Non tutta l’informazione aziendale è scritta. Una parte è parlata, una parte è disegnata, una parte è fotografata in reparto.
I progetti di intelligenza artificiale in azienda si concentrano quasi sempre sui documenti, per una ragione pratica: sono già digitali e già archiviati. Ma alcune delle informazioni più operative circolano in altre forme e non vengono conservate in modo utilizzabile.
Tre ambiti meritano attenzione, con requisiti e limiti diversi tra loro.
Trascrizione e analisi delle chiamate di assistenza
Un servizio di assistenza produce ogni giorno decine o centinaia di conversazioni. Ciò che resta è la scheda del ticket, compilata in fretta a fine chiamata, con una sintesi che varia da operatore a operatore.
L’informazione dettagliata, cioè come il cliente ha descritto il problema e quali verifiche sono state fatte, va perduta.
Che cosa è praticabile oggi. La trascrizione automatica in italiano ha raggiunto un livello che la rende utilizzabile in condizioni ordinarie. Sulla trascrizione si costruiscono la precompilazione della scheda ticket, l’estrazione dei riferimenti citati, la classificazione della tipologia di problema e l’analisi aggregata dei motivi ricorrenti su base mensile.
L’ultimo punto è quello con il valore maggiore e il meno considerato. Sapere quali problemi generano più contatti, distinti per prodotto e per periodo, è un’informazione che oggi in molte aziende non esiste in forma strutturata, e che riguarda la qualità del prodotto prima che l’efficienza del servizio.
I requisiti. Qualità audio sufficiente, che su linee telefoniche e in ambienti rumorosi non è scontata. Gestione degli interlocutori sovrapposti. E soprattutto il rispetto degli obblighi in materia di protezione dei dati e di controllo a distanza dei lavoratori: informativa, base giuridica, coinvolgimento delle rappresentanze dove previsto. Sono adempimenti da affrontare prima del progetto, non durante.
Lettura di disegni tecnici, etichette e documenti scansionati male
È l’ambito con il ritorno più diretto, perché interviene su attività quotidiane e misurabili.
Disegni tecnici. L’estrazione di quote dimensionali, tolleranze e indicazioni di finitura da tavole in formati non uniformi è oggi praticabile con modelli che interpretano insieme il disegno e il testo. In un progetto in ambito manifatturiero abbiamo misurato un’accuratezza dell’86 per cento nell’estrazione automatica delle quote da tavole CAD reali del cliente, con i casi a bassa confidenza segnalati per revisione dell’ufficio tecnico.
Il dato indica anche il modo corretto di impostare questi sistemi: la revisione umana sui casi incerti è parte dell’architettura, non un ripiego.
Etichette e targhette. Lettura di matricole, codici e dati di targa da fotografie scattate in campo. Utile in assistenza, dove il tecnico fotografa la targhetta invece di trascriverla, con eliminazione degli errori di trascrizione sui codici alfanumerici.
Scansioni di bassa qualità. I modelli attuali gestiscono documenti storici, moduli compilati a mano e fotografie di pagine meglio dei sistemi di riconoscimento ottico tradizionali, perché usano il contesto per interpretare i caratteri incerti. Con una conseguenza da governare: usando il contesto, possono produrre una lettura plausibile e sbagliata. Su documenti critici serve verifica, e i valori numerici vanno trattati con soglie più severe del testo.
Controllo visivo in produzione
È l’ambito più maturo dei tre e il più distante dagli altri, perché non riguarda la generative AI ma la visione artificiale, con una storia industriale consolidata.
Ispezione di superfici, verifica di presenza e posizione di componenti, controllo di conformità dimensionale, lettura di codici in linea.
I requisiti sono stringenti e non negoziabili. Illuminazione controllata e costante. Posizionamento ripetibile del pezzo. Un insieme di immagini di esempi conformi e non conformi, che nei difetti rari è il vincolo principale: se un difetto si presenta poche volte l’anno, raccogliere esempi sufficienti richiede tempo.
La valutazione va impostata correttamente. In un controllo qualità i due errori non sono equivalenti. Scartare un pezzo buono costa il pezzo; approvare un pezzo difettoso può costare molto di più. La taratura va fatta su questo criterio e concordata con la funzione qualità, non ottimizzata su un’accuratezza complessiva.
E resta il tema della validazione. Dove il controllo ha rilevanza per la sicurezza del prodotto o per la conformità, il sistema affianca il controllo esistente e non lo sostituisce senza una validazione formale.
I limiti attuali e la qualità del dato in ingresso
Un elemento accomuna i tre ambiti: la qualità del dato in ingresso pesa più che nel trattamento del testo.
Un documento testuale mal formattato resta leggibile. Un audio disturbato, una fotografia sfocata o un’illuminazione variabile degradano il risultato in modo diretto e non recuperabile a valle.
Ne consegue che una parte rilevante di questi progetti riguarda le condizioni di acquisizione: definire requisiti minimi, dotare gli operatori degli strumenti adeguati, standardizzare le procedure di ripresa. È lavoro poco appariscente e determina l’esito.
Tre limiti ulteriori vanno dichiarati.
La trascrizione degrada sensibilmente con accenti marcati, terminologia molto specialistica e sovrapposizione di voci.
L’interpretazione di disegni tecnici funziona sulle convenzioni più diffuse; simbologie particolari o standard aziendali interni richiedono configurazione dedicata.
Il controllo visivo su difetti rari resta un problema aperto, per indisponibilità di esempi.
In chiusura
L’informazione non testuale è spesso quella più vicina all’operatività, e per questo la meno strutturata. Renderla utilizzabile produce benefici misurabili, a condizione di affrontare per prime le condizioni di acquisizione.
Il criterio di scelta è lo stesso degli altri ambiti: un perimetro ristretto, requisiti di qualità definiti, una misura dello stato di partenza e una soglia di confidenza sotto la quale il sistema segnala invece di decidere.
Se avete un flusso di informazioni non testuali che oggi si perde o si tratta a mano, siamo disponibili a un confronto su quel caso.
