Catalogação com inteligência artificial: como funciona, passo a passo

Etapa 1: a captura

Tudo começa com uma imagem ou um documento. Para material físico — o caso do BiblioScan AI —, basta uma fotografia tirada com o celular: a capa, a quarta capa ou a página de créditos (o verso da folha de rosto, onde costuma estar a ficha catalográfica com ISBN, editora e ano). O sumário também ajuda, porque é dele que saem as sugestões de assunto. Não é preciso scanner dedicado nem estação de trabalho especial: qualquer pessoa da equipe pode capturar o material com o próprio telefone, e várias pessoas podem fotografar em paralelo, sem o gargalo físico de um scanner de livros.

Para material que já nasce digital — o PDF de uma tese, um artigo, um relatório institucional —, o ponto de partida é outro, e quem o cobre é a nossa outra ferramenta, a MetaExtract API, que trabalha diretamente sobre o documento em vez de uma foto. O fluxo dela está explicado no guia de extração de metadados com IA. Este guia se concentra no fluxo a partir de imagem, que é o que gera mais perguntas porque parece o mais difícil de automatizar.

Etapa 2: reconhecimento e extração

A fotografia entra em um processo que combina OCR (reconhecimento óptico de caracteres) com modelos de visão e de linguagem. O OCR converte o texto da imagem em texto simples; os modelos de visão e linguagem interpretam esse texto e o relacionam com o que se espera encontrar em um registro bibliográfico: onde costuma estar o título, como distinguir um ISBN de um ano de edição, qual sequência de texto provavelmente é o nome do autor.

É essa parte que faz da ferramenta algo mais que um OCR genérico: ela não apenas lê o texto, mas o classifica segundo o papel que ele cumpre no registro. É a mesma diferença que existe entre transcrever uma página e catalogá-la.

Etapa 3: mapeamento para o padrão bibliográfico

Com os dados identificados — título, autor, editora, ISBN, ano, assunto, entre outros —, o passo seguinte é traduzi-los para a estrutura que o seu sistema espera. Em catálogos como o Koha, essa estrutura é o MARC21, com seus campos e subcampos numerados; em repositórios como o DSpace, costuma ser o Dublin Core. Não é a mesma coisa extrair “Silva, Ana” e saber que esse dado vai no campo 100, como autor pessoal principal, e não em uma nota. É esse mapeamento que decide se o registro que chega ao catálogo é utilizável ou se vai gerar mais trabalho de correção do que economiza.

Etapa 4: preenchimento automático no seu sistema

Com o registro já estruturado no padrão correto, os campos são inseridos diretamente no sistema de gestão da biblioteca. O BiblioScan AI se integra ao Koha, ao DSpace e ao Alma, então o catalogador não precisa copiar e colar nada entre uma ferramenta externa e o sistema: o registro aparece já carregado, com os campos MARC21 preenchidos, no mesmo lugar onde ele sempre catalogou. Os campos cobertos são os descritivos do perfil configurado com a instituição — título e indicações de responsabilidade, edição, publicação, descrição física, série, ISBN e notas —, além das sugestões de assunto a partir do sumário.

Nos projetos que fazemos, esta é a parte que mais surpreende equipes que catalogam à mão há anos: o sistema que elas usam não muda; muda apenas quem faz a digitação.

Etapa 5: o que o bibliotecário revisa

Este é o ponto mais mal interpretado: a IA não substitui o catalogador, ela muda o momento do processo em que ele intervém. Em vez de transcrever cada campo do zero, o bibliotecário revisa um registro já proposto e aplica o critério que um modelo não tem: normalização de nomes de autor de acordo com as autoridades já usadas no catálogo, atribuição de assuntos e classificação, decisões sobre edições e exemplares múltiplos, e os casos em que a foto saiu borrada ou o livro não tem ISBN.

Na página do produto, o BiblioScan AI divulga uma precisão de 99,9%, com um esquema de 95% automático e 5% de revisão humana. É um número de marketing do próprio produto e deve ser lido como referência, nunca como garantia de projeto: o percentual real de revisão depende da qualidade das fotos, do estado do material e do grau de exigência da política de catalogação da sua biblioteca. Por isso todo projeto inclui um piloto medido, em que a biblioteca compara os registros gerados com os que a própria equipe produz antes de estender a ferramenta a todo o acervo. O que se repete em todos os projetos é a mudança de papel: o catalogador deixa de digitar e passa a decidir.

Formatos, idiomas e materiais com que funciona

O BiblioScan AI trabalha com fotografias tiradas com qualquer celular ou câmera, sem scanner especializado nem formato de imagem específico. Funciona com livros impressos e, em geral, com qualquer material que traga uma página com dados editoriais identificáveis: capa, quarta capa, página de créditos ou ficha catalográfica. O melhor desempenho está nas monografias modernas de impressão nítida; em obras raras, material em alfabetos não latinos, publicações seriadas ou audiovisual, o ganho é menor e a revisão é maior — e, nesses casos, a recomendação honesta é continuar catalogando à mão. A ferramenta processa material em português, espanhol e inglês e se integra ao DSpace, ao Koha e ao Alma, então não importa se o seu catálogo é de código aberto ou comercial.

Se o material já está em PDF — teses, dissertações, artigos e relatórios que vão para um repositório institucional —, o processo equivalente não parte de uma foto, e sim do próprio documento: é o trabalho da MetaExtract API. Quando implantamos as duas ferramentas juntas, normalmente o BiblioScan AI cobre o acervo físico e a MetaExtract API o repositório digital, sobre a mesma infraestrutura.

Séries, coleções e exemplares múltiplos

Um caso que vale esclarecer porque gera dúvidas na prática: quando a biblioteca tem vários exemplares do mesmo título, a IA não cataloga cada foto como se fosse um livro novo. O fluxo habitual é catalogar o título uma única vez, com o registro bibliográfico completo, e depois cadastrar cada exemplar adicional como item desse mesmo registro, com código de barras e localização próprios. Fotografar cada exemplar só faz sentido quando há diferenças reais entre as cópias: uma edição distinta, um estado de conservação que precisa ser anotado ou uma doação com procedência própria.

Com séries e coleções acontece algo parecido: a IA identifica o título da obra e, quando o livro o indica explicitamente na capa ou na quarta capa, a série a que pertence. Mas decidir se essa série será catalogada como um registro de nível superior com volumes associados, ou como notas em cada registro individual, é uma decisão de política de catalogação que cabe à biblioteca, não ao modelo. Aqui, mais uma vez, entra o critério do catalogador, e não a automação.

O que a catalogação com inteligência artificial muda no tempo de trabalho

Vale dizer com precisão onde está o ganho de tempo. A captura não economiza tempo em relação a tirar uma foto de referência, algo que muitas bibliotecas já faziam de qualquer forma. A economia real está nas etapas 2, 3 e 4 — reconhecimento, mapeamento para MARC21 e preenchimento automático —, que no processo manual consomem minutos de digitação por registro e, com IA, acontecem em segundos e de forma simultânea. A etapa 5, a revisão, continua levando o tempo que já levava decidir aqueles casos; a diferença é que agora ela é a única parte do processo que consome tempo humano.

Para bibliotecas com acervo acumulado sem catalogação, é essa mudança — e não a velocidade da foto — que altera a conta do projeto.

Um exemplo real: catalogação e IA na mesma plataforma

Na Escuela Colombiana de Ingeniería Julio Garavito, a BiblioLabTech trabalha exatamente este fluxo: Koha com catalogação assistida pelo BiblioScan AI para o acervo físico e DSpace com a MetaExtract API para o repositório, com revisão humana obrigatória antes de salvar cada registro nos dois casos. O resultado, descrito no estudo de caso, é que as tarefas de descrição documental passaram da transcrição para a revisão — justamente a mudança de papel que este guia descreve.

O BiblioScan AI também está em produção na Universidad Católica Luis Amigó, na Colômbia, e na Universidad Continental, no Peru — esta última sobre uma plataforma comercial de gestão de bibliotecas, sem nenhuma migração.

Como colocar em funcionamento na sua biblioteca

Quando a BiblioLabTech implanta o BiblioScan AI, a ordem costuma ser esta:

1. Conexão e perfil. O BiblioScan AI é conectado ao seu sistema (Koha, DSpace ou Alma) e o perfil de catalogação é definido: quais campos são obrigatórios e quais vocabulários de assunto a biblioteca usa.
2. Lote de teste. Um lote com material real do seu acervo é processado para calibrar a extração segundo os seus próprios critérios e medir a linha de base: quantos registros por hora a equipe produz hoje e com que nível de correção posterior.
3. Abertura à equipe. Só depois que esse lote é validado o fluxo é aberto a toda a equipe, com o procedimento de revisão já acordado.

Não há migração do seu catálogo atual: a ferramenta se conecta ao que você já tem. O prazo típico é de seis a oito semanas, do diagnóstico à implantação, incluindo o piloto medido; quando a biblioteca já tem o perfil de catalogação definido e o sistema expõe uma integração padrão, cai para quatro ou cinco semanas. O serviço é contratado como licença anual, que inclui implantação, configuração do perfil, suporte e melhorias do período; o valor depende do número de unidades ou bibliotecas que usam a ferramenta, do volume de processamento previsto e das integrações com sistemas de terceiros. Toda implantação do Koha feita pela BiblioLabTech inclui o BiblioScan AI sem custo adicional.

Se você quer ver o processo completo funcionando com o seu acervo, o próximo passo é uma conversa sobre a sua coleção e o seu sistema atual, não uma demonstração genérica. A BiblioLabTech atende em português e trabalha remotamente com bibliotecas de qualquer país: fale com a nossa equipe.