Qualidade da classificação e do matching

A PreservaCred classifica cada processo de insolvência por tipo — recuperação judicial, recuperação extrajudicial, falência ou tutela cautelar antecedente — com um pipeline determinístico, um modelo de linguagem de apoio e revisão humana dos casos relevantes. Os credores são casados ao CNPJ de forma direta quando os autos publicam o documento, e por razão social contra o cadastro da Receita Federal quando não publicam — sempre com um grau de confiança atribuído. Esta página explica como isso é feito, como tratamos homônimos, o que é conferido e o que é estimado. As métricas de precisão e recall dependem de avaliação contra amostra rotulada e ficam em avaliação contínua: publicamos os números quando a amostra os sustentar, nunca antes.

Complementa a metodologia — fontes, limitações e a política de errata versionada (§8).

1. Como classificamos os processos

Cada caso capturado nas publicações oficiais dos tribunais passa por três camadas antes de virar alerta:

• Regras determinísticas — padrões de texto e metadados do DataJud/CNJ identificam o tipo do pedido e a fase (distribuição, deferimento do processamento, edital, sentença, convolação em falência).
• Modelo de linguagem de apoio — desambigua casos em que o texto é ambíguo ou a nomenclatura varia entre tribunais; a saída do modelo é uma sugestão, não a palavra final.
• Revisão humana dos casos relevantes — casos de maior valor ou impacto são conferidos por pessoa antes de qualquer alerta ou publicação. A categoria interna "suspeita" é experimental, nunca afirmação de fato, e não aparece em área pública.

Reconhecemos taxa de erro na classificação. Divergências são corrigidas pelo canal de errata e o relatório afetado ganha nova versão datada.

2. Como casamos credor → CNPJ

A correspondência entre um credor citado nos autos e uma empresa do cadastro nacional segue duas rotas:

Regra de leitura obrigatória: ausência de correspondência não significa ausência de exposição — significa apenas que não conseguimos casar aquele credor a um CNPJ com confiança suficiente.

3. Tratamento de homônimos

Nomes iguais ou parecidos (matrizes e filiais de um mesmo grupo, empresas distintas com razão social próxima, pessoas físicas com nomes comuns) são o principal risco do matching por nome. Como lidamos:

• Sinais de desempate — UF, município, situação cadastral e CNAE ajudam a separar candidatos com o mesmo nome antes de fixar a correspondência.
• Confiança rebaixada em ambiguidade — quando há mais de um candidato plausível, a correspondência não sobe para a faixa alta; entra como possível correspondência, para conferência.
• Conferência antes de afirmar — leituras afirmativas (exposição, contágio, agregados por credora) usam apenas correspondências de confiança alta; o restante fica marcado para investigação, não vira número publicado.
• Matriz e filial — tratadas pelo cadastro da Receita; um pedido pode ser da matriz ou de uma filial do grupo, e isso é sinalizado, não achatado.

Cada alerta traz tribunal, número do processo, UF e valor da causa justamente para permitir a conferência manual quando o vínculo é por nome.

4. Faixas de confiança

Toda correspondência por nome recebe uma pontuação. As faixas abaixo definem o uso permitido de cada correspondência — são política fixa, não estimativa:

5. Métricas de qualidade

Precisão e recall são apurados contra uma amostra rotulada manualmente. Enquanto a amostra não sustenta um número estável, a métrica aparece como em avaliação contínua — preferimos não publicar percentual a publicar um percentual frágil.

6. O que é conferido vs estimado

Encontrou um erro?