Modelo de classificação documental automatizada, criação e encaminhamento de processos, com recurso a aprendizagem automática e automação robótica de processos (RPA) aplicada a processos documentais na Administração Pública

Abstract

Este trabalho propõe o desenvolvimento e validação de um modelo de classificação documental automatizada e encaminhamento de processos documentais, recorrendo a técnicas de aprendizagem automática e Automação Robótica de Processos (RPA). Num contexto caraterizado por desafios como o envelhecimento dos trabalhadores, a escassez de recursos e a crescente exigência de eficiência e qualidade nos serviços públicos, este trabalho visa contribuir para a modernização da gestão documental, reduzir erros, aumentar a celeridade dos processos e libertar recursos humanos para tarefas de maior valor acrescentado. O modelo proposto considera cinco etapas principais, definição de taxonomia e classes documentais, preparação dos documentos, classificação e segmentação, extração de atributos e encaminhamento automatizado assegurada por robôs de RPA com sistemas de gestão documental existentes. A metodologia adotada combina investigação aplicada de natureza quantitativa e qualitativa, incluindo revisão bibliográfica, preparação de dados, desenvolvimento e validação empírica do modelo. A avaliação do modelo conjuga métricas como precisão, recall e F1-score, com supervisão técnica e ciclos de melhoria contínua. Os resultados obtidos indicam uma redução superior a 70% no tempo de processamento documental e uma precisão global de 83% na classificação documental, validando a hipótese de que a combinação de inteligência artificial (IA) e RPA pode contribuir para melhorar a performance dos processos de gestão documental, contribuindo para a transformação digital da Administração Pública e para a melhoria contínua dos seus serviços.

This study addresses the growing complexity of administrative documentation in the public sector by proposing a model for automated document classification and workflow routing using machine learning and RPA. In response to challenges such as workforce aging, limited resources, and rising efficiency demands, the model aims to modernize document management, streamline operations, and reallocate human effort to higher-value tasks. The proposed approach enables the dynamic assignment of documents to appropriate departments or workflows based on extracted attributes and predefined business rules. Integration with existing systems is achieved through RPA, which simulates human interactions with legacy interfaces, thereby avoiding disruptive changes to IT infrastructure. The combination of attribute extraction, rule-based routing, and system integration contributes to gains in operational efficiency, error reduction, and service quality. The model comprises taxonomy and document class definition, document preparation, classification and segmentation, attribute extraction, and automated routing via RPA integrated with existing document management systems. The methodology blends quantitative and qualitative applied research, including literature review, data preparation, and empirical validation. Model evaluation combines metrics such as precision, recall, and F1-score, with technical supervision and continuous improvement cycles. The results indicate a reduction of 70% in document processing time and an overall classification accuracy of 83%, validating the hypothesis that the combination of AI and RPA can enhance the performance of document management processes, contributing to the digital transformation of Public Administration and the continuous improvement of its services and demonstrates the potential of intelligent automation to transform document-centric processes in the public sector.