Lo stesso documento
non arriva mai nello stesso modo
Un archivio contiene spesso file nativi, scansioni, fotografie da telefono e allegati generati da software differenti. Possono cambiare orientamento, risoluzione, contrasto, lingua e ordine delle pagine. Timbri, firme e annotazioni possono coprire parte del testo. Le tabelle possono continuare su più pagine oppure avere righe prive di bordi.
Per questo la precisione non si valuta su un campione ideale. Prima di progettare il flusso analizziamo le varianti effettive e le classifichiamo: tipologie di documenti, provenienze, qualità, dati da estrarre ed eventuali eccezioni. Il campione deve includere anche i casi peggiori che si presentano con una certa frequenza.
Questa analisi chiarisce se è opportuno usare un modello per ogni formato, una classificazione iniziale o una combinazione tra riconoscimento ottico tradizionale e sistemi di visione più flessibili.
Dal documento al record: la catena di acquisizione
Ogni fase del processo produce uno stato tracciabile. È quindi possibile sapere se un file è in elaborazione, in attesa di verifica, rifiutato o acquisito e individuare il punto in cui si è verificato un problema.
01 – RICEZIONE Il documento arriva da caricamento, email, cartella condivisa, scanner o API. Vengono registrati origine, data e identificativo.
02 – PREPARAZIONE Il sistema separa le pagine, corregge orientamento e, quando utile, migliora contrasto o riduce il rumore.
03 – CLASSIFICAZIONE Il sistema riconosce il tipo di documento per applicare campi, regole e destinazione adeguati.
04 – LETTURA ED ESTRAZIONE Vengono individuati testo, campi e tabelle, mantenendo il collegamento con il documento originale.
05 – NORMALIZZAZIONE Date, importi, codici e unità di misura vengono convertiti nel formato atteso dal sistema aziendale.
06 – CONTROLLO I valori vengono verificati attraverso regole, confronti con totali e dati già presenti negli archivi aziendali.
07 – REVISIONE Le eccezioni e le informazioni dubbie o incoerenti sono sottoposte a un operatore.
08 – CONSEGNA Il risultato validato viene inviato al gestionale, all’archivio documentale o alla fase successiva del processo.
Campi e tabelle richiedono
strategie diverse
Un campo come numero pratica, data o codice fiscale può essere identificato attraverso posizione, etichetta e formato. La sua correttezza può essere verificata con regole precise. Una tabella richiede invece che il sistema ricostruisca righe, colonne, intestazioni e relazioni tra celle, anche quando l'impaginazione cambia.
Per ogni tipologia di documento definiamo uno schema preciso dei dati da ottenere. Indichiamo quali valori sono obbligatori, quali possono ripetersi e quali relazioni devono essere rispettate. Un totale, per esempio, può essere confrontato con la somma delle righe; un codice cliente può essere cercato nell'anagrafica; una data non può precedere un evento già registrato.
Questi controlli sono spesso più importanti della semplice capacità di leggere correttamente il testo perché permettono di intercettare risultati formalmente corretti ma non compatibili con il processo aziendale.
Il livello di affidabilitÀ aiuta la verifica, non sostituisce le regole
Il sistema può indicare quanto considera affidabile un dato estratto, ma non tutti i campi hanno la stessa importanza. Un errore su una nota descrittiva ha conseguenze diverse da un errore su un importo, un identificativo o una coordinata bancaria.
Per questo impostiamo soglie e percorsi in base al tipo di dato. Un valore può essere:
- ACCETTATO perché leggibile e coerente con i controlli;
- PROPOSTO ALL’OPERATORE con l’area originale evidenziata;
- RIFIUTATO perché manca un campo indispensabile;
- SEGNALATO perché contrasta con un’anagrafica o con un totale;
- INVIATO AD UN SECONDO METODO DI ESTRAZIONE quando il primo non è sufficiente
La correzione umana non deve trasformarsi in una seconda digitazione completa. L’interfaccia di revisione concentra l’attenzione sui campi incerti, consente il confronto immediato con il documento e registra la modifica effettuata.
Esempi di
flussi realizzabili
ORDINI RICEVUTI IN FORMATI DIVERSI
Il sistema identifica cliente, riferimenti e righe, normalizza i codici e verifica la corrispondenza con il catalogo prima di preparare l'importazione.
Rapporti di intervento
Dalle scansioni vengono estratti tecnico, data, attività, materiali e firma presente. I dati alimentano la pratica di assistenza, mentre il file originale rimane collegato.
Modulistica amministrativa
I documenti vengono classificati, associati alla pratica corretta e controllati rispetto ai campi obbligatori. Le anomalie vengono assegnate all'ufficio competente.
Prospetti e tabelle
Righe e valori vengono trasformati in dati strutturati, con controlli su somme e formati prima della consegna al sistema di analisi.
Archivio storico
Documenti già conservati possono essere indicizzati ed arricchiti con metadati, rendendo ricercabili informazioni che prima esistevano soltanto nell'immagine.
Infrastruttura protetta e metriche reali:
i requisiti di una soluzione stabile
La sola capacità di estrarre dati perde valore se la soluzione non è integrata, sicura e misurabile. Progettiamo l'architettura perché diventi una componente stabile dei processi aziendali, nel rispetto dei vincoli di sicurezza e con parametri di valutazione reali fin dal primo giorno.
Integrazione con gestionali e archivi
Il dato estratto non dovrebbe fermarsi in un file intermedio da importare manualmente. Attraverso API o procedure compatibili con il sistema esistente, colleghiamo l’acquisizione a gestionali, archivi documentali, sistemi di protocollo e applicazioni personalizzate.
Il flusso mantiene il riferimento al documento di origine, lo stato della revisione e la versione dei dati inviati. Se il sistema destinatario non è disponibile, l’operazione può essere messa in coda e ripresa senza elaborare nuovamente il file o creare duplicati.
Le tecnologie vengono scelte in base all’ambiente esistente e alle competenze dell’organizzazione. L’obiettivo non è imporre una piattaforma, ma integrare la soluzione nell’infrastruttura già presente.
Privacy, accessi e conservazione
I documenti possono contenere dati personali, economici o riservati. Per questo analizziamo dove avviene l’elaborazione dei file, quali servizi li ricevono e per quanto tempo vengono conservati. Gli utenti accedono soltanto ai documenti e alle code di revisione di propria competenza.
Le operazioni importanti vengono registrate, così da poter ricostruire acquisizione, correzioni e invio dei dati. I file temporanei, le anteprime e i dati estratti seguono politiche di conservazione esplicite. La scelta tra elaborazione locale e servizi cloud dipende dai requisiti tecnici ed organizzativi del progetto e dalla sensibilità delle informazioni.
Una prova efficace deve misurare quanto lavoro manuale rimane
Per valutare la fattibilità selezioniamo un campione rappresentativo e definiamo in anticipo campi e criteri di correttezza. Non ci limitiamo alla percentuale di testo riconosciuto. Misuriamo quanti documenti possono proseguire, quali campi richiedono verifica e quanto è efficace il controllo con i dati aziendali.
Da questa prova possiamo definire il primo perimetro del progetto, individuare le eccezioni principali e progettare l’interfaccia di revisione e le integrazioni necessarie. Il sistema può poi essere esteso a nuove famiglie documentali mantenendo metriche separate: un formato semplice non deve nascondere le difficoltà di un altro.