# De 29 fotos a um atributo em que se pode confiar

*Como a CF Intelligence extrai características de imóveis de alto padrão a partir de fotos e anúncios, e como medimos isso às cegas.*

Daniel Hollander · CF Intelligence · outubro de 2026

---

## O problema

Quem procura um apartamento de alto padrão não pergunta só "três suítes nos Jardins". A pessoa pede uma cozinha integrada, uma varanda gourmet de verdade, piso de madeira e planta aberta. São essas características que separam um imóvel que interessa de um que só cabe nos filtros.

Elas quase nunca estão bem descritas. O anúncio médio tem texto genérico, campos estruturados incompletos e, em média, **29 fotos**. A informação está nas fotos, mas ler 29 fotos de cada um de 16 mil imóveis é inviável para uma equipe humana.

Por isso a CF Intelligence usa modelos de visão para ler as fotos e o texto e transformar cada anúncio numa ficha estruturada. Isso hoje está ao alcance de qualquer equipe. A parte difícil é garantir que o que vai para a ficha seja verdade. Um atributo errado é pior que um atributo ausente: ele leva o corretor a mostrar o imóvel errado e corrói a confiança no sistema.

Este artigo descreve como construímos essa garantia e mostra os números.

## Quatro decisões de projeto

### 1. Vocabulário fechado, com critérios escritos

O modelo não descreve livremente o imóvel. Ele escolhe entre cerca de 70 atributos, e cada um tem um critério de aceitação escrito com corretores. Um exemplo: "cozinha integrada" só conta quando uma única foto mostra a cozinha e a sala no mesmo ambiente. Um balcão visto de longe não basta.

Um vocabulário fechado pode ser auditado, comparado entre versões e usado por máquinas sem ambiguidade.

### 2. "Não sei" é uma resposta válida, e é a padrão

Cada atributo tem quatro estados possíveis:

- **presente**;
- **ausente com evidência**;
- **desconhecido**;
- **não se aplica**.

O estado padrão é *desconhecido*. O sistema **nunca infere ausência** pela falta de foto: se não há foto da varanda, isso não quer dizer que o imóvel não tenha varanda. Essa regra parece pequena, mas é ela que impede o sistema de vetar imóveis bons por falta de informação.

### 3. Um modelo barato em tudo e um modelo forte só quando precisa

Todo imóvel passa por um modelo de visão eficiente (Qwen3-VL). Um modelo mais caro e mais forte (Gemini 2.5 Pro) só é chamado quando há sinal de risco:

- contradição interna na ficha;
- confiança baixa;
- proveniência duvidosa das fotos.

Em produção, isso acontece em **20,6% dos imóveis**.

### 4. Regras determinísticas e auditoria depois do modelo

A saída do modelo passa por dezesseis regras determinísticas. Elas fazem coisas como:

- usar a seção do anúncio de onde veio a foto;
- exigir um trecho do texto que comprove o atributo;
- reconciliar atributos incompatíveis entre si.

Depois disso, uma etapa de auditoria visual revisa os atributos mais propensos a erro.

Por fim, cada atributo tem uma regra de publicação própria: **publica**, **audita** ou **segura para revisão humana**. Um atributo difícil não bloqueia a ficha inteira; só ele espera.

## Os resultados

### O teste principal: um holdout cego e pré-registrado

O resultado mais importante vem de um experimento desenhado para não enganar a nós mesmos:

- 135 imóveis que o sistema nunca tinha visto;
- divididos em dois braços, um com a auditoria e outro sem;
- revisados por humanos que não sabiam a qual braço cada imóvel pertencia;
- critérios de sucesso registrados antes de olhar os resultados.

| | Sem auditoria | Com auditoria |
|---|---:|---:|
| Erro nos 10 atributos mais difíceis | 28,5% | **12,1%** |

A auditoria **corta o erro em 58%**. Isso é efeito causal, medido sem o avaliador saber o que estava avaliando.

### Precisão do que chega ao corretor

Também medimos a precisão do que é efetivamente publicado, ou seja, do que o corretor vê:

| Rodada | Precisão de publicação |
|---|---:|
| 42 imóveis novos | 93,5% |
| Conjunto adversarial, montado com os piores casos | 95% (19 de 20 atributos publicados), IC 95%: 76–99% |
| 10 imóveis novos, avaliação 100% cega | **100% (16/16)**, IC 95%: 81–100% |

A trajetória não foi uma linha reta. Ao longo de cinco rodadas, a precisão foi 93,5%, 91%, 75%, 80% e 100%. A rodada final só fechou depois que tiramos "vista" da publicação automática. Esse atributo exige um julgamento que nenhum modelo testado resolveu de forma confiável, e hoje ele passa por revisão humana.

O intervalo de confiança está na tabela de propósito. Com 16 atributos avaliados, "100%" quer dizer "pelo menos 81% com 95% de confiança". Esse é o tipo de número que relatamos.

### Consistência entre o que o texto diz e o que as fotos mostram

O texto do anúncio é uma fonte independente das fotos. Por isso usamos a concordância entre as duas como sinal de qualidade:

| Versão | Concordância texto × visão | Amostra |
|---|---:|---:|
| v2 | 0,75 | piloto |
| v3.1 | 0,79 | piloto |
| Canário de produção | **0,83** | 432 imóveis |

No canário de 432 imóveis, houve **zero casos** em que o texto negava um atributo e a visão o afirmava. Essa é a contradição mais grave possível, e ela não apareceu.

### Mais atributos, menos erros

Num A/B com 19 imóveis entre a versão anterior completa e a versão atual:

| | Antes | Depois |
|---|---:|---:|
| Falsos positivos | 12 | **8** (−33%) |
| Atributos úteis por imóvel | 9,2 | **12,8** (+39%) |
| Recall estimado | ~80% | ~85% |

Normalmente, ganhar riqueza significa ganhar erro junto. Aqui as duas coisas melhoraram ao mesmo tempo.

### Custo

| | Custo |
|---|---:|
| Modelo forte em 100% dos imóveis (40 imóveis) | US$ 2,73 |
| Modelo eficiente + forte condicional (mesmos 40) | **US$ 1,13**, ou seja, 2,4× mais barato |
| Produção, média por imóvel (901 imóveis medidos) | **US$ 0,024** (mediana 0,011; p95 0,086) |

Dois centavos e meio de dólar por imóvel tornam viável reprocessar o acervo inteiro sempre que o vocabulário evolui. Isso muda o que se pode fazer com o produto.

## Como medimos

A régua de tudo isso é o julgamento humano de corretores especialistas, não a opinião de outro modelo.

- **Corpus de validação humana.** Construímos uma ferramenta de revisão em que corretores marcam cada atributo como certo ou errado, foto a foto. Em poucas semanas, o corpus passou de 249 para 467 imóveis e mais de 3.300 correções.
- **Teste de regressão gratuito.** Um conjunto de 506 imóveis com 2.830 vereditos humanos roda contra toda versão nova, sem custo de LLM. Nenhuma versão vai para produção se piorar a precisão de um atributo já validado.
- **Canários antes de cada escala.** Antes de cada aumento de volume (50 → 500 → milhares), rodamos um canário com metas definidas antes: concordância, custo, taxa de escalonamento e contradições.
- **Revisão cruzada.** Rodadas importantes passam por um revisor independente, com erratas registradas.

## O que não funcionou

Publicar o que deu errado faz parte do método. Algumas ideias promissoras que testamos e descartamos:

- **Exemplos no prompt (few-shot).** Os falsos positivos de "escritório" subiram de 42% para 67%.
- **Rodar o modelo três vezes e votar.** Custou o triplo e não melhorou a concordância (0,786 contra 0,780).
- **Reescrever o prompt do zero.** O modelo ficou conservador demais e quase parou de emitir atributos.
- **Um verificador barato para substituir a auditoria.** AUC de 0,79, abaixo do necessário.
- **Uma versão de produção inteira.** Foi descartada depois de detectada uma regressão no teste de regressão, antes de chegar ao corretor.

## Limites que reconhecemos

- **Os 100% de precisão vêm em parte de saber o que não publicar.** Atributos como "cozinha integrada" e "paisagismo" continuam difíceis: em fotos de fronteira, a taxa de erro bruta passa de 50%. Esses atributos ficam com revisão humana em vez de serem publicados automaticamente. Escolhemos precisão sobre cobertura.
- **Esse corte tem um custo em recall.** Uma parte relevante dos atributos verdadeiros ainda não é publicada automaticamente. Aumentar a cobertura sem perder precisão é o próximo trabalho.
- **O auditor automático é otimista.** Em atributos perceptuais, ele aprova cerca de 20 pontos percentuais a mais do que o corretor humano. Por isso o humano continua sendo a régua, e não o auditor.
- **Amostras humanas são caras.** Vários resultados têm intervalos de confiança largos. Nós os relatamos assim, em vez de arredondar para cima.

## Por que isso importa

A ficha estruturada é a base de tudo o que vem depois: a busca em linguagem natural e o matching entre clientes e imóveis só são tão bons quanto os atributos em que se apoiam. Um sistema que diz "não sei" quando não sabe, que publica só o que foi validado e que mede o próprio erro às cegas é uma base sobre a qual se pode construir.

*Próximos artigos da série: busca semântica e matching cliente–imóvel.*