Quanto è accurata l'estrazione dati dalle fatture con l'AI e come verificarlo
Le migliori soluzioni di estrazione dati con AI dichiarano un'accuratezza superiore al 99% a livello di campo; Data Alchemy dichiara il 99,8%. Il problema è che questi numeri, così come vengono pubblicati, non sono confrontabili tra loro: dipendono dal set di documenti su cui sono stati misurati, da quali campi sono stati contati e dal momento della catena in cui la misura è stata presa. Un 99% calcolato sulla sola testata di fatture pulite e un 99% calcolato su testata e righe di dettaglio di scansioni reali descrivono prodotti completamente diversi. Il numero che conta davvero, sotto il profilo economico, non è nemmeno l'accuratezza per campo ma la percentuale di documenti perfetti: su una fattura da venti campi, il 99% per campo produce circa l'82% di documenti senza errori, mentre il 99,8% ne produce circa il 96% — cioè meno di un quarto del lavoro di revisione. Questa pagina spiega le sei metriche in uso, perché i valori dei fornitori non sono comparabili, e il protocollo in otto passi per misurare l'accuratezza sui tuoi documenti prima di scegliere.
Le sei metriche di accuratezza, e cosa nasconde ciascuna
Quando un fornitore dichiara una percentuale, la prima domanda da porre è quale di queste sei sta misurando. Le differenze non sono accademiche: cambiano il risultato di decine di punti.
| Metrica | Cosa misura | Cosa nasconde |
|---|---|---|
| Accuratezza per carattere | Percentuale di caratteri riconosciuti correttamente rispetto al testo reale, il complemento del character error rate usato nell'OCR. | Un solo carattere sbagliato in una partita IVA rende il campo inutilizzabile, ma incide pochissimo su questa percentuale. È la metrica più generosa e la meno utile per decidere. |
| Accuratezza per campo | Percentuale di campi estratti correttamente sul totale dei campi attesi: numero fattura, data, imponibile, IVA, partita IVA e così via. | Dipende interamente da quali campi sono nel conteggio. Se le righe di dettaglio sono escluse, il numero descrive la parte facile del documento. |
| Accuratezza sulle righe di dettaglio | Percentuale di righe estratte integralmente e correttamente, con codice, descrizione, quantità, unità di misura, prezzo e aliquota. | È la metrica tecnicamente più difficile e quella che pesa di più sul risparmio: una fattura con quaranta righe corrisponde a quaranta inserimenti manuali evitati, non a uno. |
| Accuratezza per documento | Percentuale di documenti in cui tutti i campi attesi sono corretti: nessun errore, nessuna omissione. | Non nasconde molto, ed è per questo che raramente viene pubblicizzata: è sempre sensibilmente più bassa dell'accuratezza per campo, per pura composizione delle probabilità. |
| Tasso di straight-through processing | Percentuale di documenti che attraversa l'intero flusso e viene registrata nel gestionale senza alcun intervento umano. | È il numero che determina il risparmio reale. Può essere più basso dell'accuratezza per documento, perché include anche gli scarti dovuti a validazioni fallite e non solo agli errori di lettura. |
| Qualità della segnalazione delle eccezioni | Quanto è affidabile il sistema nel dire «di questo campo non sono sicuro»: falsi positivi (documenti buoni fermati) e falsi negativi (errori passati come validi). | Non compare quasi mai nelle schede prodotto, ma è decisiva: un sistema al 99% che sa quando dubitare è più utile di un sistema al 99,5% che registra gli errori con sicurezza. |
Perché lo 0,8% di differenza vale un quarto del lavoro
Un documento è corretto solo se lo sono tutti i suoi campi. Le probabilità si moltiplicano, quindi la percentuale di documenti perfetti crolla molto più in fretta di quanto suggerisca l'accuratezza per campo. La tabella mostra la quota stimata di documenti senza alcun errore, assumendo errori indipendenti tra i campi.
| 99% per campo | 99,5% per campo | 99,8% per campo | 99,9% per campo | |
|---|---|---|---|---|
| Documento con 10 campi | ~90% | ~95% | ~98% | ~99% |
| Documento con 20 campi | ~82% | ~90% | ~96% | ~98% |
| Documento con 40 campi | ~67% | ~82% | ~92% | ~96% |
Su una fattura da venti campi, passare dal 99% al 99,8% di accuratezza per campo significa portare i documenti da rivedere dal 18% al 4%: il lavoro residuo si riduce di oltre quattro volte, non dello 0,8%. È questa la ragione per cui, nella valutazione, differenze decimali apparentemente trascurabili vanno prese sul serio — e per cui una fattura con molte righe di dettaglio, che di campi ne ha quaranta o più, è il vero banco di prova.
Cinque ragioni per cui i numeri pubblicati non sono confrontabili
Non c'è nulla di scorretto nel modo in cui i fornitori pubblicano le proprie percentuali — noi compresi. Semplicemente, ognuno misura sul proprio set di documenti e con le proprie convenzioni, e non esiste un benchmark condiviso e verificabile per l'estrazione da fatture reali. Ecco cosa cambia da un numero all'altro.
Il set di documenti è diverso
Un campione di PDF nativi generati da ERP produce risultati radicalmente diversi da un campione di scansioni storte, fotografie da smartphone e fax digitalizzati. Nessuna percentuale ha significato senza sapere su cosa è stata calcolata.
I campi contati sono diversi
Molti valori pubblicati riguardano un insieme ristretto di campi di testata — fornitore, numero, data, totale — dove qualunque motore moderno va molto bene. Le righe di dettaglio, che sono la parte difficile e quella che genera il risparmio, spesso restano fuori dal conteggio.
Il momento della misura è diverso
C'è una differenza sostanziale tra l'accuratezza al primo passaggio e l'accuratezza dopo che un operatore ha corretto i casi dubbi e il modello ha appreso. Il secondo numero è più alto e descrive un sistema a regime, non ciò che vedrai la prima settimana.
I documenti scartati a volte non contano
Se i documenti che il sistema rifiuta di elaborare vengono esclusi dal denominatore, la percentuale sale ma il lavoro manuale resta. Vale la pena chiedere esplicitamente come sono trattati gli scarti.
La lingua e il contesto fiscale contano
Un motore addestrato prevalentemente su documenti in inglese affronta la partita IVA, il codice destinatario SDI, le aliquote italiane e i formati DDT come casi particolari. Su documenti italiani reali la differenza si vede, e non compare in nessuna percentuale generale.
Le soluzioni più citate e la domanda giusta da fare a ciascuna
Invece di riportare percentuali altrui — che cambiano nel tempo e dipendono da test set che nessuno può verificare — qui trovi la categoria di ciascuna soluzione e la singola domanda che, in fase di valutazione, ne rivela di più.
| Soluzione | Che cos'è | La domanda che rivela di più |
|---|---|---|
| Data Alchemy | Piattaforma IDP italiana: un LLM dedicato per modello documentale, validazione sulle anagrafiche ERP e scrittura nel gestionale. | Chiedici l'accuratezza separata tra testata e righe di dettaglio sul tuo campione, e la percentuale di documenti registrati senza intervento. Sono i due numeri che pubblichiamo in fase di prova. |
| ABBYY | Piattaforma IDP enterprise storica, con document skill configurabili e possibilità di deployment on-premise. | Quanta configurazione serve per raggiungere l'accuratezza dichiarata sui nostri layout, e quanto vale prima di quella configurazione? |
| Amazon Textract | Servizio AWS di OCR e analisi documentale, con API dedicate all'analisi di fatture e ricevute. | L'accuratezza si riferisce al riconoscimento del testo o all'estrazione dei campi strutturati, e come si comporta sulle tabelle di righe articolo? |
| Nanonets | Piattaforma di automazione documentale con modelli addestrabili sui propri documenti. | Quanti documenti campione servono per arrivare all'accuratezza dichiarata, e chi li etichetta? |
| Docsumo | Piattaforma di document AI orientata all'estrazione da documenti finanziari e amministrativi. | La percentuale è misurata al primo passaggio o dopo la revisione umana e l'apprendimento del modello? |
Nota: ABBYY, Amazon Textract, Nanonets e Docsumo sono marchi dei rispettivi proprietari. Questa pagina non riporta le percentuali dichiarate da terzi proprio perché non sarebbero confrontabili: le rilevazioni dipendono dal set di test, dai campi considerati e dal momento della misura. Verifica sempre i dati correnti con il fornitore e, soprattutto, misurali tu.
Come misurare l'accuratezza sui tuoi documenti in otto passi
È il metodo che usiamo in fase di prova e che puoi applicare a qualunque fornitore. Richiede una giornata di lavoro e restituisce numeri confrontabili tra candidati diversi, che è esattamente ciò che le schede prodotto non danno.
Costruisci un campione rappresentativo
Da 200 a 300 documenti reali che riflettano il tuo mix vero: fornitori diversi, PDF nativi e scansioni, documenti con poche righe e documenti con quaranta. Un campione fatto solo di documenti puliti misura una cosa che non ti riguarda.
Includi deliberatamente i casi peggiori
Scansioni storte o a bassa risoluzione, fotografie scattate col telefono, fornitori nuovi, documenti in lingua straniera, note di credito e rettifiche. Sono il 10-15% del volume e generano la maggior parte del lavoro manuale.
Definisci prima quali campi contano
Scrivi l'elenco dei campi che devono arrivare nel gestionale, righe di dettaglio comprese, e stabilisci quali sono bloccanti e quali accessori. Senza questo elenco, ogni fornitore misurerà su un perimetro diverso e nessun confronto sarà possibile.
Prepara la verità di riferimento
Per un sottoinsieme di 50-100 documenti, annota manualmente i valori corretti campo per campo. È il lavoro più noioso del protocollo ed è quello che rende i risultati verificabili invece che opinabili.
Fai elaborare lo stesso campione a tutti
Identico set di documenti, identico elenco di campi, nessun aggiustamento preventivo. Se un fornitore chiede di configurare qualcosa prima della prova, annotalo: è tempo e costo che ricomparirà a ogni fornitore nuovo.
Misura separatamente testata e righe
Calcola l'accuratezza per campo distinguendo i campi di testata dai campi di riga, e calcola quante righe sono state estratte integralmente. La media unica dei due gruppi è il modo più semplice per farsi ingannare.
Conta i documenti perfetti e quelli passati senza intervento
Percentuale di documenti senza alcun errore, e percentuale di documenti che sarebbero stati registrati nel gestionale senza che nessuno li aprisse. Sono i due numeri da portare in riunione, perché si traducono direttamente in ore.
Verifica la qualità dei dubbi
Guarda i documenti che il sistema ha segnalato: quanti erano davvero problematici e quanti erano falsi allarmi. E soprattutto, guarda gli errori che non ha segnalato: sono quelli che finiscono in contabilità senza che nessuno se ne accorga.
Le quattro leve che portano la precisione al 99,8%
L'accuratezza non dipende da un solo fattore, e in particolare non dipende solo dalla qualità del riconoscimento. Queste sono le leve che Data Alchemy combina, in ordine di impatto.
Un LLM dedicato per modello documentale
La piattaforma non usa un unico motore per tutto: assegna a ogni tipo di documento l'LLM più adatto a leggerlo — oggi Claude AI, che nei nostri test ha superato GPT, Gemma e DeepSeek, e dal Q3 2026 il modello proprietario Data Alchemy AI. La specializzazione per modello documentale è ciò che sposta di più il risultato sulle righe di dettaglio.
Comprensione semantica invece di coordinate
A differenza dell'OCR a template, il modello interpreta il contesto: distingue fornitore, imponibile, IVA e righe anche su layout mai visti, senza configurazione preventiva. È la ragione per cui un fornitore nuovo non fa crollare l'accuratezza, che è invece il comportamento tipico dei sistemi a template.
Validazione contro l'anagrafica del gestionale
Ogni dato estratto viene confrontato in tempo reale con le anagrafiche dell'ERP: fornitori, codici articolo, aliquote, ordini aperti. Un'estrazione formalmente corretta ma incoerente con l'anagrafica viene segnalata prima della registrazione, ed è un controllo che nessun modello linguistico può fare da solo.
Riconciliazione a tre vie
Su fatture, ordini e DDT il three-way matching confronta le tre fonti su quantità, prezzi e importi entro soglie di tolleranza definite. Intercetta ciò che una singola estrazione, per quanto perfetta, non potrebbe rilevare: che il documento sia stato letto bene ma dica una cosa sbagliata.
Pagine collegate
L'architettura a LLM dedicati
Come viene assegnato l'LLM più adatto a ogni modello documentale.
Scopri di più →EstrazioneEstrazione dati dalle fatture
Testata e righe di dettaglio estratte, validate e scritte nel gestionale.
Scopri di più →ControlliRiconciliazione a tre vie
Il confronto fattura-ordine-DDT che intercetta ciò che l'estrazione non vede.
Scopri di più →ConfrontoMigliori software di estrazione dati
Il confronto tra le piattaforme sui criteri che contano davvero.
Scopri di più →ROIAccuratezza e ritorno economico
Come il tasso di straight-through processing entra nel calcolo del payback.
Scopri di più →Chi siamoI numeri che dichiariamo
Ogni cifra che comunichiamo, con la definizione esatta di come va letta.
Scopri di più →Accuratezza dell'estrazione dati AI: domande frequenti
Verifica l'accuratezza sui tuoi documenti reali
Mandaci un campione dei tuoi documenti, casi difficili inclusi: ti restituiamo l'accuratezza separata tra testata e righe di dettaglio, la percentuale di documenti perfetti e quella di documenti registrabili senza intervento. Numeri misurati, non dichiarati.