Automação de Coleta de Informações com IA (OpenAI)Info Collection Automation with AI (OpenAI)

ProblemaProblem

Diariamente, a equipe de pricing de uma empresa do ramo de comércio exterior precisava coletar manualmente informações de tarifas de bookings e fretes marítimos, que chegavam por e-mail em padrões completamente diferentes, vindos de mais de dez remetentes distintos. Cada remetente enviava as informações de uma forma própria — algumas no corpo do e-mail, outras em PDF, outras em planilhas (XLSX ou CSV) — sem nenhum padrão comum entre eles.Every day, the pricing team at a foreign trade company had to manually collect booking and ocean freight rate information that arrived by email in completely different formats, from more than ten different senders. Each sender sent the information its own way — some in the email body, others as a PDF, others as spreadsheets (XLSX or CSV) — with no common pattern between them.

O volume também era considerável: cada remetente enviava em média 40 registros por e-mail, diariamente, totalizando cerca de 400 linhas de informações por dia, incluindo porto de origem, porto de destino, tipo de espaço de container, preços e observações relevantes. Depois de coletadas, essas informações precisavam ser consolidadas manualmente num padrão único, dentro de uma planilha do Google Sheets — uma atividade repetitiva que consumia em média 3 horas por dia de um analista do setor.The volume was also significant: each sender sent an average of 40 records per email, daily, totaling around 400 lines of information per day, including origin port, destination port, container space type, prices and relevant notes. Once collected, that information had to be manually consolidated into a single standard inside a Google Sheets spreadsheet — a repetitive activity that consumed an average of 3 hours a day of a pricing analyst's time.

SoluçãoSolution

Foi desenvolvido um sistema de scripts em Python que coletava os e-mails com status 'não lido' e os processava através de um STEP de inteligência artificial (OpenAI API, modelo GPT-5.5). A IA identificava o tipo de arquivo recebido em cada e-mail e o padrão de informação usado por aquele remetente específico, extraindo e padronizando os dados antes de gravá-los em um banco de dados centralizado no Firestore.A system of Python scripts was built to collect emails marked as 'unread' and process them through an AI step (OpenAI API, GPT-5.5 model). The AI identified the type of file received in each email and the information pattern used by that specific sender, extracting and standardizing the data before saving it to a centralized Firestore database.

Para viabilizar essa leitura com precisão, foi feito um mapeamento prévio do padrão utilizado por cada remetente — um sempre enviava no corpo do e-mail com nomenclatura de colunas específica, outro sempre em planilha anexada, outro em PDF ou imagem. Esse mapeamento permitia que o sistema soubesse, antes mesmo de processar, que tipo de leitura aplicar para cada fonte. O sistema rodava todos os dias, inclusive finais de semana, às 9h.To make that reading accurate, a prior mapping of each sender's pattern was done — one always sent information in the email body with specific column naming, another always as an attached spreadsheet, another as a PDF or image. That mapping let the system know, even before processing, what kind of reading to apply to each source. The system ran every day, including weekends, at 9 AM.

Posteriormente, o time de Full Stack de TI da empresa evoluiu o projeto, desenvolvendo um frontend dentro do portal interno da empresa, permitindo que os colaboradores consultassem as informações diretamente, com filtros por preço, validade, data e armador, direto do Firestore.Later, the company's Full Stack IT team evolved the project, building a frontend inside the company's internal portal, letting employees query the information directly — with filters by price, validity, date and carrier — straight from Firestore.

ResultadosResults

Automatização das 3 horas diárias que um analista do setor de pricing gastava manualmente coletando e consolidando essas informações.Automated the 3 daily hours a pricing analyst used to spend manually collecting and consolidating this information.

Mudança na forma de apresentação dos dados, que deixaram de depender de uma planilha estática e passaram a ser consultados por um frontend dedicado dentro do portal interno da empresa — com ganho de velocidade para o setor de pricing na formulação de ofertas competitivas, permitindo que o comercial repassasse oportunidades aos clientes mais rápido.Changed how the data was presented — no longer dependent on a static spreadsheet, now queried through a dedicated frontend inside the company's internal portal — speeding up the pricing team's ability to put together competitive offers, letting sales pass opportunities to clients faster.

TecnologiasTechnologies

Fluxograma de ArquiteturaArchitecture Flowchart