Acervos geotécnicos históricos, em geral dispersos e não estruturados, compostos por PDFs digitalizados e documentos manuscritos, demandam elevado esforço de transcrição e dificultam a reutilização de dados em modelos e projetos. Este trabalho apresenta a aplicação de Document Intelligence, com OCR avançado e orientado a layout, para extrair, padronizar e validar informações de boletins de sondagem e ensaios in situ, gerando saídas em tabelas e arquivos JSON aderentes aos princípios do padrão AGS. O fluxo contempla etapas de pré-processamento, segmentação e extração estruturada de campos, como profundidade, \(N_{SPT}\), nível d'água e litologia, seguidas de procedimentos de QA/QC com sinalização de dados que requerem revisão. Em ensaios com boletins simples, a latência de processamento de ponta a ponta variou entre 1 e 5 s por documento, enquanto a transcrição humana de referência demandou aproximadamente 10 a 20 min, podendo alcançar 40 min em casos complexos. Na amostra de Sondagem à Percussão (SP), a acurácia global atual é de aproximadamente 65%, tendo como meta operacional um valor igual ou superior a 95%. As principais fontes de erro estão relacionadas à ausência de metadados geodésicos, como o sistema de referência, à variação ou omissão do método de avanço e à presença de elementos gráficos, como os registros de \(N_{SPT}\), que exigem interpretação humana. Conclui-se que a automação reduz significativamente o tempo de processamento e possibilita a criação de uma base de dados auditável para retroanálises e calibração, sendo necessárias evoluções nos dicionários, nas normalizações e nas regras de consistência para alcançar a meta de acurácia.
Avenida República do Líbano, 251 - Pina, Recife - PE - CEP: 51110-160