Fine dell'OCR? La ricerca visiva sui documenti e che cosa cambia per le PMI
I modelli di retrieval visivo trovano tabelle e scansioni dove il RAG basato su OCR fallisce. Che cosa significa in pratica.
Traduzione generata automaticamente con IA. La versione tedesca è l'originale verificato dalla redazione.
Quando una ricerca IA sui vostri documenti sbaglia proprio sui fascicoli importanti, di solito non è colpa del modello linguistico, ma della lettura che lo precede. È esattamente qui che entra in gioco la ricerca visiva sui documenti. Invece di forzare prima una pagina scansionata in testo tramite OCR, essa cerca nella pagina direttamente come immagine, con layout, tabelle e timbri. Per le PMI, che raramente hanno un markdown pulito ma molti PDF, scansioni e moduli, questo è il progresso più rilevante dell'anno.
01. Dove il RAG classico fallisce nelle PMI
Il RAG trasforma i vostri documenti in conoscenza ricercabile. Il punto debole è la prima fase: il riconoscimento del testo. Una fattura fornitore con tabella delle posizioni, un contratto a due colonne, una scheda tecnica scansionata con disegno quotato: l'OCR li ricompone regolarmente in modo errato. La tabella diventa un deserto di numeri, le colonne si intrecciano, il disegno scompare. Il modello riceve quindi già un testo rotto e risponde di conseguenza. Nella nostra esperienza, sui fascicoli reali, la maggior parte degli errori si trova qui, ben prima che un modello linguistico entri in gioco.
02. Come la ricerca visiva aggira il problema
I modelli di retrieval visivo saltano il riconoscimento del testo durante la ricerca. Scompongono l'immagine della pagina in molti piccoli ritagli, li incorporano ciascuno e confrontano la query di ricerca direttamente con essi. Così si conserva il fatto che un numero si trova in una cella di tabella e non nel testo continuo. Tre nomi guidano il settore: ColPali come riferimento, ColQwen come variante generalmente più forte basata su Qwen, e ModernVBERT come modello piccolo, adatto all'on-premise. L'intero kit di strumenti, compreso il database vettoriale, lo inquadriamo nella panoramica dello stack. Per la visione pratica basta questo: la pagina viene vista, non indovinata.
03. Onestà sui costi
Il vantaggio non è gratuito. Più vettori per pagina richiedono uno spazio di indicizzazione decisamente maggiore rispetto a un singolo vettore di testo. Per un archivio di puro testo continuo e pulito, il RAG testuale classico resta più economico e sufficiente. La ricerca visiva conviene dove il layout porta l'informazione, ed è esattamente questa la regola più che l'eccezione nelle PMI. E per i casi in cui alla fine serve comunque testo ricercabile, ad esempio per copiare o per una traccia di verifica, l'OCR resta utile, come complemento e non come sostituto.
04. Il primo passo è piccolo
Per questo non serve ristrutturare nulla di grande. Prendete i venti documenti su cui la vostra ricerca attuale fallisce e ponete esattamente le domande che oggi vanno storte. Se la ricerca visiva trova la riga di tabella che l'OCR ha perso, avete la vostra risposta, sui vostri fascicoli reali, non su un benchmark. Il bello è che l'intera configurazione gira in locale, i dati restano in azienda. Il motivo per cui questo conta per i documenti sensibili è spiegato in On-premise contro cloud.
