OCR o LLM per leggere i tuoi documenti: quale ti serve (e perché vince l'ibrido)

Arriva la stessa mail quasi ogni settimana: «riceviamo migliaia di documenti al mese e li stiamo digitando a mano; lo facciamo con l'OCR o con l'IA?». Sembra una domanda tecnica ed è in realtà una domanda d'acquisto: qualcuno ha due preventivi sul tavolo, uno economico e prevedibile e uno flessibile e caro, e vuole che gli si dica quale. La risposta onesta dà un po' fastidio: non decide la tecnologia. Decide la forma dei tuoi documenti.

La tesi in una frase: non si tratta di IA sì o IA no. Si tratta di template stabile contro formato caotico, e alla fine decide il costo per documento. Se i tuoi documenti hanno sempre la stessa forma, l'OCR classico costa meno, è deterministico ed è verificabile. Se ognuno arriva come gli pare, un LLM multimodale legge qualsiasi cosa senza template — e te lo fa pagare a ogni pagina. Per questo in produzione quasi mai vince uno dei due da solo: vince l'ibrido.

OCR o LLM per estrarre dati dai documenti: cosa fa esattamente ciascuno

L'OCR classico trasforma l'immagine in testo e, sopra, uno strato di regole decide quale testo è quale campo: il numero di fattura sta nel riquadro in alto a destra, il totale è quello che segue la parola TOTALE. L'intelligenza non è nella lettura: è nel template. Gli dai una zona o un pattern e, a parità di input, ti restituisce sempre esattamente la stessa cosa.

Un LLM multimodale non legge zone: guarda la pagina intera —testo, tabelle, timbri, un'annotazione a mano, la foto storta fatta col telefono— e ti restituisce i campi che chiedi perché capisce cos'è una fattura, una bolla o un contratto. Nessun template da mantenere. Nessuna garanzia nemmeno che due esecuzioni sullo stesso documento restituiscano carattere per carattere la stessa cosa.

La differenza che conta non è quale dei due è più sveglio. È cosa succede il martedì in cui un fornitore ridisegna la fattura senza avvisare nessuno.

L'OCR classico sbaglia quando gli cambi la forma. L'LLM sbaglia quando il documento è ambiguo e riempie il buco con qualcosa di credibile. Due modi di guasto diversi, due reti di sicurezza diverse. Quello che nessuno dei due fa da solo è avvisarti che ha appena sbagliato: quella parte la costruisci tu, o non esiste.

Quando scegliere l'OCR classico con template

Scegli l'OCR classico quando il documento ha sempre la stessa forma e quella forma non dipende da nessuno fuori. È il caso di tutto quello che genera il tuo sistema e di una lista corta di emittenti stabili: la stessa bolla dello stesso trasportatore, lo stesso modulo che compilano i tuoi clienti, lo stesso estratto conto della stessa banca mese dopo mese.

• Volume alto e lista di formati corta. Pochi emittenti, molti documenti: il template si ripaga ogni giorno che passa.
• Ti serve sempre lo stesso risultato. Un processo che viene auditato, o che fa partire un pagamento, non può dipendere dal fatto che oggi esca come ieri.
• Devi spiegare da dove esce ogni campo. Con le regole indichi la zona e il pattern; con un modello indichi un paragrafo di prosa, che davanti a un revisore non è la stessa cosa.
• Il costo per documento deve restare piatto. Se l'anno prossimo moltiplichi il volume, un costo che cresce a pagina si vede molto prima di quanto pensi.

Il prezzo di questa opzione si paga in manutenzione e non compare mai sulla fattura del software: ogni nuovo emittente è un template nuovo e ogni restyling deciso da altri è un template rotto. Se la tua lista di emittenti cresce da sola, non stai comprando una tecnologia economica: stai creando un posto fisso per qualcuno.

Quando scegliere un LLM multimodale

Scegli l'LLM quando il problema è la forma. Documenti di centinaia di emittenti diversi, contratti in cui il dato che conta vive in una clausola che ogni studio scrive a modo suo, mail con allegati che arrivano in PDF, in foto e a volte inoltrate tre volte. Lì un template non è caro: è impossibile.

• Ogni documento viene da un posto diverso. Il costo di mantenere un template per emittente supera quello di leggere con un modello, e per giunta non finisce mai.
• Il campo non è una zona, è un'idea. «C'è una penale per il ritardo?» non sta in una casella: bisogna capire il testo per rispondere.
• Il volume è basso o irregolare. Con pochi documenti al mese, costruire e mantenere template è un progetto che non si ripaga mai.
• Stai ancora esplorando. Prima di industrializzare qualsiasi cosa, un modello ti dice in una settimana quali campi sono davvero estraibili e quali fanno resistenza. È la ricognizione più economica che esista.

Qui il prezzo è speculare: paghi a documento, ogni mese, per sempre, e paghi anche la validazione. Un modello che restituisce un IBAN quasi corretto è peggio di uno che non restituisce niente, perché il «quasi» passa liscio attraverso tutti i controlli che guardano soltanto se il campo è pieno.

Perché in produzione vince l'ibrido

Appena un sistema del genere è vivo da qualche mese, quasi tutti atterrano sulla stessa architettura: alcuni perché l'hanno progettata così, gli altri perché ci sono arrivati a suon di botte. Non è un compromesso tiepido tra due opzioni. È l'unico modo di avere insieme il costo dell'OCR e la copertura del modello.

1. Prima classificare. Prima di estrarre qualunque cosa, il sistema decide che tipo di documento è e da chi arriva. È un passo economico e condiziona tutto il resto: è esattamente il lavoro di classificare i documenti che entrano.
2. Il grosso conosciuto passa dalla via economica. Se il documento combacia con un template che hai già, lo estraggono le regole. È la maggior parte del volume, e processarne duemila costa più o meno quanto processarne mille.
3. Lo strano va al modello. Emittente nuovo, formato che non combacia, scansione pessima: lì l'LLM si guadagna il posto, perché non ha bisogno di aver visto prima quel documento. Paghi il prezzo alto solo sulla coda, non su tutto il catalogo.
4. Controllo incrociato sul significato. Il modello serve anche a rileggere quello che hanno estratto le regole: la somma delle righe torna con il totale? La scadenza è successiva all'emissione? Questo fornitore esiste nella tua anagrafica? Sono errori che un template non trova mai, perché ha letto benissimo un dato sbagliato.
5. Una regola di confidenza che decide chi guarda. Ogni campo esce con un punteggio; sotto la soglia, il documento finisce in una coda di revisione invece che nell'ERP. Quella soglia è una leva di business, non un dettaglio tecnico: alzarla costa ore-persona, abbassarla costa errori che saltano fuori tardi.
6. Tutto quello che una persona corregge torna nel sistema. Una correzione che si ripete sullo stesso emittente è il segnale che quell'emittente ormai si merita il suo template. È così che l'ibrido diventa più economico da solo: la coda cara si trasforma pian piano in volume a basso costo.

È lo schema di fondo di qualsiasi processo automatizzato da capo a fondo con l'IA: il percorso felice sulla via più economica, l'eccezione su quella più capace e una porta esplicita verso l'umano. Nell'estrazione documentale si vede con una chiarezza quasi brutale, perché il costo per documento mette tutto nero su bianco.

Quanto costa davvero leggere un documento

La riga del preventivo è la parte piccola. Il costo reale di un sistema di estrazione si divide in cinque voci, e solo una compare nella proposta del fornitore:

• Elaborazione. Quanto costa far passare il documento nel motore. Piatto con l'OCR, proporzionale a pagine e lunghezza con l'LLM.
• Manutenzione del formato. Template nuovi e template rotti. Praticamente zero con il modello; cresce con la tua lista di emittenti con le regole.
• Revisione umana. Quello che paghi per ogni documento che qualcuno deve guardare. Di solito è la voce più grossa e quasi mai sta nel confronto che ti mostrano.
• Rilavorazione. Documenti da ripassare perché arrivati tagliati, caricati due volte, o perché il lotto è caduto a metà.
• L'errore che passa. Un importo letto male che arriva in contabilità non si paga in euro di software: si paga in un pagamento doppio, in una nota di credito, in una chiusura che slitta. È il più caro e l'unico che non ha una riga sua in nessun preventivo.

Prima di firmare qualsiasi cosa, metti quelle cinque voci sullo stesso foglio per i due scenari, con il tuo volume reale e il tuo mix reale di emittenti. È lo stesso esercizio di calcolare il ROI di un'automazione con l'IA: se il risparmio compare solo quando ignori la revisione umana, quel risparmio non esiste.

Come si misura la qualità: accuratezza per campo, non «precisione» globale

È qui che affonda metà dei progetti. Un fornitore ti mostra un numero di precisione globale e quel numero non significa niente, perché fa la media di campi che non valgono uguale. Leggere male il nome commerciale del fornitore è una seccatura; leggere male l'importo è denaro spostato male. Un numero solo li mescola e ti tranquillizza esattamente dove dovresti essere nervoso.

La misura che serve si fa così:

1. Un numero per campo, non uno per tutto. Accuratezza su importo, data, partita IVA, numero documento. Ognuno con la sua asticella, decisa da quanto costa sbagliare proprio lì.
2. Corrispondenza esatta, non somiglianza. Su un IBAN o una partita IVA, «quasi» è sbagliato. Si confronta carattere per carattere contro un set di documenti etichettati a mano da qualcuno del tuo team, non contro la demo del fornitore.
3. Separa «non lo so» da «me lo invento». Un campo vuoto è un caso di revisione; un campo pieno e falso è un incidente. Un sistema che tace quando dubita vale più di uno che risponde sempre.
4. Misura anche per emittente. La media nasconde il fornitore il cui formato si sta rompendo da tre settimane senza che nessuno se ne accorga.
5. Rimisura ogni volta che qualcosa cambia. Modello nuovo, versione nuova del fornitore, template toccato: si ripassa lo stesso set di test. Senza quello non sai se sei migliorato o se hai aggiustato qui e rotto lì.

Con quei numeri in mano la conversazione cambia registro: smetti di confrontare demo e cominci a confrontare risultati sui tuoi documenti, gli unici che poi passerai davvero.

Cosa fare della revisione umana

La revisione umana non è il fallimento dell'automazione: è il pezzo che la rende mettibile in produzione. L'errore sta in come la si costruisce. Mettere una persona a rivedere il cento per cento dell'output significa aver scambiato il digitare col leggere, e leggere schermate piene di dati corretti è un compito in cui l'essere umano è pessimo: dopo venti minuti si approva tutto senza guardare e il controllo esiste solo nell'organigramma.

Quello che funziona è l'opposto: che sia il sistema a decidere a chi mostra cosa. Alla persona arriva solo ciò che la soglia di confidenza segna come dubbio, ciò che supera un certo importo e ciò che viene da un emittente mai visto. E arriva con il campo evidenziato sull'immagine, non come un modulo vuoto da riempire tenendo il PDF di fianco. È esattamente l'argomento di umano nel ciclo in un'automazione con l'IA: il valore non sta nel supervisionare, sta nel decidere cosa si supervisiona.

Quando non vale la pena automatizzare

Ci sono casi in cui la risposta giusta è no, e dirlo ad alta voce risparmia progetti interi:

• Volume basso e stabile. Se il lavoro sta in un'oretta a settimana, il progetto —integrazione, test, manutenzione— costa più del problema. Non automatizzarlo: mettilo per iscritto e vai avanti.
• Documenti che arrivano già strutturati. Se l'emittente può mandarti lo stesso dato via API, in XML o come fattura elettronica, leggere un PDF è autolesionismo. Chiedi il dato fatto bene prima di costruire un lettore.
• Nessuno sa qual è il risultato corretto. Se il tuo stesso team discute su cosa sia «la data» di un documento, nessuna tecnologia chiuderà quella discussione. Prima si decide, poi si automatizza.
• Il documento fa scattare qualcosa di irreversibile. Estrarre per proporre, sì. Estrarre per eseguire senza revisione un pagamento, una disdetta o una decisione, non ancora.
• I documenti sono pessimi già all'origine. Foto tagliate, scansioni illeggibili, pagine al contrario. Sistemare l'acquisizione rende quasi sempre più di qualunque modello, e costa parecchio meno.

Quel filtro è lo stesso che si applica per decidere quali processi automatizzare con l'IA: ripetitivo, con input digitale, con un criterio di correttezza definito e con qualcuno che risponde del risultato. Se manca il quarto, non hai un progetto: hai un esperimento con un budget.

La decisione, in tre domande

1. Quanti emittenti diversi generano la maggior parte dei miei documenti? Se sono pochi e stabili, parti dai template. Se sono tanti e mutevoli, parti dal modello.
2. Quanto mi costa un campo letto male che nessuno intercetta? Se la risposta è «un pagamento doppio», la tua soglia di confidenza va alta e la revisione umana non è opzionale.
3. Posso etichettare a mano cento documenti veri questa settimana? Se non puoi, non puoi misurare; e senza misurare, scegliere tra OCR e LLM è esprimere una preferenza, non prendere una decisione.

La domanda con cui sei arrivato —«OCR o LLM?»— è la domanda di un catalogo, non quella della tua operazione. La tua è un'altra: quale parte dei miei documenti ha una forma stabile, quale no, e quanto mi costa ciascuna. Risposto a questo, il disegno viene da sé: regole per il conosciuto, modello per lo strano, un numero di confidenza che decide quando entra una persona e un contatore che ti dice se la coda cara si sta restringendo. Il resto è scegliere il logo.