Una demo su una fattura pulita non prova nulla. Una pipeline di estrazione incontra scansioni di scansioni, celle unite e un corpus che nessuno ha contato.
Tutte le demo di estrazione documentale funzionano. Qualcuno carica una fattura pulita in un form web, un modello restituisce fornitore, data, totale e partita IVA, la sala annuisce, un budget viene approvato. Sei mesi dopo la stessa pipeline gira al 71% di lavorazione automatica sull'archivio vero, un analista apre 3 documenti su 10 a mano, e nessuno sa spiegare lo scarto perché nessuno ha misurato la cosa che lo ha prodotto.
Lo scarto non è il modello. È il corpus. Una demo gira su un documento che qualcuno ha scelto perché era leggibile. La produzione gira su quello che vent'anni di scanner, uffici protocollo, export gestionali, uffici legali e cartelle condivise hanno lasciato dietro di sé, e quel materiale è ostile per ragioni che non hanno nulla a che vedere con l'intelligenza e tutto a che vedere con il formato di file.