Como enviar documentos para a IA no Whizi

Tipos de arquivo suportados, e o que realmente acontece com cada um

Anexe o arquivo arrastando para o campo de mensagem ou clicando no clipe de papel, depois faça sua pergunta. O que o modelo recebe varia conforme o tipo de arquivo, e saber a diferença explica a maioria dos resultados surpreendentes.

Tipo	Extensões	O que o modelo usa
PDFs de texto	.pdf	O texto extraído, na ordem de leitura, incluindo tabelas como texto
PDFs escaneados	.pdf	Uma transcrição por página feita por um processamento de visão no servidor
Documentos do Word	.docx	O texto do documento, extraído no seu navegador
Planilhas	.xlsx, .csv	Valores de célula como texto, não fórmulas ativas
Imagens	.png, .jpg, .jpeg	A própria imagem, lida por um modelo multimodal
Código e texto simples	.py, .js, .ts, .go, .md, .txt e similares	O conteúdo do arquivo tal como está

Duas consequências vale a pena internalizar. Primeiro, uma planilha chega como valores, não como uma pasta de trabalho funcional, então o modelo consegue ler o que sua fórmula produziu, mas não pode reexecutar a fórmula. Segundo, um PDF escaneado passou por uma transcrição visual em vez de extração de texto simples, e uma fonte incomum, uma anotação manuscrita ou uma digitalização de baixa resolução ainda podem gerar um caractere mal interpretado em um número. Confira os valores de documentos escaneados com o original. Uma observação sobre imagens: o campo de mensagem recusa arquivos GIF e pede um PNG ou JPEG no lugar.

Prepare o arquivo antes de perguntar qualquer coisa

Cinco minutos aqui evitam uma conversa confusa depois.

• Nomeie o arquivo pelo que ele é. O modelo vê o nome do arquivo, e 2025-q3-contrato-fornecedor-acme.pdf dá um contexto útil que documento(3).pdf não dá. Isso importa ainda mais quando vários arquivos estão na mesma conversa.
• Envie a fonte, não a versão de apresentação. Especialmente em planilhas, a versão com células mescladas, subtotais dentro dos dados e anotações na margem causa muito mais erros do que um arquivo grande e simples.
• Divida documentos enormes por finalidade, não por tamanho. Se você só precisa das seções de metodologia e resultados, enviar apenas essas é melhor do que enviar 400 páginas e torcer para a atenção recair no lugar certo.
• Remova dados pessoais que você não precisa. Nomes, e-mails e identificadores raramente são necessários para a análise, e removê-los é mais rápido do que decidir se você tinha permissão para enviá-los.
• Verifique se um PDF é realmente texto. Tente selecionar texto no seu leitor de PDF. Se não conseguir, é uma digitalização, o Whizi vai transcrevê-la com um processamento de visão, e os números merecem uma checagem contra o original.

Escolhendo o modelo para o arquivo

Essa escolha importa mais do que o prompt no trabalho com documentos.

• Gemini para qualquer coisa longa. Os modelos Gemini no Whizi têm uma janela de contexto de 1.000.000 de tokens, o que significa que um relatório de 200 páginas, um conjunto completo de contratos ou uma dezena de artigos podem estar presentes de uma vez, em vez de serem processados em partes. Perguntas entre vários documentos só funcionam de verdade quando tudo está genuinamente no contexto.
• Claude para nuance. Linguagem jurídica, documentos de política, qualquer coisa em que o significado dependa de qualificações e ressalvas. Também é o melhor para dizer o que um documento não diz, o que costuma ser a pergunta real.
• GPT para extração. Faturas, formulários, dados estruturados, qualquer coisa em que você queira uma tabela rígida ou JSON de volta, com nomes de campo consistentes em centenas de linhas.
• Qualquer modelo multimodal para imagens, gráficos, capturas de tela e diagramas. Peça para ele descrever o que vê antes de pedir para interpretar, o que detecta leituras erradas cedo.

Você pode trocar de modelo no meio da conversa sem reenviar o arquivo, que é o objetivo de fazer isso em um único espaço de trabalho. Leia com o Gemini, extraia com o GPT e deixe o Claude escrever o resumo, tudo com o mesmo arquivo anexado. Veja troca de modelos no meio da conversa.

Trabalhando com vários documentos ao mesmo tempo

Perguntas sobre um único documento são úteis. Perguntas sobre vários documentos são onde isso deixa de ser uma conveniência e passa a ser uma capacidade que você não tinha antes.

Prompt: comparar

Compare contrato-a.pdf e contrato-b.pdf. Retorne uma tabela com cada cláusula que difere: cláusula, o que A diz, o que B diz, e qual é mais favorável para nós e por quê. Ignore diferenças de formatação e numeração. Liste separadamente as cláusulas presentes em um e ausentes no outro.

Prompt: consolidar

Em todos os arquivos anexados, monte uma única tabela respondendo [pergunta]. Uma linha por documento, com o nome do documento na primeira coluna. Onde um documento não trata do assunto, escreva NÃO ABORDADO. Não mescle documentos que usam definições diferentes sem sinalizar isso.

Prompt: encontrar a contradição

Onde esses documentos se contradizem? Cite as duas passagens lado a lado e nomeie o arquivo de onde cada uma veio. Distinga contradições genuínas de diferenças de escopo ou data.

Sempre mencione os arquivos pelo nome no seu prompt quando houver mais de um. "No contrato com o fornecedor, qual é o prazo de aviso prévio?" é inequívoco; "qual é o prazo de aviso prévio?" faz o modelo escolher, e ele não vai dizer qual escolheu.

Quando a resposta parece errada

Uma sequência diagnóstica curta que resolve a maioria dos problemas.

O modelo diz que não consegue ver o arquivo. Confirme se o anexo realmente foi enviado, depois faça referência a ele explicitamente: "No relatorio.pdf anexado". Para imagens especialmente, dizer "olhe a imagem anexada" garante que o caminho multimodal seja usado, em vez do modelo responder só com base no texto da sua pergunta.

A resposta é sobre o documento errado. Nomeie o arquivo em cada pergunta assim que a conversa tiver vários.

Os números estão sutilmente errados em um documento escaneado. Isso é a transcrição da digitalização, não o raciocínio. Peça ao modelo para citar a linha ao redor exatamente como está, para você ver o que ele leu, e depois confira o original.

Ele não encontrou algo que você sabe que está lá. Faça primeiro uma pergunta de localização: Cite a passagem que discute [tópico] e informe sua página ou seção. Se não encontrar, o problema é a extração, não o raciocínio. Tente um modelo diferente ou envie as páginas relevantes separadamente.

Está resumindo em vez de responder. Peça a evidência em vez da conclusão: Cite o texto exato que sustenta sua resposta. Isso também flagra o caso em que a resposta foi inferida de conhecimento geral em vez do seu documento, que é a falha mais importante de detectar.

Esse último teste merece destaque. Um modelo questionado sobre um tipo de contrato conhecido, uma regulamentação comum ou um artigo famoso pode responder de forma plausível a partir de dados de treinamento sem consultar seu arquivo. Exigir uma citação obriga a resposta a ficar ancorada no documento que está de fato à sua frente.

Privacidade e o que pensar antes de enviar

Os anexos enviados são configurados para expirar em até 30 dias, e você pode excluir um arquivo ou uma conversa inteira antes disso, se quiser. O Whizi não usa seus prompts, arquivos, conversas, transcrições de voz ou conteúdo gerado para treinar modelos de IA próprios do Whizi, e não vende esse conteúdo como dado de treinamento. O provedor que executa o modelo que você selecionou recebe o necessário para responder e pode manter caches temporários sob sua própria política.

O julgamento que continua sendo seu é se aquele documento é algo que você tem permissão para processar com um serviço de terceiros. As categorias que merecem atenção: dados pessoais de outras pessoas, qualquer coisa coberta por uma cláusula de confidencialidade específica, informação material não pública, e dados regulados como registros médicos ou financeiros sujeitos a regras específicas de tratamento.

O meio-termo prático para a maioria das pessoas é redigir em vez de se abster. Nomes substituídos por funções, valores indexados em vez de absolutos, e identificadores removidos preservam tudo o que a análise precisa enquanto removem a maior parte do que torna um documento sensível.