Evidenze dei test di doc2data

Risultati per set (sintetici)

Come leggere le colonne

• Campi corretti: campi estratti che corrispondono ai valori noti creati dal generatore: 8 campi per documento (fornitore, partita IVA, numero fattura, data, valuta, imponibile, IVA, totale) più ogni riga. Ad esempio, principale = 8 × 16 + 61 righe = 189.
• Segnalata correttamente: ogni set contiene una fattura con un errore di calcolo voluto, ed è finita ogni volta nell'elenco da controllare.
• Falsi allarmi: documenti altrimenti validi messi anch'essi nell'elenco da controllare, soprattutto perché un totale non era leggibile.
• Errori silenziosi: documenti che hanno superato tutti i controlli ma contenevano un campo sbagliato. L'unico caso è un nome di fornitore letto "S.n.C." invece di "S.n.c.".

Campo per campo sui set degradati (sintetici)

Come sono stati costruiti i set

• Uno script generatore crea fatture e scontrini con valori corretti noti. Ogni set usa un seed casuale diverso (7, 99, 123, 2024 e 5150).
• Set puliti (16 documenti ciascuno): 12 fatture in italiano, inglese, tedesco e francese con 4 valute (EUR, GBP, CHF, USD), 2 scontrini e 2 scansioni pulite (copie in immagine di 2 delle fatture). Vengono da 2 formati di fattura più un formato di scontrino.
• Set degradati (12 documenti ciascuno): ogni fattura è resa come scansione a 110 dpi, inclinata di 1,5°, sfocata e salvata come JPEG a qualità 30.
• In ogni set una fattura contiene un errore di calcolo voluto che deve essere segnalato.

Limiti di queste evidenze

• Nessun formato mai visto. Tutti i set condividono le stesse famiglie di formati generati. I set di verifica cambiano i valori, non i formati.
• Campioni piccoli. Con 16 o 12 documenti per set, zero errori sui set puliti non giustifica alcuna soglia di precisione per fatture reali. Per i due risultati degradati (92,9% e 91,4%): questi piccoli set sintetici non stabiliscono una differenza affidabile nelle prestazioni generali; non è stata eseguita un'analisi che tenga conto del raggruppamento dei campi per documento. I campi di uno stesso documento non sono indipendenti.
• La cronologia del set di verifica viene dal registro dello sviluppatore. Nessun documento datato dimostra che sia stato congelato in anticipo. Il terzo set faceva parte dei test automatici (soglia 95%) per tutto lo sviluppo.
• Differenze di piattaforma. Su Windows lo sviluppatore ha misurato 95,7% e 94,2% sui due set degradati. Come riferimento valgono i numeri di Docker (Linux) qui sopra. È un'osservazione su un solo ambiente, non un confronto tra piattaforme.
• Non provati: documenti reali di fornitori, foto dal telefono, scrittura a mano, tabelle su più pagine, più aliquote IVA nella stessa fattura, note di credito e il passaggio di IA facoltativo con un modello reale.
• La precisione nel mondo reale non è stata misurata e può essere diversa, anche più bassa.

Verificalo sui tuoi documenti

L'unica precisione che conta per te è quella sui tuoi documenti. Inviaci 3 esempi per una verifica di fattibilità gratuita: un primo sguardo, non una stima affidabile. Invia 3 documenti di esempio Torna a doc2data

Come funziona il passaggio di IA facoltativo (codice verificato il 3 ottobre 2026)

• Spento di default.
• Opzione cloud (solo nello strumento a riga di comando): chiede i campi mancati dalle regole, e la richiesta include fino ai primi 6.000 caratteri del testo estratto. Quel testo va al fornitore compatibile con OpenAI scelto da te, con la tua chiave API.
• Opzione locale (Ollama): Il passaggio facoltativo con Ollama gira sullo stesso computer (localhost); nulla lascia il computer.
• L'app demo offre solo l'opzione locale.
• Entrambe le opzioni sono realizzate e coperte da test unitari con un backend simulato; nessuna è ancora stata provata con un modello reale.

Fonte: trascrizione dei report privati dello sviluppatore di Snello (accuracy.json per ogni set) e verifica del codice, non un benchmark pubblico riproducibile in modo indipendente. Report generati il 2 ottobre 2026 al commit e4bfc58; ricontrollati da company-engineer lo stesso giorno ricostruendo l'immagine Docker al commit 708168d (risultati identici); descrizione delle valute corretta nel commit 2eddaff. Il risultato di 174 su 178 prima del cambio e la cronologia del set di verifica sono riportati dallo sviluppatore. Numeri trascritti per questa pagina il 3 ottobre 2026.