O reconhecimento ótico de caracteres no ecossistema Microsoft abrange hoje várias aplicações e serviços, do SharePoint ao Purview e ao Copilot. Cada componente desempenha uma função diferente, com as suas próprias condições de ativação e limitações. O OCR da Microsoft no Office e no SharePoint não se resume a uma única funcionalidade: é um conjunto de mecanismos que funcionam em paralelo, por vezes sem que o utilizador se aperceba.
OCR de pesquisa e OCR de conformidade do Purview: dois mecanismos distintos
É frequente confundir o OCR do SharePoint com uma funcionalidade monolítica. Na realidade, coexistem dois circuitos. O primeiro extrai o texto de imagens e documentos digitalizados para que possam ser pesquisados através da pesquisa do SharePoint. O segundo, no Microsoft Purview, analisa imagens para aplicar regras de conformidade, nomeadamente a proteção contra a perda de dados (DLP).
O administrador tem de ativar cada um destes circuitos separadamente. O OCR do Purview é opcional e requer uma configuração específica: é necessário escolher as localizações a analisar e configurar as políticas DLP associadas. Ativar o OCR para a pesquisa não significa que as imagens serão analisadas para fins de conformidade.
Para saber mais sobre o funcionamento do OCR da Microsoft no Office e no SharePoint, vale a pena prestar especial atenção às diferenças de licenciamento entre estas duas utilizações, pois determinam o que está efetivamente disponível em cada subscrição.

Indexação do SharePoint: o que o OCR não garante
Carregar um PDF digitalizado para uma biblioteca do SharePoint com o OCR ativado não torna o documento imediatamente pesquisável. A indexação é efetuada em segundo plano, sem um prazo garantido, dependendo da carga do serviço e do volume de conteúdo. Não existe nenhuma definição que permita forçar um processamento instantâneo.
Esta latência tem consequências concretas nas organizações que processam grandes volumes de documentos digitalizados. Um departamento de contabilidade que carregue cinquenta faturas digitalizadas pode constatar que algumas só aparecem nos resultados da pesquisa várias horas depois.
Qualidade da digitalização e fiabilidade da extração
A Microsoft esclarece que a qualidade dos caracteres e da digitalização afeta diretamente o resultado do OCR. Um documento fotografado de lado, com iluminação irregular ou baixa resolução, produzirá texto extraído incompleto ou incorreto. Os formulários manuscritos apresentam um problema semelhante: o OCR processa a escrita à mão, mas a taxa de reconhecimento diminui quando a caligrafia é pouco legível.
Três fatores prejudicam a qualidade da extração:
- Baixo contraste entre o texto e o fundo, frequente em formulários pré-impressos ou etiquetas industriais a cores
- Rotação ou deformação do documento, mesmo que ligeira, que dificulta a segmentação em linhas e palavras pelo motor de OCR
Copilot e OCR: uma camada adicional a compreender
A chegada do Copilot ao Microsoft 365 acrescenta uma nova dimensão ao processamento de documentos digitalizados. O Copilot pode resumir PDFs, incluindo os processados por OCR, e responder a perguntas sobre o seu conteúdo. Esta capacidade depende da camada de texto extraída: sem OCR prévio, o Copilot não consegue ler um PDF composto apenas por imagens.
A distinção entre um PDF nativo (gerado a partir de um processador de texto) e um PDF digitalizado (obtido através de um scanner) continua, por isso, a ser determinante. Um PDF nativo já contém a sua camada de texto. Um PDF digitalizado sem processamento OCR permanece opaco tanto para o Copilot como para a pesquisa do SharePoint.
Limitações conhecidas do processamento pelo Copilot
A precisão da extração varia consoante o idioma e o tipo de documento. Os documentos multilingues ou que combinam texto impresso com anotações manuscritas continuam a ser casos-limite, nos quais o resultado pode exigir uma verificação manual.
O Copilot funciona no OneDrive, SharePoint, Teams e Edge, mas o OCR subjacente depende da ativação ao nível do tenant. Se o OCR não estiver configurado no centro de administração do SharePoint, o Copilot não terá a camada de texto necessária para processar documentos digitalizados.

Classificação de conteúdos históricos: uma etapa muitas vezes esquecida
As organizações que adotam o OCR do SharePoint concentram-se nos documentos recebidos. Os arquivos existentes, por vezes compostos por milhares de ficheiros já armazenados nas bibliotecas, não são processados novamente de forma automática. A classificação a pedido no Purview permite recuperar o atraso, mas exige uma ação explícita do administrador.
Este aspeto raramente é abordado nos guias de introdução. Uma empresa que ative o OCR hoje torna os seus documentos futuros pesquisáveis, mas os arquivos existentes permanecem inalterados até que seja iniciado um novo processamento. O esforço necessário depende do volume, do formato e da organização dos ficheiros existentes.
Formatos suportados pelo OCR do SharePoint
Os ficheiros que já têm uma camada de texto não são processados novamente. Esta seletividade significa que o OCR não altera os PDFs nativos nem cria duplicados de texto.
O funcionamento do OCR no ecossistema Microsoft assenta em vários componentes que têm de ser ativados, configurados e monitorizados separadamente. Não existe um único botão que torne todos os documentos pesquisáveis de uma só vez. A distinção entre OCR de pesquisa, OCR de conformidade e processamento pelo Copilot determina o que cada utilizador pode realmente esperar do sistema.



