La Pila Non Letta

Volume I · Document intelligence

La Pila Non Letta

Il documento che nessuno ha tempo di leggere — e il collo di bottiglia è una persona sola.

Il problema

Qualcuno nel tuo team legge lo stesso tipo di documento in continuazione: contratti fornitori, fatture in entrata, polizze, report di sostenibilità. La lettura è lenta, cambia da persona a persona e, quando mesi dopo una decisione viene messa in discussione, non c’è traccia del perché quel documento sia stato trattato così.

A chi serve

Team con una coda ricorrente di documenti dove il collo di bottiglia è il giudizio di una persona. Funziona meglio dove sbagliare costa, perché lì il risultato deve essere difendibile prima che veloce.

Cosa ti resta

Un flusso di lavoro delimitato su un tipo di documento, con una valutazione leggibile e un percorso di eccezione per tutto ciò che il modello non deve decidere da solo.

• Una pipeline che trasforma un documento in campi strutturati, conservando per ciascuno il passaggio di origine.
• Una valutazione su un campione etichettato dal tuo team, che riporta dove il sistema concorda con i tuoi revisori e dove no.

Cosa ti resta

• Una coda di eccezioni: i casi instradati a una persona e la regola che decide cosa ci finisce.
• Un resoconto scritto delle modalità di errore emerse in valutazione.

Registro delle prove

Il caso di studio sul greenwashing è la versione onesta di questo lavoro: mostra un rilevatore che segue da vicino il giudizio esperto su un punteggio continuo, pur mancando la maggior parte degli elementi che dovrebbe segnalare, e spiega perché questa combinazione lo rende uno strumento di triage e non un filtro.

Processo · 01

Guardiamo esempi reali del documento e la decisione che ne discende, e concordiamo cosa significhi «corretto» prima di costruire qualsiasi cosa.

Discovery

Una definizione scritta del problema, con la decisione, il tipo di documento e la definizione di risultato corretto.

Processo · 02

Un tipo di documento, un flusso. Il tuo team etichetta un campione; io ci lavoro sopra e valuto su esempi tenuti da parte.

Pilota delimitato

Una pipeline funzionante, risultati di valutazione sui tuoi documenti e il processo di revisione delle eccezioni.

Processo · 03

La pipeline viene integrata dove il lavoro avviene davvero, con il passaggio di revisione presente dal primo giorno.

Consegna

Flusso in produzione, runbook e il monitoraggio che segnala quando la qualità si degrada.

Processo · 04

Il tuo team lo gestisce. Documento come rivalutarlo quando i documenti cambiano, perché cambieranno.

Passaggio di consegne

Documentazione, impianto di valutazione e una sessione con chi lo prenderà in carico.

Provenienza dei dati

• Un campione rappresentativo dei documenti, compresi quelli scomodi.
• Accesso a una persona che possa dire com’è fatto un risultato corretto.
• Tempo dei tuoi revisori per etichettare un campione — di solito è il vero vincolo.
• Chiarezza su cosa può uscire dalla vostra infrastruttura e cosa no.

Cosa è incluso

• Estrazione, classificazione, ordinamento e instradamento su un tipo di documento definito.
• Valutazione rispetto a etichette prodotte dal tuo team.
• Il processo di eccezione e l’interfaccia in cui lavora chi rivede.

Limiti

• Decisioni non presidiate. Tutto ciò che ha conseguenze mantiene una persona nel ciclo.
• Pareri legali, fiscali o di revisione su cosa significhi un documento.
• Un sistema generico che gestisca qualsiasi documento abbiate. I piloti riguardano un solo tipo.

Hai un problema di questa forma?

Pilota di document intelligence

Un flusso delimitato, risultati di valutazione sui tuoi documenti e un processo di revisione delle eccezioni.

Sostituirà la persona che oggi li legge?

No, e non lo costruirei così. Cambia cosa legge per prima e le dà la ragione dell’ordinamento. Nel progetto di ricerca dietro questo servizio, il rilevatore migliore mancava comunque la maggior parte degli elementi che un revisore avrebbe segnalato — ed è esattamente per questo che il passaggio di revisione resta.

I nostri dati escono dai nostri sistemi?

È una decisione che prendiamo in discovery, non un’impostazione predefinita. Alcuni approcci girano interamente sulla vostra infrastruttura; altri usano un modello ospitato, il che significa che il testo del documento va a quel fornitore. Vi dico quale serve prima di impegnarci.

Quanto è accurato?

Non è rispondibile prima di avere i vostri documenti e le vostre etichette. Qualsiasi numero citato prima riguarda i dati di qualcun altro. Stabilire il numero per i vostri è ciò a cui serve il pilota.

E se la valutazione dicesse che non funziona abbastanza bene?

Allora quello è il risultato del pilota e avete speso una cifra delimitata per scoprirlo. È proprio per questo esito che il pilota è piccolo e valutato prima di qualsiasi integrazione.

Approccio

• Python
• spaCy
• Hugging Face Transformers
• Sentence Transformers
• PyTorch
• scikit-learn

Hai una coda di documenti che rallenta una decisione?

Dimmi quale documento e quale decisione, e ti dirò se vale la pena fare un pilota.