Due file che sembrano uguali e non lo sono
Quando dai un PDF a un programma perché ne tiri fuori i dati, la cosa che decide quasi tutto è come quel PDF è nato, e le strade sono due
Un PDF nato dal computer, per esempio quello che il gestionale del tuo fornitore stampa da solo quando emette la fattura, ha il testo scritto dentro, e il programma che lo apre non deve interpretare niente, prende i caratteri e li porta via esatti
Un PDF scansionato è un’altra cosa, è la fotografia di un foglio, dentro, di suo, non c’è nessun testo, ci sono puntini chiari e puntini scuri, e per capire che quel gruppo di puntini è un otto bisogna guardarli e decidere, e chi decide è il programma di lettura ottica
La differenza la verifichi in dieci secondi, apri il file e prova a selezionare una riga col mouse, se ti disegna sopra un rettangolo dentro non c’è testo da prendere, quasi sempre perché hai in mano una fotografia, se invece si evidenzia quasi sempre il testo c’è davvero, ma attenzione, anche una scansione già passata sotto un lettore ottico si lascia selezionare, perché ha uno strato di caratteri appoggiato sopra l’immagine, e quello strato è già una lettura con dentro i suoi errori, e ne parla la guida PDF nato dal computer o scansionato
Perché una fotografia si legge male
Un documento fotografato si legge male per motivi banali e molto fisici, il foglio è entrato storto nello scanner e le righe sono in salita, la copia è la fotocopia di una fotocopia e i caratteri si sono impastati, il timbro blu è finito proprio sopra l’imponibile, la piega della busta passa in mezzo al numero
Poi ci sono le somiglianze che ingannano anche una persona stanca, lo zero e la lettera O, l’uno e il sette scritto senza barra, il punto delle migliaia e la virgola dei decimali che a seconda di chi ha stampato il documento si scambiano di posto
Chi legge quel foglio non ha la tua testa, non sa che una fattura di quel fornitore lì non può essere di dodicimila euro, vede dei segni e prova a dire cosa sono
Leggere i caratteri e capire dove stanno sono due problemi diversi
Anche quando la lettura ottica azzecca ogni singolo carattere, resta il problema più difficile, sapere che quel numero è il totale e non l’imponibile, e che quella cifra sta nella colonna delle quantità e non in quella dei prezzi
Nelle tabelle senza righe di separazione, e sono tantissime, le colonne esistono solo nell’occhio di chi guarda, il programma vede numeri sparsi su una pagina e deve ricostruire da solo a chi appartengono
C’è poi la noia più fastidiosa di tutte, un fornitore che cambia il modello della fattura, sposta il totale a sinistra o gli dà un altro nome, e quello che il sistema aveva imparato su quei documenti non torna più
Dove si gioca davvero il lavoro
Chi ti promette una lettura perfetta ti sta vendendo una parola, perché la lettura perfetta di un foglio fotografato non esiste, e il lavoro serio si gioca su cosa succede subito dopo
Un documento letto passa attraverso una serie di controlli prima che un solo dato tocchi il gestionale, l’imponibile più l’imposta deve fare il totale scritto sul documento, la partita IVA deve essere valida e deve corrispondere a un fornitore che hai in anagrafica, la data deve essere sensata e non del 2031, l’importo deve stare dentro le soglie che hai deciso tu, e il numero del documento non deve essere già registrato
Un controllo di questo tipo è una rete, non capisce il documento, ma sa dire quando i conti non tornano, e quando non tornano il sistema non indovina, si ferma e mette quel caso in una coda per una persona, con davanti l’immagine e il dato che non quadra
Un esempio con numeri inventati, giusto per far vedere il meccanismo
Mettiamo che arrivi una fattura scansionata, e questi numeri li invento qui per far vedere il conto, non sono il caso di nessuno, imponibile 1.240,00, imposta 272,80, totale 1.512,80
La lettura ottica prende una macchia sul quattro e legge l’imponibile come 1.248,00, e la somma di quello che ha letto, 1.248,00 più 272,80, fa 1.520,80, mentre il totale scritto sul documento dice 1.512,80
Non coincide, e questo è tutto quello che serve, al sistema non occorre capire dov’è l’errore, gli basta sapere che c’è, si ferma e passa il documento a una persona
Senza quel controllo, quella fattura sarebbe entrata in contabilità con otto euro in più e nessuno se ne sarebbe accorto fino alla riconciliazione, se mai
Cosa puoi fare tu perché legga meglio
La cosa che risolve il problema alla radice non è tecnica, è una telefonata, chiedi ai fornitori che ti mandano PDF fotografati se possono mandarti il file nativo o l’XML, molti ce l’hanno e non lo sanno, e quel file si legge esatto
Per quello che resta da scansionare valgono le noie di sempre, il foglio dritto, l’originale invece della fotocopia della fotocopia, e il timbro messo in un punto libero invece che sopra i numeri
E quando mostri un processo a chi deve automatizzarlo, non dare i documenti belli, dai anche quelli storti, perché sono quelli che decidono se il lavoro regge
La domanda da fare a chi ti propone la lettura automatica
Non chiedere quanto legge bene, perché la risposta sarà una percentuale che non puoi verificare, chiedi cosa fa quando non è sicuro
Se la risposta è che si ferma e ti mette il caso in una coda con il motivo scritto, stai parlando con qualcuno che ha già visto una fattura storta, e se vuoi vedere come sono fatte queste reti c’è la guida su come si impedisce a un’automazione di fare danni