Portal de análise dedocumentos de renda com AI

Tela principal do portal de análise de documentos por AI.
Cliente
Banrisul
Serviço
UX/UI, Research, Produto
Período
Agosto - Outubro
Ano
2024

Resultados alcançados

73%

menos tempo de SLA

87%

menos custo por análise

6 -> 2

analistas no processo

O cenário

Em 2024, liderei o design de uma ferramenta de backoffice de crédito. O objetivo era integrar inteligência artificial ao processo de verificação manual realizado por analistas de crédito, uma tarefa sensível e de alta responsabilidade.

A meta era reduzir o custo e o tempo de análise sem perder o cuidado exigido nesse tipo de operação.

Tela inicial do fluxo de análise de documentos.
Filtros da fila de documentos.Calendário de análise.

Qual era o meu desafio

O cliente utilizava uma empresa parceira para fazer a análise de documentos de renda enviados no fluxo do empréstimo consignado. Esse processo dependia de muitas etapas manuais e acumulava atraso.

O custo e o SLA eram altos, a demanda era grande e ainda havia retrabalho quando a análise vinha incorreta.

Formulário de leitura automática.Validação automática de documento.

Hipótese de solução

A partir de reuniões com stakeholders e entrevistas com analistas, a hipótese foi que uma IA poderia reconhecer os tipos de documentos aceitos e extrair automaticamente as informações necessárias.

Com isso, seria possível acelerar a análise, reduzir custos e manter uma camada de validação humana enquanto a solução amadurecia.

Sistema exibido em notebook.

Como implementamos a solução

A experiência foi desenhada para organizar o fluxo de upload, leitura automática e conferência manual em um único percurso, com estados claros e foco na rastreabilidade.

As telas de lista, filtros, calendário e detalhe foram pensadas para dar velocidade ao trabalho dos analistas sem esconder o contexto de cada documento.

Tela final de detalhes do documento.

Aprendizados

O MVP foi finalizado e os primeiros testes apontaram ganho de eficiência operacional e uma experiência mais objetiva para os usuários.

O SLA caiu cerca de 73%, o custo por análise reduziu 87% e o time de analistas foi de 6 para 2 enquanto a IA era treinada. A meta seguinte era chegar a um único analista e automatizar totalmente o fluxo.

Quer desenvolver um projeto?