OCR e intelligenza artificiale: come un software legge PDF e documenti

Una scansione storta di una dichiarazione dei redditi. Un PDF fatto con il telefono, con l’ombra della mano sul bordo. Un modulo compilato a penna da un cliente che scrive piccolo. In molte aziende e in molti studi il lavoro comincia così: il documento c’è, ma il dato che serve sta chiuso lì dentro, e qualcuno deve aprirlo e ricopiarlo.

Per anni la risposta è stata l’OCR, il riconoscimento ottico dei caratteri. Oggi la domanda che sentiamo più spesso è un’altra: l’intelligenza artificiale legge un PDF meglio dell’OCR? La risposta corta è che fa una cosa diversa. L’OCR trascrive. Un modello di intelligenza artificiale che vede le immagini capisce cosa sta guardando e tira fuori i campi che ti servono.

La differenza sembra sottile e invece cambia il lavoro di chi sta in ufficio. Vediamo cosa fa ciascuno dei due, dove sbaglia e cosa si ottiene quando stanno dentro un gestionale invece che in una finestra a parte.

Cos’è l’OCR di un documento

L’OCR guarda un’immagine e riconosce le lettere. Restituisce testo: dove prima c’era una foto, adesso c’è un file in cui puoi cercare una parola e copiarla. È quello che fa lo scanner dell’ufficio quando produce un PDF «ricercabile», ed è quello che fanno i tanti strumenti online gratuiti che compaiono per primi su Google.

Per un documento alla volta va benissimo. Se la domanda è «come faccio l’OCR di un PDF», la risposta onesta è che bastano strumenti gratuiti, spesso già dentro il programma con cui apri i PDF. Lo carichi, lo scarichi, hai il testo. Nessuno ha bisogno di noi per questo.

Il limite si vede quando i documenti sono tanti e devono diventare dati. L’OCR non sa cosa sia un importo o una data di nascita: ti dà una colonna di caratteri. Se il modulo è storto, se la tabella ha righe che vanno a capo, se qualcuno ha scritto a mano, il testo esce mescolato. E il lavoro di capire che «quel numero è il reddito lordo» resta a una persona, che lo ricopia nella scheda giusta.

Cosa fa l’intelligenza artificiale con un PDF

I modelli di intelligenza artificiale più recenti leggono le immagini oltre al testo: si chiamano modelli di visione. Non trascrivono. Guardano il documento intero e rispondono a domande: «Qual è il codice fiscale del dichiarante?», «Quali sono le voci di spesa e i relativi importi?», «Questo è una certificazione unica o un modello 730?».

Quello che restituiscono non è una colonna di testo, ma una scheda compilata: nome del campo, valore, posizione nel documento. Una scheda così può entrare in un gestionale senza che nessuno la ricopi. È la differenza fra «avere il testo» ed «avere il dato».

Questi modelli reggono il disordine meglio dell’OCR: moduli inclinati, fotografie, scritte a mano leggibili, tabelle spezzate su due pagine, impaginazioni mai viste prima. Perché non cercano caratteri, cercano il senso. Se un fornitore cambia il formato della fattura, l’OCR classico con le sue regole si rompe; il modello di visione, nella maggior parte dei casi, continua a leggere.

Non è magia. Sbaglia anche lui, in modo diverso dall’OCR, e più avanti vediamo come ci si difende.

OCR e intelligenza artificiale a confronto

I due strumenti non si escludono. In molti progetti l’OCR fa il primo passaggio sui documenti nati digitali, dove è imbattibile per costo, e il modello di visione interviene sulle scansioni difficili e per trasformare il testo in campi.

Un esempio reale: dalle scansioni ai dati nel gestionale

In un progetto per uno studio professionale i clienti mandavano documenti fiscali e perizie in ogni forma possibile: scansioni, fotografie, PDF di dieci anni prima, allegati di email inoltrate tre volte. Prima, una persona apriva ogni file, cercava i dati che servivano alla pratica e li ricopiava in una scheda. Quando i clienti erano tanti, la coda di documenti da leggere era la parte più lenta di tutto il lavoro.

Abbiamo costruito un passaggio in tre tappe. Il modello di visione legge il documento e lo riconosce: che tipo di documento è, di quale anno, di quale persona. Poi estrae i campi che servono a quella pratica e li mette in una struttura ordinata, sempre la stessa. Infine il gestionale li controlla con regole semplici (il codice fiscale ha il formato giusto, gli importi tornano fra le voci, le date sono coerenti) e li mostra a una persona, con il documento originale a fianco, per la conferma.

Da quei dati il software genera il documento finale in Word, già impaginato come lo studio lo vuole. Il cambiamento non è «più veloce» in astratto: è che chi lavora guarda e conferma invece di leggere e ricopiare. Gli errori di battitura spariscono. Gli errori del modello, quando ci sono, si vedono in una schermata dedicata e non finiscono in un documento firmato.

Questo è anche il pezzo che manca a molti progetti di dematerializzazione: scansionare i faldoni produce immagini, non informazioni. Il valore arriva quando dall’immagine esce un dato che sta nella pratica giusta.

Dove sbaglia l’intelligenza artificiale e come ci si difende

Il primo errore è il più insidioso: quando un campo manca, il modello può proporre un valore plausibile invece di dire che non lo trova. Si risolve chiedendo esplicitamente di rispondere «non trovato», imponendo il formato di ogni campo e facendo verificare le risposte da regole scritte nel gestionale. Un codice fiscale di quindici caratteri non passa, punto.

Il secondo è la confusione fra numeri simili su scansioni pessime: un 3 letto come 8, un 1 come 7. Qui aiuta il confronto incrociato, per esempio la somma delle voci con il totale, e la conferma umana sui campi che contano davvero.

Il terzo è economico: ogni pagina letta da un modello di visione ha un costo e un tempo, piccoli ma reali. Per questo non si manda tutto al modello. Si mandano le pagine giuste, e le altre le si legge con l’OCR o non le si legge affatto.

Il quarto riguarda i dati delle persone. Un documento fiscale contiene dati personali, spesso sensibili. Dove gira il modello, con quale fornitore, con quale contratto e per quanto tempo conserva ciò che legge sono domande da fare prima di partire, insieme al consulente privacy. Non è un dettaglio tecnico da sistemare dopo.

La regola che ci siamo dati è semplice: il modello propone, una persona conferma ovunque il dato abbia un peso. Automatizzare la lettura non significa togliere il controllo, significa spostarlo nel punto in cui serve. È lo stesso principio che vale per ogni uso dell’intelligenza artificiale in azienda.

In pratica: da dove cominciare questa settimana

1. Conta i documenti che qualcuno ricopia a mano ogni settimana. Non stimare: chiedi a chi lo fa e segna i tipi di documento e le ore.
2. Prendi i dieci documenti peggiori: storti, fotografati, scritti a mano. Sono il vero banco di prova, non i PDF puliti.
3. Scrivi l’elenco dei campi che servono davvero alla pratica. Di solito sono pochi. Tutto il resto del documento può restare un’immagine.
4. Decidi dove devono finire i dati. Se la risposta è «in un altro foglio di calcolo», il problema si è solo spostato: il posto giusto è il gestionale, o il sistema di gestione documentale se ne hai uno.
5. Stabilisci chi conferma e cosa. Un campo sbagliato in una fattura pesa più di uno sbagliato in una nota interna: la verifica va dove pesa.

Noi costruiamo esattamente questo tipo di passaggi: il modello che legge, le regole che controllano, la schermata in cui una persona conferma e il documento finale che esce già pronto. Fa parte delle automazioni con intelligenza artificiale che sviluppiamo dentro i gestionali dei nostri clienti, mai come programma a parte.

Se in azienda ci sono documenti che qualcuno legge e ricopia ogni giorno, raccontaci quali sono e come arrivano: ti diciamo con onestà se un modello di visione li leggerebbe e cosa servirebbe per portare quei dati nel posto giusto. Scrivici da qui.