1. Perché la qualità dei dati decide il risultato
Un sistema di AI che lavora su documenti restituisce risposte coerenti con ciò che trova. Se i documenti sono duplicati, obsoleti, contraddittori o scritti in modo confuso, anche la risposta lo sarà. Il modello non sa quale versione di una procedura è quella attuale, a meno che la struttura del documento e i suoi metadati non lo indichino in modo chiaro.
Per questo molti progetti di AI scoprono, a metà strada, di essere anche un progetto di gestione documentale. La preparazione dei dati non è un'attività accessoria: è spesso la parte che determina se il sistema sarà utile. Pianificarla fin dall'inizio evita di dover ricominciare da capo quando i primi risultati deludono. Ogni progetto che parte dai documenti dovrebbe quindi includere, fin dal primo giorno, un momento dedicato alla loro qualità.
2. Cosa serve prima di toccare i dati
Prima di spostare o elaborare un documento servono tre cose. Un inventario delle fonti, cioè l'elenco dei luoghi in cui stanno i documenti: cartelle condivise, gestionali, archivi di posta, sistemi di ticket. Un responsabile per ciascuna fonte, che sappia dire quali versioni sono valide. E una classificazione della sensibilità, per sapere quali documenti possono essere usati in un sistema e quali no.
Il responsabile di fonte è spesso la voce mancante. Quando nessuno risponde della validità di un documento, il sistema lo tratterà come vero anche se è superato. Assegna questa responsabilità prima di indicizzare qualsiasi contenuto, perché correggere dopo costa molto di più. Quando il responsabile è chiaro, le decisioni sulle versioni diventano rapide e il sistema dà risposte più coerenti con le procedure in uso.
3. I passaggi per preparare i dati
I sette passaggi seguono un ordine logico: prima si decide che cosa entra, poi si pulisce, poi si struttura, infine si verifica. Saltare l'ordine è un errore frequente, perché si struttura con cura un documento che poi andrà eliminato. Ogni passaggio produce un risultato verificabile che serve al successivo, e ti permette di tornare indietro senza perdere il lavoro già fatto.
Il passaggio sui permessi è quello più facile da dimenticare. Un documento riservato che nella fonte originale è visibile solo a un'area può diventare accessibile a tutti se viene caricato in un archivio unico senza regole. Verifica con il responsabile di ciascuna fonte come i permessi vanno ricostruiti nel sistema. Il controllo va fatto con il sistema reale e non solo sulla cartella di origine, perché le regole di accesso cambiano spesso durante il caricamento.
- Inventaria le fonti: elenca gli archivi che contengono documenti utili al caso d'uso, con il formato prevalente di ciascuno.
- Classifica per sensibilità: marca ogni fonte come pubblica, interna, riservata o con dati personali, ed escludi subito ciò che non può entrare.
- Elimina duplicati e versioni superate: tieni una sola versione valida per ciascun documento e archivia le altre fuori dal perimetro.
- Uniforma il formato: converti in formati leggibili e testuali e ripara i file danneggiati o illeggibili.
- Aggiungi struttura e metadati: titolo, data di validità, reparto, responsabile e stato del documento.
- Verifica i permessi: assicurati che il sistema rispetti gli stessi limiti di accesso che il documento ha nella fonte originale.
- Prova su un campione: controlla a mano un insieme di documenti preparati prima di estendere il lavoro.
4. Errori comuni nella preparazione
Il primo errore è cercare di preparare tutto. Un archivio di molti anni di documenti è difficile da pulire e spesso in gran parte inutile per il caso scelto. Lavora sui documenti necessari al caso d'uso e amplia il perimetro solo quando il primo risultato è verificato. Meglio un perimetro piccolo ma pulito che un archivio grande lasciato a metà.
Il secondo errore è pulire senza criterio. Eliminare righe, normalizzare termini o riscrivere testi può cambiare il significato di un documento e creare errori nuovi. Ogni trasformazione va documentata e controllata. Il terzo è ignorare i documenti scansionati: un testo in immagine va convertito con un riconoscimento ottico dei caratteri (OCR), e la qualità del risultato va verificata a campione, perché gli errori di lettura sono frequenti su tabelle e note a margine.
5. Come capire se il lavoro ha funzionato
La preparazione è riuscita quando il sistema trova i documenti giusti e quando le risposte si possono ricondurre a una fonte valida. Un controllo semplice consiste nel prendere un insieme di domande reali e verificare, per ciascuna, quale documento viene usato e se è quello corretto. Se il documento giusto non compare, il problema è di indicizzazione o di struttura. Se compare ma è superato, il problema è di gestione delle versioni.
Ripeti il controllo ogni volta che aggiungi una fonte. Una verifica fatta una sola volta perde valore appena l'archivio cambia, e i documenti nuovi sono spesso quelli meno curati. Annota la data di ogni controllo e il numero di problemi trovati, così puoi capire nel tempo se la preparazione migliora o peggiora. Se il numero cresce a ogni nuova fonte, è il segnale che il processo di ingresso dei documenti va rivisto.
| Controllo | Cosa verificare | Segnale di problema |
|---|---|---|
| Versione | Il documento usato è quello valido? | Compaiono procedure superate o bozze |
| Completezza | Tutti i documenti necessari sono presenti? | Mancano allegati o sezioni importanti |
| Leggibilità | Il testo estratto è corretto? | Parole spezzate, tabelle illeggibili, caratteri strani |
| Permessi | Gli utenti vedono solo ciò che possono vedere? | Un utente ottiene un documento riservato |
| Metadati | Titolo, data e responsabile sono presenti? | Documenti senza data o senza proprietario |
6. Documenti scansionati, formati misti e allegati
Gli archivi reali sono raramente uniformi. Ci sono documenti scritti in digitale, scansioni di firme e timbri, fogli di calcolo con celle unite, presentazioni con testo dentro le immagini e mail con allegati nidificati. Ogni formato richiede un trattamento diverso, e non tutti sono adatti a essere letti da un sistema di AI. Decidi quali formati entrano nel primo perimetro e quali restano fuori.
Le tabelle meritano attenzione particolare. Un foglio di calcolo convertito in testo può perdere le relazioni tra colonne, e una risposta che legge il valore sbagliato può sembrare corretta. Per i dati tabellari spesso conviene mantenere la fonte strutturata e collegarla al sistema in modo controllato, invece di trasformarla in testo libero. Un documento con tabelle ben strutturate in origine può dare risultati più affidabili di una lunga descrizione in testo libero.
7. Come iniziare
Questa settimana scegli il caso d'uso e fai l'inventario delle fonti necessarie, con i nomi dei responsabili. Non serve un progetto formale: un foglio con poche colonne, come fonte, formato, responsabile, sensibilità e stato, è già un inventario utile. Condividilo con i responsabili e chiedi conferma. Il primo risultato concreto conta più di un piano completo. Scegli una persona che la porti avanti e fissa una data di revisione con il responsabile del processo.
Poi prepara un campione di documenti applicando i passaggi della sezione tre, e verificalo con la tabella della sezione cinque. Il risultato ti dirà quanto lavoro serve davvero prima di estendere il perimetro. Solo dopo puoi decidere se automatizzare la preparazione o mantenerla come procedura manuale. Confronta il tempo speso con quello previsto e annotalo, così la decisione successiva si basa su dati reali e non su stime.
Domande frequenti
Devo convertire tutti i documenti in un formato unico?
Non necessariamente. Serve un formato leggibile e testuale per i documenti che entrano nel sistema, ma non è obbligatorio convertire l'intero archivio. Concentrati sui documenti del perimetro scelto. Un archivio convertito per intero, senza uno scopo preciso, produce lavoro e nuovi errori, e rende più difficile capire quale versione è quella valida.
Quanto tempo richiede la preparazione?
Dipende dal volume, dallo stato dell'archivio e dal numero di fonti coinvolte. Un archivio ordinato è molto più rapido da preparare di uno disperso. Non è possibile dare una stima valida senza un inventario delle fonti. Il primo passo serve proprio a ottenere una stima ragionevole.
Posso usare i dati personali contenuti nei documenti?
Solo se hai una base giuridica adeguata e hai rispettato le regole sul trattamento previste dal GDPR, incluse la minimizzazione dei dati e le informative. Spesso conviene escludere i dati personali dal perimetro iniziale o ridurli al necessario. Verifica con il referente per la protezione dei dati prima di caricare documenti che li contengono.
Chi deve occuparsi della preparazione?
Di solito serve una combinazione di persone: chi conosce i documenti, chi gestisce i sistemi di archiviazione e chi verifica la qualità del risultato. Il lavoro non è solo tecnico. Chi conosce il processo è spesso più capace di capire se una versione è valida di quanto possa esserlo un tecnico che non lo conosce.
La qualità dei dati va controllata anche dopo il lancio?
Sì. I documenti cambiano, le procedure vengono aggiornate e nuovi file arrivano ogni giorno. Un controllo periodico, con un campione di domande reali, mostra se il sistema sta peggiorando. Assegna questa verifica a un responsabile preciso, altrimenti decade in fretta.