Dal testo grezzo ai dati strutturati
Estrarre informazioni da un documento significa trasformare contenuto non strutturato (un PDF scansionato, la foto di una fattura, un modulo compilato a mano) in dati strutturati che un’applicazione può interrogare. Il primo mattone è la text extraction, cioè l’OCR (Optical Character Recognition): riconosce caratteri, parole e righe in un’immagine e restituisce testo leggibile dalla macchina, con la posizione (bounding box) di ogni elemento. In Azure questa capacità è offerta dal servizio Azure AI Vision, tramite la funzione Read.
L’OCR però si ferma al “cosa c’è scritto”: non sa che una certa stringa è il totale della fattura, la data di scadenza o il codice fiscale. L’information extraction aggiunge il livello semantico, identificando campi, entità, coppie chiave-valore, tabelle e relazioni, e producendo un output strutturato (tipicamente JSON) pronto per essere salvato o elaborato da un’altra applicazione.
Content understanding con Azure
Il content understanding è l’evoluzione multimodale dell’information extraction: non lavora solo su documenti, ma anche su immagini, audio e video, applicando modelli generativi per interpretare il contenuto e restituire dati strutturati secondo uno schema definito dall’utente. Su Azure questo approccio è incarnato da Azure AI Content Understanding, disponibile nell’ambiente Microsoft Foundry. Il flusso concettuale è semplice: si descrive quali campi interessano — per esempio “numero ordine”, “importo”, “sentiment della telefonata” — e il servizio produce quei valori a partire dal contenuto grezzo, gestendo layout diversi senza dover addestrare un modello per ogni formato. Per i dettagli operativi (nomi esatti, configurazione) fai sempre riferimento alla documentazione ufficiale, perché il prodotto è recente e in evoluzione.
La differenza chiave rispetto al puro OCR è duplice: il content understanding interpreta (non solo trascrive) e unifica formati eterogenei sotto un unico flusso. Da una registrazione audio può ricavare una trascrizione più i campi salienti; da un’immagine, oltre al testo, descrizioni e attributi visivi.
Document processing: quando usare cosa
Per lo scenario specifico dei documenti aziendali strutturati esiste anche Azure AI Document Intelligence (ex Form Recognizer): offre modelli prebuilt per fatture, ricevute e documenti d’identità, un modello layout per tabelle e struttura, e la possibilità di addestrare modelli custom su moduli proprietari. È la scelta naturale quando il dominio è “documenti” e servono campi ben definiti e ripetibili.
Criteri di scelta tipici:
- serve solo il testo da un’immagine → OCR / Read di Azure AI Vision;
- servono campi strutturati da fatture, ricevute o moduli noti → Document Intelligence (prebuilt o custom);
- serve un’estrazione flessibile e multimodale (documenti + immagini + audio + video) guidata da uno schema → Content Understanding.
Casi d’uso frequenti: automazione della contabilità fornitori, onboarding clienti con lettura di documenti d’identità, digitalizzazione di archivi cartacei, analisi di ticket e chiamate al supporto, catalogazione di contenuti multimediali.
Trappole tipiche d’esame
- Serve il significato e non solo leggere il testo → non basta l’OCR: Read/OCR restituisce solo caratteri e posizioni; per ottenere campi ed entità serve information extraction (Document Intelligence o Content Understanding).
- Formati misti documenti + audio + immagini con schema personalizzato → Content Understanding: è l’opzione multimodale che unifica l’estrazione sotto un unico schema definito dall’utente, mentre Document Intelligence resta specifico per i documenti.
- Fatture, ricevute o documenti d’identità standard → modelli prebuilt di Document Intelligence: non addestrare un modello custom se esiste già un prebuilt per quel tipo; il custom serve per moduli proprietari non coperti.
- “Rendere un PDF scansionato ricercabile” → OCR/Read: se il requisito è solo ottenere il testo (non campi strutturati), la risposta più semplice è la text extraction, non un servizio di estrazione campi.
- Content Understanding = AI generativa multimodale, non un modello da addestrare per ogni layout: la trappola presenta il training per formato come obbligatorio; qui si definisce uno schema, non si addestra un modello per ciascun modulo.
- Non confondere Azure AI Vision con Azure AI Language: l’estrazione di entità da testo già digitale è compito di Language; partire da un’immagine o da un documento è compito di Vision, Document Intelligence o Content Understanding.