L’elaborazione documentale intelligente (IDP) è l’impiego dell’AI per convertire documenti non strutturati in dati strutturati e validati su cui i sistemi a valle possono operare.
Il termine descrive una pipeline piuttosto che una singola tecnica. Un documento arriva in una forma leggibile dalle persone, come una scansione, una fotografia, un PDF o un allegato di posta elettronica, ed esce come record in una banca dati, campi in un sistema di gestione dei fascicoli o messaggio in una coda. Tutto ciò che sta fra questi due punti è IDP.
Le fasi della pipeline
Un’implementazione tipica prevede sei fasi: acquisizione, lettura, classificazione, estrazione, validazione e instradamento.
L’acquisizione raccoglie i documenti dai canali che un’organizzazione utilizza realmente. Nella pratica si tratta raramente di una sola fonte. Posta scansionata, caselle di posta condivise, portali di caricamento, consegne SFTP dai partner ed esportazioni da sistemi legacy tendono a comparire tutte nello stesso progetto.
La lettura converte l’immagine del documento in testo e layout leggibili dalla macchina. È qui che si collocano il riconoscimento ottico dei caratteri, insieme alla segmentazione delle pagine, al rilevamento delle tabelle e all’analisi dell’ordine di lettura.
La classificazione stabilisce che cosa sia il documento. La classificazione dei documenti determina il tipo e spesso il contesto aziendale, la categoria archivistica e il livello di riservatezza, perché queste decisioni guidano tutto ciò che segue.
L’estrazione ricava i valori specifici di cui il processo ha bisogno. L’estrazione dei dati dai documenti riguarda i campi di testata, le righe di dettaglio, le tabelle, le clausole, le date, le parti e le firme.
La validazione verifica i dati estratti rispetto a regole, dati di riferimento e coerenza interna. Un totale di fattura che non corrisponde alla somma delle sue righe viene intercettato qui, così come un fornitore che non esiste nell’anagrafica fornitori.
L’instradamento consegna il risultato a ciò che viene dopo: un’approvazione, una coda di eccezioni, un sistema di registrazione o un revisore umano.
In che cosa IDP differisce da OCR
È la distinzione più spesso appiattita nel materiale dei fornitori, ed è importante. OCR risponde alla domanda “quali caratteri sono presenti su questa pagina”. IDP risponde a “che documento è questo, che cosa significa ed è corretto”.
OCR produce testo. IDP produce dati strutturati con uno schema noto, un valore di confidenza per ogni campo, un esito di validazione e una traccia di audit. Un sistema che si ferma a OCR ha convertito un’immagine in un muro di caratteri, più facile da cercare e non più facile da elaborare automaticamente.
In concreto, la differenza è tutto ciò che OCR non fa: classificazione, estrazione a livello di campo, validazione rispetto alle regole di business, punteggio di confidenza con soglie, gestione delle eccezioni e integrazione con i flussi di lavoro.
Come IDP si rapporta a RPA
Robotic process automation e IDP sono complementari anziché concorrenti. RPA è efficace nel pilotare sistemi privi di una API utilizzabile, operando sulle loro interfacce come farebbe una persona. È inadeguata nell’interpretare un documento non strutturato, perché non esiste una sequenza deterministica di clic che legga un contratto.
Lo schema consueto prevede che IDP produca dati strutturati e che RPA o un motore di flusso di lavoro agisca su di essi. I team si trovano in difficoltà quando usano RPA da sola sui documenti, di norma con una fragile corrispondenza a modelli, e poi scoprono che un fornitore che cambia il layout della propria fattura interrompe l’automazione senza segnalarlo.
Gli errori più comuni
La precisione viene misurata sulla cosa sbagliata. Un dato di precisione a livello di campo mediato su tutti i campi nasconde i campi che contano. Individuare correttamente il riferimento di un documento nel 99 per cento dei casi e l’importo di pagamento nel 90 per cento non fa un sistema al 94 per cento: fa un sistema che pagherà un importo errato.
Le soglie di confidenza vengono impostate a livello globale. Una soglia che funziona per una fattura stampata è sbagliata per un modulo compilato a mano. Le soglie vanno definite per tipo di documento e spesso per singolo campo.
La gestione delle eccezioni viene progettata per ultima. Il tasso di elaborazione senza intervento umano non è mai del 100 per cento, quindi è l’esperienza di chi effettua la revisione a determinare se il sistema faccia risparmiare tempo nel complesso. Una coda più lenta da smaltire del processo manuale originario annulla il beneficio.
I dati di addestramento non corrispondono alla produzione. I modelli costruiti su campioni puliti peggiorano sui documenti fotografati, inclinati e in parte oscurati che arrivano nella realtà.
Dove viene utilizzata
IDP si applica dove i volumi documentali sono elevati e il processo a valle è governato da regole: contabilità fornitori, gestione dei sinistri, onboarding dei clienti e verifiche KYC, erogazione di finanziamenti, documentazione commerciale e progetti di digitalizzazione degli archivi. Il fattore comune non è il settore, ma la combinazione fra input non strutturato e un processo che deve essere verificabile in sede di audit.
Contellect One implementa questa pipeline in elaborazione documentale intelligente, attraverso le sei fasi descritte sopra.
