Intelligenza artificiale per leggere fatture, ordini e documenti: come funziona un flusso reale
Un servizio di document intelligence può riconoscere testo, campi e righe di una fattura, ma l’estrazione è soltanto una fase. Il processo aziendale deve prima acquisire il file corretto, identificarne il tipo, controllarne la qualità, verificare fornitore e riferimenti, confrontare importi e poi decidere se registrare, chiedere una correzione o inviare il caso a una persona.
Disegna quindi il risultato finale. Per una fattura passiva può essere una registrazione proposta nel gestionale collegata al documento originale; per un ordine cliente, una bozza d’ordine con anagrafica e righe da approvare. Elenca i campi obbligatori e la fonte con cui vengono verificati: numero, data, partita IVA, ordine di acquisto, imponibile, imposta, totale, valuta, scadenza e righe. Non tutti i dati estratti hanno lo stesso impatto.
Separa OCR ed estrazione semantica. L’OCR trasforma segni visivi in testo e posizione; il modello documentale associa quel testo a campi e tabelle. I servizi preconfigurati riconoscono strutture comuni, mentre un modello personalizzato può servire per moduli proprietari o campi specifici. Microsoft Document Intelligence restituisce una rappresentazione strutturata di campi e righe e associa valori di confidenza alle previsioni.
La confidenza non è un’approvazione. Indica quanto il servizio stima affidabile il riconoscimento, ma la soglia va calibrata su documenti reali e per singolo campo. Un numero fattura poco sicuro può creare un duplicato; una descrizione di riga incerta può essere tollerabile se l’operatore la verifica. Il flusso deve combinare confidenza, regole contabili e confronto con dati aziendali.
Stabilisci i canali accettati: casella fornitori, portale, cartella controllata o integrazione con il sistema di interscambio. Salva sempre il file originale, l’identificativo della sorgente, data di ricezione e impronta del contenuto. Prima dell’AI verifica formato, dimensione, cifratura, malware e leggibilità. Immagini inclinate, compresse o con più documenti nello stesso file richiedono correzione o separazione.
Classifica il documento prima di applicare il processore. Fattura, nota di credito, ordine, conferma d’ordine e documento di trasporto hanno campi e controlli diversi. Un classificatore può proporre il tipo, ma i casi ambigui devono essere rivisti. Google Document AI distingue processori OCR, form parser, classificazione, estrazione personalizzata e processori preaddestrati come quello per le fatture.
Definisci uno schema canonico indipendente dal fornitore AI. Il campo interno invoice_number deve ricevere il numero fattura qualunque sia il nome restituito dal servizio. Conserva valore originale, valore normalizzato, posizione nel documento e confidenza. Normalizza date, decimali, valuta, codici fiscali e unità senza sovrascrivere l’estrazione originale, così una correzione resta verificabile.
Tratta separatamente testata e righe. Per ogni riga servono descrizione, codice, quantità, prezzo, aliquota e importo, quando presenti. Verifica che la somma delle righe e delle imposte sia coerente con i totali entro tolleranze definite. Se il documento ha più fatture o pagine non pertinenti, limita l’intervallo processato o separalo: la documentazione AI Builder avverte che includere fatture diverse nello stesso intervallo può produrre risultati parziali.
Il primo controllo è l’identità. Cerca fornitore o cliente tramite partita IVA, codice fiscale o identificativo stabile; usa il nome soltanto come supporto. Se non esiste una corrispondenza univoca, crea un’eccezione e non una nuova anagrafica automatica. Un errore di abbinamento può propagarsi in contabilità, pagamenti e reporting.
Controlla i duplicati con più segnali: soggetto, numero, data, importo, valuta e impronta del file. Lo stesso documento può arrivare da email e portale oppure essere rinominato. Conserva il motivo del possibile duplicato e lascia all’operatore la possibilità di collegarlo, respingerlo o indicare che è realmente distinto. Non cancellare automaticamente il file ricevuto.
Per le fatture collegate a un acquisto esegui l’abbinamento tra ordine, ricezione e fattura. Verifica fornitore, articolo o servizio, quantità, prezzo e tolleranze. Una differenza entro la soglia può proseguire; quantità non ricevuta, prezzo inatteso o ordine assente deve aprire un’eccezione al reparto competente. La sola corrispondenza del totale non dimostra che le righe siano corrette.
Applica regole fiscali e contabili nel sistema deterministico, non nel modello di estrazione. Formati ammessi, periodi chiusi, centri di costo, conti, aliquote e autorizzazioni devono essere verificati dal gestionale o da un servizio di regole. L’AI può proporre una classificazione sulla base dello storico, ma la proposta deve riportare fonte e confidenza e rispettare i permessi dell’utente che approva.
La schermata di revisione deve mostrare documento e campi affiancati. Evidenzia valori sotto soglia, controlli falliti e differenze rispetto a ordine o anagrafica. Portare l’operatore direttamente sulla pagina e sull’area riconosciuta riduce la ricerca. Consenti correzione, approvazione, rifiuto e richiesta di chiarimenti, registrando chi ha modificato ogni valore.
Definisci soglie per campo e scenario. Puoi autorizzare la registrazione proposta quando identificativo, numero, data, valuta e totali superano soglie calibrate e tutti i controlli quadrano. Un campo facoltativo incerto non deve necessariamente bloccare tutto. Al contrario, importo o destinatario critico deve fermarsi anche se la media delle confidenze è alta.
Misura qualità su un campione separato dai documenti usati per configurare il sistema. Calcola correttezza per campo, documenti senza intervento, tempo di revisione, duplicati intercettati, falsi abbinamenti ed eccezioni per fornitore. Analizza gli errori per layout, scansione, lingua e tipologia. La nota di trasparenza Microsoft raccomanda feedback umano e aggiornamento dei modelli personalizzati quando i risultati lo richiedono.
Conserva versione del processore, schema, file originale, risposta, correzioni e registrazione finale secondo le regole di conservazione. Monitora code ferme, errori API, costi, limiti e variazioni improvvise nella quota di revisione. Un aumento può indicare nuovi layout, qualità peggiore degli allegati o una modifica del servizio; non va mascherato abbassando le soglie senza una nuova prova.
Raccogli un campione di documenti rappresentativo per fornitore, formato, lingua, numero di pagine e qualità. Includi note di credito, scansioni, documenti incompleti e casi già contestati. Definisci lo schema dei campi e fai compilare il risultato corretto a due persone sui casi più importanti. Risolvi i disaccordi prima di configurare le soglie.
Configura un ambiente isolato nel servizio scelto. In Google Cloud apri Document AI, entra nella galleria dei processori, crea un processore adatto nella regione autorizzata e limita l’account di servizio all’elaborazione necessaria. In Power Automate crea un flusso di prova, aggiungi un input file, poi l’azione AI Builder per estrarre informazioni dalle fatture e passa il contenuto del file. Non collegare ancora l’azione di scrittura al gestionale.
Salva la risposta grezza e mappa ogni campo nello schema interno. Mantieni testo originale, valore normalizzato, confidenza e riferimento alla pagina. Aggiungi controlli su tipo file, duplicato, soggetto, numero, data, valuta, totali e somma delle righe. Se uno di questi controlli fallisce, crea un’eccezione con un codice preciso invece di restituire un errore generico.
Collega in sola lettura anagrafiche, ordini e ricezioni. Implementa l’abbinamento usando identificativi stabili e tolleranze concordate con amministrazione e acquisti. Mostra all’operatore ogni differenza. Solo dopo aver verificato il confronto aggiungi la creazione di una bozza nel gestionale; il primo rilascio non deve contabilizzare o autorizzare pagamenti in modo autonomo.
Costruisci la pagina di revisione con immagine del documento, riquadro del campo, valore estratto, valore normalizzato, confidenza e risultato delle regole. Prova correzione e rifiuto. Registra il motivo dell’intervento con categorie brevi, così potrai distinguere errore OCR, campo non riconosciuto, dato aziendale mancante e documento non valido.
Esegui il test su un insieme non usato durante la configurazione. Calcola indicatori per campo e per fornitore, non soltanto una media. Avvia poi un periodo parallelo in cui il flusso prepara bozze e gli operatori seguono ancora il controllo previsto. Attiva l’elaborazione automatica soltanto per le combinazioni che superano soglie e regole, mantenendo sempre coda errori, tracciamento e possibilità di sospensione.
Lunedì – Sabato : 9:30 am – 21:00 pm
Lunedì – Sabato : 9:30 am – 21:00 pm
Studierò la strategia più adeguata per le tue esigenze e insieme al mio staff individueremo la Buyer Personas migliore per trasformare il tuo processo commerciale offline nella più efficace macchina di vendita online, e la strategia di comunicazione più convincente per convincere il pubblico che il tuo prodotto è quello che stanno cercando, anche se costa di più della concorrenza.
Lunedì – Sabato : 9:30 am – 21:00 pm
