Cloudflare disponibiliza em pré-visualização na Workers AI o modelo de IA «Clairic», especializado na extração de campos de documentos

A Cloudflare disponibilizou em pré-visualização na plataforma de execução de IA Workers AI o «Clairic», um modelo de IA que extrai valores de campos especificados em documentos. O utilizador indica campos como o número de encomenda ou o valor da fatura, e o modelo devolve os valores no formato pretendido, juntamente com o respetivo nível de confiança. Os pesos do modelo também deverão ser disponibilizados em breve, e a empresa apresentou um exemplo de processamento que combina o modelo com um LLM.

Uma IA que extrai campos, em vez de escrever textos

Quando se fala em IA generativa, muitas pessoas imaginam uma ferramenta capaz de escrever textos com facilidade. Mas o Clairic tem uma natureza quase oposta. A sua função limita-se a extrair campos específicos, como «obter o valor total de uma fatura» ou «encontrar o número de encomenda num e-mail».

O seu funcionamento também tem características próprias. Os LLM comuns geram texto juntando palavras uma a uma, ao nível dos tokens, mas o Clairic não funciona dessa forma: devolve as respostas a todos os campos indicados num único processamento. Se o documento não contiver o valor correspondente, devolve «null» (sem correspondência), o que o torna adequado para utilização profissional, já que não tenta inventar uma resposta.

Além da extração, o modelo também deverá ser capaz de realizar cálculos simples, estimativas e previsões. Por outras palavras, é mais fácil pensar no Clairic não como alguém que escreve textos, mas como um «assistente de preparação» que organiza informações dispersas num formato fácil de utilizar.

As tarefas de atendimento divididas entre modelos

O exemplo de utilização apresentado pela Cloudflare é bastante elucidativo. O cenário é um e-mail de reclamação de um cliente. Primeiro, o Clairic extrai do e-mail o número de encomenda, o valor e os detalhes dos danos, e estima o custo da reparação.

Depois, entra em ação o «Clef», um modelo concebido para tomar decisões. Com base nas regras internas, escolhe entre reembolsar o cliente ou reparar o artigo. Por fim, o LLM GLM-5.3 redige a resposta destinada ao cliente.

O interessante é que não se confia tudo a um único modelo gigantesco. Se transpusermos a situação para um local de trabalho, é como uma equipa em que uma pessoa da receção organiza a informação, outra toma a decisão e alguém com talento para a escrita redige a resposta. A Cloudflare chama «System One» a este conjunto de modelos pequenos, responsáveis por tarefas rápidas, e prevê que sejam encadeados em conjunto com LLM.

Pessoalmente, considero que esta abordagem é o verdadeiro ponto central do anúncio. Quando se pensa em implementar IA, é fácil concentrar-se na escolha de «um único modelo, o mais inteligente de todos». Mas, se dividirmos o trabalho em tarefas, nem todas exigem o máximo da capacidade de raciocínio. A utilização de ferramentas diferentes consoante a função poderá tornar-se uma prática habitual na IA aplicada ao trabalho.

Os números da rapidez mostram os benefícios da divisão de tarefas

Vejamos também os números. Na comparação da Cloudflare, o processamento em três etapas descrito acima demorou 19,3 segundos. Segundo a empresa, executar as mesmas três etapas apenas com o GLM-5.3 demora 61,7 segundos e custa quase o dobro.

No entanto, estes números dizem respeito a um caso de processamento específico. Não se obterá a mesma diferença em todas as tarefas profissionais; o mais adequado é encará-los como uma indicação do quanto os resultados podem mudar quando o trabalho é dividido. Ainda assim, o facto de o tempo de processamento poder ser mais de três vezes superior dá que pensar sobre as vantagens desta abordagem.

As limitações também são claramente indicadas. O Clairic ainda não consegue lidar de forma fiável com cálculos encadeados de longa duração. Por enquanto, os programadores terão de executar esse tipo de processamento com código próprio.

Ainda assim, um mundo onde coexistam modelos especializados, capazes de executar com rapidez e baixo custo as tarefas em que são bons, é atraente para quem trabalha no terreno. Quanto mais rotineiras forem as tarefas, realizadas diariamente em grande volume — como o processamento de faturas e o atendimento a pedidos —, maiores deverão ser os benefícios desta divisão de trabalho. Os LLM podem concentrar-se nas tarefas que só eles conseguem executar. O Clairic mostra-nos uma porta de entrada para esse futuro.