Leggere fatture, moduli e richieste in PDF per copiare ogni campo in un gestionale è un lavoro ripetitivo, ma automatizzarlo senza controlli può trasformare un errore di riconoscimento in un errore contabile o operativo. L’OCR individua testo e posizione; un modello di estrazione prova ad associare quel testo a campi come numero, data o importo. Il risultato non è una verità pronta da registrare: è una proposta strutturata che va confrontata con regole del processo e, nei casi dubbi, con il documento originale. Prima di scegliere uno strumento, descrivi i documenti e i campi da estrarre. Per una fattura, per esempio, puoi chiedere fornitore, numero documento, data, imponibile, IVA e totale; per un modulo, i campi possono essere nome, codice pratica e caselle selezionate. Specifica anche il formato richiesto: JSON con chiavi stabili, tipi coerenti e valori mancanti espliciti. Se un campo non è presente, il sistema dovrebbe restituire “non trovato”, non inventare un valore o ricavarlo per supposizione.
Perché è importante
- Una notizia selezionata per il suo impatto concreto.
- Le conseguenze riguardano professionisti e imprese.
- Le fonti sono disponibili per la verifica.
Il punto della notizia
Raccogli alcuni documenti rappresentativi prima di configurare il flusso: pagine digitali, scansioni, più impaginazioni e casi con timbri o tabelle. Escludi o oscura i dati personali che non servono al test, e non caricare documenti reali in un servizio cloud senza verificare contratto, conservazione, regione di trattamento, accessi e autorizzazioni aziendali. Una prova su un singolo PDF pulito non descrive come il sistema si comporterà su scansioni storte, fotografie o moduli di fornitori diversi.
Estrai in una zona temporanea, non direttamente nel gestionale
Un flusso prudente ha quattro passaggi. Primo: riceve il PDF in una cartella o coda autorizzata e registra un identificativo del documento. Secondo: esegue OCR o elaborazione documentale sui campi scelti. Terzo: trasforma la risposta nel formato concordato e applica controlli automatici. Quarto: mette il risultato in revisione o lo inoltra al sistema di destinazione solo se supera regole esplicite. Microsoft AI Builder, per esempio, consente di usare i valori estratti nei passaggi successivi di Power Automate e restituisce un punteggio di confidenza per i campi. Per evitare che ogni PDF venga interpretato come una richiesta valida, conserva temporaneamente sia la risposta strutturata sia il riferimento alla pagina e al testo originale. Mostra al revisore il valore proposto accanto alla posizione nel documento, invece di inviare un foglio di dati senza contesto. Per campi critici come importo, IBAN, partita IVA o numero di ordine, non basare l’approvazione sul solo punteggio del modello. Confronta il dato con una fonte autorizzata e con l’immagine o il testo originale.
Le regole devono riflettere il lavoro reale. Verifica che una data sia nel formato atteso, che un totale non sia negativo quando il processo non ammette note di credito, che imponibile più imposta corrisponda al totale entro una tolleranza definita e che il fornitore esista nell’anagrafica. Cerca possibili duplicati usando più chiavi — per esempio fornitore, numero e data — senza eliminare automaticamente documenti simili: una nota di credito o una fattura corretta può avere importi vicini ma uno scopo diverso. I punteggi di confidenza aiutano a ordinare la revisione, non a garantire correttezza. AWS Textract raccomanda soglie diverse in base alla sensibilità dell’uso: il livello adatto a un archivio può non bastare per un pagamento. Le scale dei prodotti non sono necessariamente comparabili; un valore 0,9 di un modello e 90 di un altro non dimostrano che i risultati siano equivalenti. Definisci le soglie con un campione verificato, misura falsi positivi e campi mancanti e instrada i casi sotto soglia a una persona.
La domanda che resta
Tieni separati almeno tre esiti: estrazione riuscita, controllo automatico superato e approvazione umana completata. Conserva data, versione del modello, documento di origine, campi modificati e identità del revisore secondo le regole interne. Se cambia il modello o la struttura dei PDF, ripeti il test su esempi precedenti e recenti: un aggiornamento può migliorare un campo e peggiorarne un altro. Imposta una procedura di arresto che lasci il file in coda quando la risposta è vuota, illeggibile o incoerente, invece di far proseguire l’automazione per inerzia. Per iniziare, scegli un tipo di documento frequente ma a basso rischio, estrai tre o quattro campi, controlla ogni output e confronta il tempo totale con la trascrizione manuale. Aumenta il volume solo dopo aver misurato errori, eccezioni e tempo di revisione; il numero di PDF processati non è un indicatore sufficiente di successo. Un buon workflow riduce le copie ripetitive mantenendo visibile il passaggio umano dove una cifra sbagliata potrebbe produrre un pagamento, una scadenza o una decisione errata.
Fonti
Documenti, comunicati e pubblicazioni consultati per ricostruire dati e contesto.
