o prompt com as exceções (ex.: linhas de subtotal, descontos, itens bonificados) e só então escale. Se for volume alto, prefira JSON e uma etapa de transformação para CSV.

Prompt-base (CSV) para extrair tabela de PDF sem desalinhar colunas

Use este modelo quando você quer colar o texto extraído do PDF (ou o conteúdo que a ferramenta de leitura do PDF disponibiliza) e receber um CSV pronto para colar no Google Sheets/Excel.

Observação honesta: sem acesso direto ao arquivo, cada ferramenta “entrega” o texto do PDF de um jeito. Se vier com quebras estranhas, o prompt ainda ajuda, mas pode precisar de 1–2 iterações.

• PROMPT (cole e adapte):
• Você é um extrator de dados. Converta o conteúdo abaixo em CSV ESTRITO.
• Regras:
• - Saída APENAS em CSV (sem comentários).
• - Cabeçalho exatamente: data, numero_documento, fornecedor, cnpj, descricao_item, quantidade, unidade, valor_unitario, valor_total, observacoes
• - Cada linha deve ter exatamente 10 colunas. Se um campo não estiver no texto, deixe vazio (""), não invente.
• - Datas em dd/mm/aaaa. Valores numéricos sem R$; use vírgula como decimal e sem separador de milhar.
• - Ignore rodapés, cabeçalhos repetidos, termos como "Página X" e assinaturas.
• - Se houver subtotais/total geral, não transforme em linha de item; coloque em observacoes da última linha como: "TOTAL_DOCUMENTO=..."
• Conteúdo do PDF (texto extraído):
• [COLE AQUI]

Quando usar JSON em vez de CSV (e por quê dá menos dor de cabeça)

CSV é ótimo para colar direto na planilha. Mas, quando o documento tem campos opcionais, múltiplas tabelas ou variações de layout, JSON costuma ser mais robusto: cada linha vira um objeto com chaves fixas.

Depois você converte JSON → planilha com mais controle (principalmente em automações).

Checklist de validação (o que conferir antes de confiar na planilha)

Minha regra prática: extração sem validação vira retrabalho. Mesmo quando a IA acerta “quase tudo”, o 2% errado normalmente está no valor, na data ou no CNPJ — justamente o que quebra processos.

• Bateu o número de linhas? (itens no PDF vs. linhas na planilha)
• Datas: todas no mesmo formato? Tem data impossível (ex.: 32/13/2026)?
• Valores: tem vírgula/ponto misturado? Tem valor negativo sem motivo?
• Duplicidades: mesmo numero_documento + descricao_item repetido?
• Campos críticos vazios: CNPJ, valor_total, data (liste e revise no PDF)
• Totais: quando existir total do documento, soma dos itens ≈ total (pode haver frete/desconto; registre em observacoes)

Prompt de auditoria: faça a IA apontar onde ela pode ter errado

Depois de gerar o CSV/JSON, rode um segundo prompt só para checar consistência. Isso reduz alucinação silenciosa (quando a IA preenche um campo “parecido” porque não achou o correto).

• PROMPT (auditoria):
• Você é um auditor de dados extraídos de PDF. Analise a tabela abaixo e:
• 1) Liste linhas com campos críticos vazios (data, numero_documento, valor_total).
• 2) Aponte valores fora do padrão (ex.: texto em coluna numérica, datas inválidas).
• 3) Verifique se todas as linhas têm o mesmo número de colunas (se CSV) ou todas as chaves (se JSON).
• 4) Gere um resumo: quantidade de linhas, quantidade de erros por tipo.
• Importante: não corrija nada ainda; apenas aponte os problemas.
• Dados extraídos:
• [COLE AQUI]

Perguntas frequentes

Leia também

Guia

Como usar o ChatGPT com Google Sheets para analisar planilhas (sem saber fórmulas)

Guia prático para usar o ChatGPT junto do Google Sheets: limpar dados, achar padrões, gerar insights e montar relatórios sem depender de fórmulas complexas.

Ler →

Guia

Como analisar texto com IA: resumir, extrair dados e achar o que importa

Guia prático para analisar texto com IA além do “resuma isso”: resumo estruturado, extração para planilha, comparação de documentos e classificação — com prompts prontos e limites de tamanho que fazem a IA se perder.

Ler →

Guia

Como usar IA para analisar planilha: achar padrão e resposta sem saber fórmula

Guia prático para usar IA para analisar planilhas sem saber fórmulas: perguntas prontas, como validar os números, limites de tamanho e cuidados de privacidade.

Ler →

Guia

Como criar prompt com fontes e citações (de verdade) para reduzir alucinação na IA

Guia prático para pedir respostas com fontes verificáveis, citações rastreáveis e limitações claras. Inclui modelo de prompt, passos e checklist para evitar alucinação em ChatGPT e outras IAs.

Ler →