Estrattore Dati PDF AI
Trasforma documenti, scansioni e PDF aziendali in dati strutturati e pronti all'uso, mantenendo il controllo totale delle tue informazioni all'interno della tua infrastruttura.
Nel contesto aziendale moderno, la gestione manuale di fatture, contratti e documenti cartacei rallenta i flussi operativi e amplifica il rischio di refusi. bcdigital.it presenta Estrattore Dati PDF AI: la webapp architettata per automatizzare l'estrazione semantica con motore ibrido di lettura avanzata RapidOCR a 200 DPI e orchestrazione nativa con Ollama LLM locale.
Perché scegliere l'elaborazione con LLM Locale?
I modelli di intelligenza artificiale on-premise garantiscono il più alto standard di sicurezza aziendale, eliminando ogni latenza legata a terze parti o costi ricorrenti a consumo.
Massima Sicurezza e Privacy dei Dati
I tuoi documenti e le informazioni riservate non lasciano mai i tuoi server. Elaborazione locale protetta, zero rischi GDPR, nessuna trasmissione verso API esterne proprietarie o cloud multi-tenant.
Zero Costi di Licenza per Chiamata
Dimentica abbonamenti SaaS a consumo o fatture variabili a volume token. Processa migliaia di documenti complessi ogni giorno sul tuo hardware senza costi aggiuntivi di licenza o API fees.
Indipendenza e Continuità Operativa
Funzionamento interamente isolato (air-gapped) o in LAN locale, privo di dipendenze da provider esterni o disconnessioni Internet. I tuoi flussi amministrativi restano sempre attivi e veloci.
Caratteristiche Esclusive della Soluzione bcdigital.it
1. Modularità e Flessibilità
Interrogazione asincrona automatica dell'endpoint locale /api/tags di Ollama. Scegli all'istante il modello ottimale in base al carico computazionale disponibile:
Definizione libera dei campi estrattivi (fornitore, partita_iva, data_fattura, totale_importo) e prompt di sistema completamente modificabile con ripristino default in un clic.
2. Doppia Tecnologia Motore
Per documenti generati direttamente da gestionali o ERP (SAP, TeamSystem, Zucchetti): estrazione ultra-rapida tramite libreria C nativa PyMuPDF (fitz), con elaborazione in frazioni di secondo.
Per documenti cartacei digitalizzati, ricevute o scansioni: rendering a 200 DPI ad alta definizione su memoria virtuale e riconoscimento ottico tramite RapidOCR con supporto bilingue (it/en).
3. Validazione e Output Pronti
Controllo formale automatico di Codici Fiscali (con correzione dell'omocodia) e Partite IVA (lunghezza 11 cifre / checksum), incrociando i riscontri con il testo sorgente.
Generazione contestuale su file-system di:
<file>_ocr.json (testo grezzo) e
<file>_estratto.json (dati strutturati finali).
Visualizzazione immediata con report HTML pronti per la stampa aziendale o esportabili verso ERP e database relazionali.
Vetrina WebApp & Flusso Operativo
Caricamento
Selezione o drag-and-drop di PDF, fatture elettroniche o cartacee digitalizzate.
OCR & Parsing
PyMuPDF per testo nativo o RapidOCR a 200 DPI per immagini e pagine scansionate.
Estrazione LLM
Ollama su localhost:11434 interpreta il testo ed estrae lo schema JSON richiesto.
Validazione & Output
Verifica euristica (CF / P.IVA), output doppio JSON su disco e anteprima tabella HTML.
Specifiche Tecniche & Moduli Python
Implementazione single-file multithread basata sul package standard http.server.ThreadingHTTPServer, priva di framework pesanti per garantire la massima portabilità e facilità di deployment in ambienti Enterprise isolati.
validate_fields(data, raw_text)
Algoritmo euristico per l'allineamento automatico dei dati estratti con il testo grezzo del documento. Include la logica helper _cf_code() per l'interpretazione dei caratteri di omocodia tipici dei Codici Fiscali e la normalizzazione automatica delle Partite IVA a 11 caratteri numerici con controllo prefisso IT.
extract_pdf_text_native & OCR
Commutazione intelligente tra lettura diretta del flusso di testo vettoriale con fitz.open().get_text() e rendering a 200 DPI per la pipeline RapidOCR in caso di scansioni e pagine rasterizzate.
process_extraction()
Costruzione del payload JSON con iniezione del json_schema nel prompt per vincolare l'output dell'LLM a un formato rigoroso. Gestisce il parse sicuro anche in presenza di blocchi markdown delimitati da triple backtick.
Test su CCF_000094.pdf
Validazione condotta su fattura passiva con scansione inclinata: estrazione con successo al 100% di fornitore, partita IVA, numero documento, data di emissione, imponibile e totale documento con tempo medio di elaborazione < 2.4s.
Smetti di copiare e incollare dati dai tuoi PDF aziendali.
Proteggi il know-how strategico della tua azienda, elimina gli errori di digitazione manuale e velocizza la registrazione contabile con l'ecosistema on-premise di bcdigital.it.