L’intelligenza artificiale sa scrivere poesie, generare immagini iperrealistiche e persino aiutare a diagnosticare malattie, ma c’è una cosa che ancora non riesce a fare bene: leggere un PDF. Nonostante i progressi degli ultimi anni, i modelli più avanzati continuano a inciampare su uno dei formati di file più diffusi al mondo. Secondo Edwin Chen, CEO di Surge, azienda specializzata nella etichettatura intelligente dei dati, si tratta di uno dei “fallimenti poco glamour” dell’AI, che ne limita l’utilità pratica in ambiti come la ricerca, la burocrazia e l’analisi dati.
I problemi sono molteplici. In primo luogo i modelli confondono note a piè di pagina con il testo principale, inventano contenuti inesistenti e perdendosi in tabelle e layout complessi. “Chiedere a un’AI di estrarre dati da un PDF spesso significa ottenere un riassunto impreciso, non un’informazione affidabile”, spiega Chen. La situazione è talmente nota che il ricercatore Pierre-Carl Langlais ha ironizzato: “Il giorno in cui l’AI risolverà l’analisi dei PDF, saremo vicini all’intelligenza artificiale generale”.
Secondo la piattaforma software Astera, il 68% dei dati aziendali non viene utilizzato proprio perché bloccato in PDF di difficile interpretazione automatica. Un paradosso, se si pensa che ogni anno vengono creati trilioni di documenti in questo formato, dai report finanziari alle cartelle cliniche. Le soluzioni esistenti, come i modelli di visione linguistica addestrati su centinaia di migliaia di PDF, funzionano solo con documenti molto puliti e risultano troppo costose per essere applicate su larga scala. “La vera sfida non è la tecnologia, ma la varietà dei formati: ogni PDF è un mondo a sé”, sottolinea un rapporto di Parseur, azienda specializzata in estrazione dati.
In questo contesto c’è però chi prova a correre ai ripari. Startup come Reducto e strumenti come AlgoDocs stanno sviluppando algoritmi sempre più sofisticati, combinando OCR (riconoscimento ottico dei caratteri) e AI per interpretare tabelle, grafici e testi scansionati. Tuttavia, anche le soluzioni più avanzate faticano a garantire un’accuratezza superiore al 97%, un limite inaccettabile per settori come la finanza o la sanità, dove l’errore può costare caro.
12 o 18 mesi, ovvero quanto ci separa dall'automazione dei lavori d'ufficio per Mustafa Suleyman
Non sarà la fine del lavoro umano in questi settori,…
