256 artigos, 2.673 páginas: os números reais do ferdy
Quase toda ferramenta de pesquisa fala de si mesma com adjetivos. Preferimos abrir os números — inclusive os que não favorecem. O que segue é o registro real da plataforma até 22 de setembro de 2026, tirado do próprio banco de dados.
O volume
- 256 artigos enviados para extração.
- 150 viraram linha de tabela.
- 2.673 páginas de PDF lidas e transformadas em dados.
- Artigo médio: 17,8 páginas (mediana de 15; o maior tinha 326 — uma tese).
- Média de 7 colunas definidas por projeto, num limite de 14.
É pouco para os padrões de uma plataforma consolidada, e é exatamente por isso que publicamos: são os primeiros meses de uso real, com pesquisadores reais e revisões que vão para a banca.
O tempo
- Mediana de 17 segundos por artigo, do início do processamento à linha pronta.
- Nove em cada dez terminam em menos de 37 segundos.
- Um lote de 42 artigos (999 páginas) terminou em 22 minutos, numa manhã de 19 de setembro.
- Uma noite de trabalho maior: 89 artigos e 1.535 páginas em uma sessão.
A comparação justa não é com outro software: é com a alternativa real, que é abrir cada PDF e digitar. A 20–40 minutos por artigo, aqueles 42 artigos seriam de dois a três dias de trabalho.
As falhas — a parte que interessa
Das 256 tentativas, 106 não viraram linha. Abrindo o número:
- 78 por saldo insuficiente — o artigo tinha mais páginas do que os créditos disponíveis. Não é falha de processamento: é a trava que impede cobrar um trabalho pela metade.
- 21 por indisponibilidade do serviço de extração, quase todas concentradas em um incidente no dia 18 de setembro, já corrigido (o caso levou a reprocessamento por arquivo, novas tentativas automáticas e aviso por e-mail no fim do lote).
- 4 por PDF ilegível — arquivos escaneados, sem camada de texto. Precisam de OCR antes.
- 2 por PDF não obtido — a fonte não entregou o arquivo (acesso pago ou bloqueio a robôs).
- 1 por resposta malformada — a extração não devolveu o número de colunas combinado e foi recusada.
Descontando as barradas por saldo, das 178 tentativas efetivas 150 deram certo — 84%. Sem o incidente do dia 18, a taxa passa de 95%. Nenhuma dessas falhas foi cobrada: a regra é débito só no sucesso, e ela vale inclusive quando o problema é nosso.
De onde vêm os artigos
248 das 256 extrações vieram de PDFs enviados pelo pesquisador; só 8 vieram direto da busca nas bases. O número diz duas coisas. A primeira é que quem chega ao ferdy geralmente já fez a triagem em outro lugar e tem os arquivos na mão. A segunda é sobre o acesso fechado: boa parte da literatura relevante não tem PDF aberto, e o download continua dependendo da assinatura da universidade. Foi para encurtar esse caminho que passamos a aceitar listas de DOI, PMID e arXiv — até 50 por vez, com o ferdy tentando o arquivo sozinho antes de pedir ajuda.
O que esses números não dizem
Não medem a qualidade da extração. “150 artigos processados” significa que 150 tabelas foram preenchidas — não que todas as células estejam certas. Essa verificação é, por desenho, humana: o detalhe de cada linha existe para a conferência, e o protocolo da sua revisão continua exigindo dupla checagem.
Medir concordância entre a extração automática e a de dois revisores treinados, num conjunto conhecido, é o próximo número que queremos publicar aqui. Quando tivermos, estará nesta mesma página — com o método aberto, inclusive se o resultado for pior do que gostaríamos.