La digitalizzazione e l'accessibilità di un archivio cartaceo sono in parte un compito per l'AI. L'AI è brava nel riconoscere il testo su una scansione e nel proporre metadati, ma il lavoro fisico di prendere i fascicoli dall'armadio, ordinarli, togliere le graffette e farli passare nello scanner resta lavoro umano. Segue poi il controllo sugli errori di riconoscimento, e questo è esattamente l'ambito del controllo umano: l'AI fa una proposta, una persona approva o respinge, con motivazione.
L'asse fisico ottiene qui un punteggio basso (1 su 5), e questo è il motivo principale per cui questo compito non rientra nella categoria 1. La carta deve prima passare nello scanner. Non è un lavoro intellettuale ma manuale: sollevare fascicoli, ordinarli in sequenza, mettere da parte le pagine danneggiate, controllare i documenti stampati su entrambi i lati. Un responsabile d'archivio che elabora mille cartelle dedica gran parte del tempo a questa fase fisica preliminare, non alla parte digitale successiva. Nessun modello di AI, per quanto bravo nel riconoscimento del testo, solleva un raccoglitore da uno scaffale.
In un'azienda dove l'archivio arriva già in gran parte in formato digitale — si pensi alle fatture già ricevute in PDF invece che su carta — questo ostacolo fisico viene completamente eliminato. Ciò rimanda a una questione simile a l'AI può gestire lo scambio di fatture digitali tramite la fatturazione elettronica, dove il documento parte già in forma digitale e l'automazione può quindi andare molto più in là. La presenza di carta fisica non è quindi una caratteristica fissa della 'digitalizzazione dell'archivio' in generale, ma della situazione specifica in cui la carta deve ancora essere scansionata.
Il volume ottiene un punteggio alto (4 su 5): in un archivio si tratta spesso di centinaia o migliaia di documenti con una struttura simile. È esattamente il tipo di ripetizione in cui l'automazione si distingue. Una volta scansionato un documento, il software di riconoscimento ottico dei caratteri (OCR) può leggerne il contenuto, riconoscere parole chiave e fare una prima proposta di metadati come data, numero di fascicolo o tipo di documento. Con un volume basso — ad esempio un trasferimento unico di venti fascicoli personali in un piccolo ufficio — questo vantaggio è quasi inesistente, e scansionare a mano e inserire manualmente i dati è spesso altrettanto rapido quanto impostare e testare un sistema.
La strutturazione ottiene un punteggio medio (3 su 5). Alcuni archivi sono piuttosto prevedibili: moduli standard, contratti con formattazione fissa, fatture con campi fissi. Altri archivi sono un insieme confuso di annotazioni scritte a mano, correzioni cancellate, copie poco chiare e documenti in lingue o caratteri diversi. Più disordinato è l'archivio, più spesso il riconoscimento OCR fallisce e più una persona deve controllare. Un responsabile d'archivio che elabora principalmente moduli standardizzati vedrà risultati diversi rispetto a chi deve rendere accessibile corrispondenza scritta a mano di decenni fa.
I costi degli errori e la conformità ottengono entrambi un punteggio medio (3 su 5). Una parola riconosciuta male in un testo ricercabile di solito non è un disastro — la funzione di ricerca semplicemente non trova subito il documento. Ma negli archivi soggetti a obbligo legale di conservazione, cartelle mediche o documenti legali, un errore nei metadati (data errata, numero di fascicolo errato) può portare a un fascicolo che non viene ritrovato in tempo o che viene distrutto erroneamente. Se l'archivio è soggetto a un obbligo di conservazione o a un altro regime legale, si applicano requisiti legali propri; non è una questione che si risolve con una scelta di automazione.
La combinazione di questi assi significa che il ruolo di responsabile d'archivio o office manager non scompare, ma si trasforma. Il lavoro fisico di scansione e il controllo finale restano; la digitazione manuale di ogni campo scompare in gran parte. Le condizioni menzionate non sono facoltative: l'apparecchiatura di scansione e la qualità del riconoscimento OCR devono essere adeguate, e deve esserci un controllo a campione sugli errori di riconoscimento prima che i documenti vengano contrassegnati come definitivamente ricercabili. Senza questo controllo, piccoli errori di riconoscimento si accumulano fino a creare un archivio non attendibile per le ricerche.
Questo schema — un compito fisico o molto variabile che può essere in parte affidato all'automazione e in parte no — si osserva anche in settori completamente diversi, come in cosa può fare l'AI nel settore dei trasporti, dove le azioni fisiche determinano allo stesso modo il limite di ciò che un sistema può assumere. È un utile confronto per ricordare che l'asse fisico spesso pesa più della sofisticatezza del software di riconoscimento.
Vuole sapere come si presenta questo per il suo archivio o le sue mansioni specifiche? Il quickscan gratuito di ftetoai consiste in dodici domande, non richiede un account e fornisce un'indicazione di quale parte delle ore nel suo profilo può oggi essere affidata all'AI. Una scansione completa del lavoro con analisi dettagliata per compito è ancora in fase di sviluppo; non la offriamo quindi ancora qui, ma il quickscan fornisce già ora un primo quadro onesto.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.