Timbri, tabelle e scritte a mano: che cosa legge davvero un OCR che gira in azienda?
5 min di lettura
Se avete moduli timbrati, tabelle scansionate e fogli con note a mano da far leggere a un’AI, senza mandarli fuori dall’azienda, la dimostrazione di un fornitore su un PDF pulito non vi dice quasi niente. La domanda è che cosa legge un OCR, il programma che trasforma l’immagine di una pagina in testo, quando la pagina è difficile. Le misure pubblicate rispondono in modo diverso per ogni tipo di pagina: in alcuni casi un modello a pesi aperti specializzato batte i grandi modelli, in altri no.
Stampato e tabelle: il modello specializzato è avanti
Un banco di prova pubblico, olmOCR-Bench, conta i controlli superati su 1.400 pagine difficili in inglese. Nell’ottobre 2025 l’Allen Institute for AI ha pubblicato olmOCR 2, un modello da 7 miliardi di parametri specializzato nel leggere documenti, con pesi e codice aperti. I punteggi di olmOCR 2, GPT-4o e Gemini Flash 2, questi ultimi nella configurazione con il totale più alto, dalle tabelle dei due articoli degli autori:
- Tutte le pagine: 82,4; 69,9; 63,8.
- Tabelle: 84,9; 70,0; 72,1.
- Vecchie scansioni, cioè lettere e dattiloscritti storici: 47,7; 40,7; 34,2.
Le vecchie scansioni restano difficili per tutti: nessuno, in quelle tabelle, supera 50,4. Il banco però è degli autori del modello, e quei grandi modelli sono del 2024.
Con quelli più recenti la direzione non cambia. Nel 2026 i ricercatori di Baidu hanno misurato PaddleOCR-VL-1.5, modello aperto da 0,9 miliardi di parametri, su un altro banco pubblico, OmniDocBench: 94,5 contro 90,33 di Gemini-3 Pro e 85,50 di GPT-5.2. Anche qui misurano gli autori. È la direzione di cui abbiamo già scritto: su quel compito, non in tutto, vince chi è fatto per quel compito. E nel primo articolo su olmOCR c’è il motivo che conta per voi: i grandi modelli possono essere «infeasible if the PDFs cannot be sent to proprietary APIs», impossibili da usare se i PDF non possono essere mandati a servizi proprietari.
Timbri: conta la specializzazione, non la taglia
Un timbro è testo curvo o inclinato, spesso sbiadito e sopra altro testo. Gli stessi ricercatori di Baidu hanno provato 300 immagini di timbri tondi, ovali e rettangolari, anche con testo sovrapposto e impronte deboli. Il loro modello, addestrato anche sui timbri, ha una distanza dal testo giusto di 0,138 (più basso è meglio); Qwen3-VL, un generalista da 235 miliardi di parametri, di 0,382. Circa 14 caratteri da correggere su 100, contro 38.
Il banco è degli autori, non c’è il confronto con i grandi modelli chiusi, e negli esempi dell’articolo i timbri sono soprattutto cinesi. Sui timbri italiani la misura è tutta da fare.
Scrittura a mano: il punto debole
In uno studio del 2025 ricercatori di Bologna, Harvard e Copenaghen hanno provato grandi modelli chiusi e modelli aperti piccoli, fino a 12 miliardi di parametri, senza addestrarli. Sulla scrittura moderna in inglese vanno bene: l’1,71% di caratteri sbagliati per il migliore, GPT-4o-mini, il 2,30% per un Qwen aperto da 7 miliardi. In francese moderno i migliori restano sotto il 2%, quel Qwen sale al 6,47%. Una prova sulla scrittura moderna in italiano, nello studio, non c’è.
Sulle lettere italiane del Settecento e dell’Ottocento è un’altra cosa. Il migliore, Claude 3.5 Sonnet, sbaglia il 20,55% e il 26,43% dei caratteri, GPT-4o il 33,53% e il 36,34%, quel Qwen il 28,76% e il 37,07%. In testa, qui, c’è un modello chiuso. Gli autori scrivono di risultati più deboli sulle altre lingue e sui documenti storici, «generally producing unusable results», di solito inutilizzabili. Sono modelli del 2024.
L’addestramento cambia il risultato, a certe condizioni. Sulle stesse lettere del Settecento, uno studio del 2022 ha addestrato modelli su 19.830 righe trascritte di quella stessa mano: il migliore sbaglia il 3,0% dei caratteri, e uno da 385 milioni di parametri, preaddestrato e poi rifinito su quelle righe, il 3,6%. Le pagine di prova non sono le stesse e il testo era già diviso in righe: conta l’ordine di grandezza. E vale per una mano sola e con tante righe: su un insieme moderno in inglese, scritto da molte persone e con meno righe, gli stessi modelli stanno al 6,5% e al 7,3% (3,4-4,8% negli articoli originali), peggio dei migliori modelli non addestrati dell’altro studio. Una scrittura moderna e leggibile si prova prima senza addestrare. Una mano difficile, con migliaia di righe trascritte, è il caso da provare con l’addestramento, e con un modello su una macchina vostra quei fogli non escono.
Le nostre misure
Noi misuriamo un compito preciso: leggere manuali di macchine, su copie pubbliche di altri costruttori. L’11 ottobre 2026, su dieci manuali mai visti prima e 1.174 pagine, abbiamo ritrovato il 98,4% dei codici e dei valori in 50 pagine estratte a caso; i migliori programmi usati da soli si fermano all’81,4% e al 67,8%. Sulle tavole CAD il 97,2% dei codici, sulle pagine scansionate il 96,4%. Il 20 ottobre, su 40 pagine prese da 40 manuali, il 94,5% dei codici. Perché questi numeri sono diversi l’abbiamo spiegato in come si legge l’accuratezza.
A leggere sono solo modelli a pesi aperti: modelli piccoli per il testo e le tabelle, uno più grande per figure e disegni. Queste misure non dicono niente su moduli compilati a mano o timbri sopra il testo: su quelli non vi diamo un numero.
Che cosa fare prima di scegliere
- Dividete i documenti per tipo: stampati, tabelle, scansioni, timbri, scrittura a mano.
- Per ogni tipo, 50 pagine a caso, con le risposte giuste contate a mano.
- Provate più modelli sulle stesse pagine, su una macchina vostra se i documenti non possono uscire.
- Se sulla scrittura a mano non bastano, misurate un modello addestrato su vostri esempi, su pagine che non ha visto.
- Per i valori che contano, la lettura deve portare alla pagina originale, e una persona la guarda.
Se avete documenti che nessuno è ancora riuscito a far leggere, il passo è uno: scriveteci che documenti sono, senza allegarli.
Scritto con l’aiuto dell’AI e verificato da CSIDIA.
Fonti
- Poznanski, Soldaini e Lo (Allen Institute for AI), «olmOCR 2: Unit Test Rewards for Document OCR», 2025 (arXiv)
- Poznanski e altri (Allen Institute for AI), «olmOCR: Unlocking Trillions of Tokens in PDFs with Vision Language Models», 2025 (arXiv)
- Cui e altri (Baidu), «PaddleOCR-VL-1.5: Towards a Multi-Task 0.9B VLM for Robust In-the-Wild Document Parsing», 2026 (arXiv)
- Crosilla, Klic e Colavizza, «Benchmarking Large Language Models for Handwritten Text Recognition», 2025 (arXiv)
- Cascianelli e altri, «The LAM Dataset: A Novel Benchmark for Line-Level Handwritten Text Recognition», 2022 (arXiv)