Business e implementazioni20:04
Preparare le scansioni PDF per l'AI: parametri OCR e convenzioni di denominazione
Come impostare la scansione a 300–600 DPI, abilitare il livello di testo e denominare i file nel formato Tipo_Data-Versione_Stato prima di collegare i documenti all'indice AI.

Ascolta il riassunto dell'articolo
Voce sintetica.Considerate questo testo come note pratiche condivise liberamente: mostriamo come procedere di norma, non una regola fissa per ogni realta. Aprite il vostro strumento OCR: Azure AI Document Intelligence, Google Document AI oppure l'OCRmyPDF locale. Al termine otterrete una cartella di scansioni PDF dotate di livello di testo e nomi pronti per l'indicizzazione AI. Prima di iniziare, verificate l'accesso alla cartella delle scansioni e l'autorizzazione a creare un elaboratore OCR: sul cloud richiede un piano a pagamento, mentre in locale basta un account con permessi di scrittura su disco.
Creare l'elaboratore OCR e configurare i parametri di scansione (1–2 ore)
Nella console Azure aprite la sezione Azure AI Document Intelligence e selezionate l'opzione per creare un elaboratore OCR. Nelle impostazioni di elaborazione individuate il campo del colore e impostate la modalita scala di grigi/bianco e nero: il colore non migliora l'accuratezza e allunga i tempi. Accanto al campo della risoluzione impostate un valore compreso tra 300–600 DPI. Come impostazione predefinita il sistema propone 300 DPI: mantenete questo valore per scansioni nitide, aumentatelo a 600 DPI se il testo su timbri o planimetrie risulta poco chiaro. Trovate i dettagli nella documentazione di Document Intelligence.

Elaborare un campione di 5.000 file e misurare i testi mancanti (2–4 settimane)
Avviate l'elaborazione in batch su un campione di 5.000 file. Al termine aprite il report di qualita. Contate i documenti senza livello di testo: la soglia massima consentita e inferiore al 5%. Con valori superiori, riaprite le impostazioni dell'elaboratore e aumentate la risoluzione a 400 o 600 DPI. Su Google Cloud eseguite la stessa operazione selezionando l'elaboratore OCR dall'elenco e verificando il campo del testo estratto: trovate le istruzioni nella documentazione di Document AI.
Rinominare i file e contrassegnare le versioni finali (1 settimana)
Per ogni file con livello di testo valido, impostate il nome secondo lo standard [tipo]_[data-ISO]_[versione]_[stato].pdf, ad esempio Fattura_2025-01-15_v2_final.pdf. Contrassegnate le bozze come draft ed escludetele dall'indice. Rilevate i duplicati calcolando l'hash SHA-256: se due file condividono lo stesso hash, eliminate il piu recente. Archiviate o eliminate le bozze create piu di 12 mesi prima della versione finale.

Impostare il filtro final e creare l'indice (1 giorno)
Nello strumento di indicizzazione selezionate la cartella con i file pronti. Nella regola di indicizzazione impostate il filtro di stato su final ed escludete i file con tag draft. Avviate la prima indicizzazione. A processo ultimato, testate su tre documenti di reparti diversi se la ricerca restituisce la fattura o il contratto corretto inserendo una porzione di testo.
A un mese dall'implementazione, la ricerca di una fattura scende da 40 minuti a 20 secondi, grazie al recupero diretto dal livello di testo. Un progetto pilota su 5.000 file gestito da 2–3 persone fa risparmiare circa 60 ore all'anno rispetto alla ricerca manuale su disco di rete. Maggiori dettagli su questo tipo di implementazione sono disponibili alla pagina dei servizi HEXART.
Fonti
Fonti consultate per la redazione. Il testo sopra è di nostra proprietà; i siti di riferimento non sono responsabili del contenuto né lo hanno autorizzato.
