Estrarre dati da PDF con l'AI e portarli nel gestionale

Il lavoro che l'AI toglie è quasi sempre lo stesso: qualcuno apre un PDF, cerca un numero e lo ricopia in un altro programma. La bolla del fornitore nel carico di magazzino, la fattura estera in contabilità, il contratto nello scadenzario.

Sono minuti per documento, che diventano giornate quando i documenti sono centinaia.

OCR classico e modelli che leggono le immagini

L'OCR, il riconoscimento ottico dei caratteri, trasforma l'immagine di una pagina in testo. Non sa però quale numero sia il totale e quale l'imponibile. I modelli linguistici che leggono le immagini fanno un passo in più.

Con Claude, il modello di Anthropic, per esempio, ogni pagina del PDF diventa un'immagine letta insieme al testo estratto. Esistono anche servizi addestrati su un solo tipo di documento, come il modello per le fatture di Document Intelligence di Microsoft.

Un PDF generato da un programma contiene già il testo; una scansione o una foto è solo un'immagine, e lì serve la lettura visiva.

Estrarre dati da PDF a Excel

Se devi portare in Excel le tabelle di PDF generati da un programma, come estratti conto o listini, prova prima il connettore PDF di Power Query: importa le tabelle di un file e, con il connettore Cartella, di più file insieme. Non serve l'AI.

Con scansioni, impaginazioni irregolari o fornitori diversi di solito non basta. E se il foglio è diventato il posto dove vivono i dati, il problema forse è un altro: ne parliamo nella guida da Excel a gestionale.

Quando l'AI non serve: fatture elettroniche e dati già strutturati

Prima di far leggere documenti a un modello, conviene controllare se i dati esistono già in forma strutturata.

Il caso più comune in Italia sono le fatture dei fornitori. Tra soggetti residenti o stabiliti si emettono di regola in formato elettronico e passano dallo SdI come file XML FatturaPA: oggi per l'articolo 1 del D.Lgs. 127/2015, dal 2027 per l'articolo 77 del testo unico IVA.

Il gestionale le legge campo per campo, senza errori di lettura e senza consumare un modello. Estrarre i dati dal PDF di cortesia quando l'XML c'è vuol dire pagare per leggere peggio un dato che hai già: è il lavoro della fatturazione elettronica, non dell'AI.

Per gli export di altri programmi, i file della banca e gli ordini che arrivano da un portale con API serve un'integrazione tra software. L'AI conviene sul resto: fatture estere, DDT, ordini in PDF, contratti, note spese, moduli compilati a mano.

Dal documento al gestionale: come funziona un flusso di estrazione

Un flusso affidabile ha più passaggi del solo "leggi e scrivi". Questo è quello che costruiamo di solito, per esempio per i DDT dei fornitori:

1. Il documento arriva da PEC, email, scanner o caricamento manuale, e viene archiviato così com'è.
2. Il sistema riconosce che tipo di documento è: DDT, fattura, ordine. Quello che non riconosce va in una coda a parte.
3. Il modello estrae i campi in uno schema fisso, deciso prima: fornitore, numero, data, righe con codice, descrizione e quantità.
4. Il gestionale controlla quello che può: il fornitore esiste in anagrafica, il DDT corrisponde a un ordine d'acquisto, le quantità tornano.
5. Se tutto torna, il dato viene registrato; altrimenti il documento va in coda a una persona, con il campo evidenziato.
6. Ogni passaggio resta in un registro: cosa ha letto il modello, cosa ha corretto la persona, chi ha approvato.

È un'automazione dei processi con un passaggio che sa leggere. Un gestionale con intelligenza artificiale, in pratica, è questo: il tuo gestionale, con una porta d'ingresso per i documenti che prima si ricopiavano a mano.

Il controllo umano: coda di validazione, confidenza e citazioni

L'AI sbaglia, e lo fa in modo convincente: un totale letto male sembra un totale giusto. Il controllo si progetta insieme all'estrazione.

VCoda di validazione2 da guardare

Documento	Campo	Da dove viene	Confidenza	Stato
DDT 311	Quantità, riga 3	pagina 1, riga 3	bassa	Da guardare
DDT 312	Ordine collegato	nessun ordine trovato	abbassata	In coda
INV-2291	Totale	pagina 2, in basso	alta	Registrato
NS-044	Importo	pagina 1, scontrino 2	alta	Registrato

Accanto a ogni valore, il punto del documentoDati di esempio

• La coda di validazione. Le proposte che contano passano da una persona prima di diventare dati: all'inizio tutte, poi, dove gli errori si rivelano rari e poco costosi, solo quelle sotto una soglia.
• La confidenza. Ogni campo porta un livello di sicurezza, dichiarato dal modello e abbassato dai controlli del gestionale quando qualcosa non torna. La soglia la decidi tu, guardando gli errori veri.
• La citazione. Accanto a ogni valore c'è il punto del documento da cui viene, e il controllo richiede secondi. Alcuni fornitori la offrono già nelle API: le citazioni di Claude riportano il testo citato e, per i PDF, il numero di pagina. Valgono però solo sui PDF che contengono testo: su una scansione il testo va prima ricavato con l'OCR.

Della decisione risponde chi la prende: per questo quelle che contano restano a una persona, e totali e conteggi li calcola il database, non il modello.

Vocabolari controllati: l'AI non deve inventare codici

Il rischio più insidioso non è il numero letto male, ma il codice inventato: un codice articolo, un conto o una categoria plausibile che nel gestionale non esiste.

Per questo, quando il dato deve appartenere a un elenco, il modello sceglie da quell'elenco e il sistema scarta qualunque valore che non ci sia. Se nessuna voce va bene, il documento va in coda: non nasce una voce nuova.

Quanto costa estrarre dati da un documento

Il costo per documento dipende da pochi fattori, ed è il motivo per cui una cifra valida per tutti non esiste.

• Le pagine e quanto sono dense. Per i PDF Anthropic stima tra 1.500 e 3.000 token di testo per pagina, più il costo dell'immagine di ogni pagina (documentazione sui PDF).
• Il modello. I più grandi leggono meglio i documenti difficili e costano di più; per un DDT pulito spesso basta uno più piccolo.
• La fretta. Se il risultato può aspettare, l'elaborazione a lotti costa meno: con l'API di Anthropic il 50% in meno, e la maggior parte dei lotti è pronta in meno di un'ora (documentazione sui lotti).
• Le riletture e il tempo di chi valida, che spesso pesa più del modello.

Per questo si parte da una prova su un campione dei tuoi documenti veri, compresi i più brutti, e si misura quanti passano da soli e quanto costa ciascuno.

Il modello si paga a consumo, con un tetto di spesa mensile. Per il software l'accordo si fa su misura, a corpo, a canone o misto: le possibilità sono in formule e costi. Un chatbot o un sistema che risponde sui documenti interni ha un conto diverso, perché il consumo cresce con le domande, non con i documenti.

Privacy, GDPR e AI Act: cosa verificare prima

I documenti aziendali contengono dati personali: nomi, indirizzi, a volte dati sulla salute o sui dipendenti. Usare l'AI su quei documenti si può, a tre condizioni.

• Il modello si usa tramite API con condizioni commerciali che escludono l'addestramento sui tuoi dati. Anthropic, per esempio, dichiara di non usare per l'addestramento i dati dei suoi prodotti commerciali, API compresa, salvo scelta del cliente. Il dipendente che carica un contratto in un chatbot con l'account personale è un altro discorso.
• Il fornitore del modello è un ulteriore responsabile del trattamento e va indicato nel contratto previsto dall'articolo 28 del GDPR. Al modello arrivano i documenti che servono al compito, non l'intero archivio.
• Per i dati sulla salute e le altre categorie particolari (articolo 9) la valutazione si fa prima, con il responsabile della protezione dei dati o il consulente privacy, compresa l'eventuale valutazione d'impatto.

Chi non vuole che i documenti passino da un fornitore esterno può usare un'AI privata, un modello installato su un server dedicato. Costa di più e va provata sui tuoi documenti, perché i modelli installabili non sempre leggono come i grandi modelli commerciali: ha senso con dati molto delicati o volumi molto alti.

Gli obblighi dell'AI Act per le aziende che estraggono dati

Il regolamento europeo sull'intelligenza artificiale si applica in generale dal 2 agosto 2026. Per chi legge fatture e DDT contano tre date.

Sull'alfabetizzazione, le modifiche del 2026 non fissano un livello minimo, ma l'obbligo resta (domande e risposte della Commissione). Leggere documenti amministrativi non è tra gli usi ad alto rischio; per quelli, dopo il rinvio del 2026, gli obblighi partono dal 2 dicembre 2027, come riporta la Commissione europea.

Per valutare un fornitore c'è la guida su fornitore software, GDPR e NIS2.

Agenti AI, RAG e chatbot: cosa cambia rispetto all'estrazione

L'estrazione è l'uso più semplice dell'AI in azienda: un documento entra, dei campi escono, e ogni risposta si controlla.

• Un agente AI riceve un obiettivo e sceglie da solo i passi, con gli strumenti che gli sono stati dati, come cercare nel gestionale o preparare una bozza. Chiede più cautela.
• Un sistema RAG risponde a domande sui documenti interni, come manuali e procedure, citando i passaggi da cui prende la risposta.
• Un chatbot sul sito è lo stesso, rivolto ai clienti.

Se a ognuno serve solo caricare un PDF e fare qualche domanda, basta un abbonamento aziendale a un assistente: il confronto è nella guida ChatGPT, Claude e Copilot in azienda. Serve uno sviluppo quando l'AI lavora ogni giorno dentro un processo, con permessi, controlli e un registro: è il nostro lavoro sull'intelligenza artificiale per le aziende.

Esperienze del nostro gruppo

In ciascuna l'AI propone e c'è un limite a quello che può decidere: la validazione del medico, il controllo di una persona, un elenco chiuso di categorie.

Documenti di valutazione dei rischi letti dall'AI, decide il medico

Nel gestionale clinico di uno studio di medicina del lavoro, l'AI legge i documenti di valutazione dei rischi delle aziende clienti, anche scansionati. Ogni proposta arriva con le citazioni dal documento e passa da una coda di validazione: decide il medico.

Un modulo compilato da un documento Word o PDF

In un portale per uno studio di produzione grafica, l'AI legge il documento Word o PDF del committente e compila il modulo per aprire un nuovo lavoro, poi una persona controlla. Quando arriva una versione successiva del documento, il portale la confronta con la precedente campo per campo.

Classificare 1.401 aziende senza codici inventati

Per una rete di imprese abbiamo classificato 1.401 aziende su un elenco chiuso di categorie. Un vocabolario controllato impedisce al modello di inventare codici, e ogni assegnazione riporta motivazione, fonte e confidenza.