Il consulente del lavoro ti manda i cedolini come un unico PDF di 100 pagine. Ogni dipendente ha 1-2 pagine. Ti serve estrarre nome, IBAN e importo netto di tutti per fare i bonifici. A mano richiede 4 ore. Con l'AI moderna si fa in 60 secondi. Vediamo come funziona tecnicamente la pipeline OCR + LLM e perché oggi è una soluzione affidabile, non più fantascienza.
Il problema dell'estrazione dati da cedolini
Un cedolino italiano (o "busta paga") è un documento strutturato ma con layout libero: ogni consulente del lavoro usa il suo software paghe (Zucchetti, Team System, Inaz, Adp, ecc.) e produce cedolini con grafica diversa. Le informazioni ci sono sempre, ma:
- In posizioni diverse nella pagina.
- Con etichette diverse ("Netto a pagare", "Netto da pagare", "Importo netto", "Da liquidare").
- In formato diverso ("1.847,32" vs "1847.32" vs "1.847,32 €").
- Con note in coda a volte presenti, a volte no.
Questa variabilità è ciò che rende difficile usare strumenti di parsing tradizionali (regex, template). Servono soluzioni AI moderne.
La pipeline tradizionale (template-based)
Un primo approccio storico era:
- Configurare un template per ogni consulente del lavoro.
- Specificare manualmente le coordinate dei campi sul PDF.
- Estrazione tramite regex o lookup posizionale.
Problemi:
- Servono mesi di lavoro per configurare ogni template.
- Se il consulente cambia formato (anche solo un layout aggiornato), il template salta.
- Non scala su molti formati diversi.
- Non gestisce note testuali.
La pipeline moderna (AI-based)
Con i Large Language Models moderni (Claude, GPT-4o, Gemini), l'approccio è completamente diverso:
Step 1 — OCR del PDF
Se il PDF è scansionato (immagine), un motore OCR (Optical Character Recognition) lo trasforma in testo machine-readable. Tecnologie tipiche:
- Tesseract: open-source, gratuito, accuracy ~85-95% su documenti puliti.
- Google Cloud Vision API: pagato, accuracy >98%.
- AWS Textract: pagato, ottimizzato per documenti tabellari.
- Azure Document Intelligence: pagato, ottimo per multi-pagina.
Se il PDF è già "digitale" (testo native, non scansionato), si può estrarre direttamente con librerie come pdf-parse (Node) o pypdf (Python).
Step 2 — Splitting per dipendente
Il PDF tipico ha tutti i cedolini in un unico file. Bisogna identificare l'inizio e la fine di ogni cedolino. Heuristiche comuni:
- Cambio di nome/codice fiscale tra pagine.
- Header ricorrenti.
- Numeri progressivi.
L'AI può fare questo splitting in modo robusto.
Step 3 — Estrazione strutturata con LLM
Per ogni cedolino, si chiede al LLM di estrarre i dati in formato JSON. Esempio di prompt (semplificato):
Sei un assistente esperto in cedolini paga italiani. Estrai dal seguente cedolino questi dati in JSON: - nome_completo - codice_fiscale (16 caratteri) - iban (codice IT 27 caratteri) - netto_pagare (in euro, formato decimal) - mese_riferimento (es. "2026-04") Rispondi solo con JSON valido. Testo cedolino: [contenuto OCR]
Il LLM risponde con qualcosa come:
{
"nome_completo": "Mario Rossi",
"codice_fiscale": "RSSMRA85B12H501Z",
"iban": "IT60X0542811101000000123456",
"netto_pagare": 1847.32,
"mese_riferimento": "2026-04"
}
Step 4 — Validazione dei dati
L'output dell'LLM va sempre validato:
- Codice fiscale: 16 caratteri alfanumerici, algoritmo di check del carattere finale.
- IBAN: check-digit ISO 13616 (algoritmo MOD 97).
- Importo: positivo, ragionevole (es. tra 100 € e 50.000 €).
- Mese: formato YYYY-MM valido.
Se uno dei controlli fallisce, alert all'utente per verifica manuale.
Step 5 — Cross-check con anagrafica
Il dato estratto viene confrontato con l'anagrafica dipendenti:
- Codice fiscale corrisponde?
- IBAN è quello noto del dipendente?
- Cambio IBAN richiede conferma esplicita.
Accuracy reale
Con LLM moderni (Claude Sonnet 4.6, GPT-4o), l'accuracy su cedolini italiani:
| Campo | Accuracy |
|---|---|
| Nome dipendente | 99,8% |
| Codice fiscale | 99,9% |
| IBAN | 99,7% |
| Importo netto | 99,5% |
| Mese di riferimento | 99,9% |
Tradotto in pratica: su 100 cedolini, l'AI sbaglia tipicamente 1-2 dati. Ecco perché è essenziale:
- Validazione algoritmica.
- Anteprima editabile prima della generazione del flusso.
- Cross-check con anagrafica.
Edge case da gestire
Cedolino multi-pagina (più pagine per dipendente)
Alcuni cedolini sono lunghi 2-3 pagine. Splitting deve identificare correttamente l'inizio del successivo.
Cedolino con acconto
"Netto pagare" può essere doppio: importo già anticipato + importo residuo. Capire quale usare richiede contesto.
Cedolino con conguaglio
Chi ha cambi a metà mese, o conguagli annuali, ha cedolini con voci aggiuntive. L'AI gestisce ma serve sanity check umano.
Cedolino con TFR liquidazione
L'ultimo cedolino di un dipendente che lascia l'azienda ha importi maggiori del solito. Alert su importi anomali aiuta.
Cedolini in lingue diverse
Per aziende internazionali, cedolini in inglese, tedesco, francese. LLM moderni gestiscono multi-lingua nativamente.
Cedolini scansionati di bassa qualità
Foto sgranate o PDF di vecchia stampante richiedono OCR avanzato e a volte interventi manuali.
Privacy e protezione dati
I cedolini contengono dati personali altamente sensibili:
- Reddito.
- Codice fiscale.
- IBAN.
- Eventuali condizioni mediche (giorni malattia).
Considerazioni privacy nell'uso di AI per estrazione:
Dove gira l'AI
- API esterna (OpenAI, Anthropic, Google): i dati passano per il provider. Verificare DPA, termini di non-training, location dei server.
- AI on-premise / dedicated: per aziende sensibili, modelli locali (es. Llama 3, Mistral) o API enterprise dedicated.
- Dati anonimizzati prima dell'invio: in alcuni casi, IBAN e CF possono essere mascherati prima dell'API call e ricostruiti in post.
Conservazione dei cedolini
Il cedolino caricato viene conservato cifrato. Eliminato dopo il periodo di retention (tipicamente 12 mesi).
Audit log
Ogni estrazione AI è loggata: chi, quando, quale cedolino, quale modello AI usato.
Costi operativi dell'AI
Costo dell'estrazione AI per cedolino:
- OCR: 0,001-0,005 € per pagina (cloud OCR).
- LLM: 0,01-0,05 € per cedolino (con prompt strutturato).
- Totale: ~0,02-0,10 € per cedolino.
Per 80 dipendenti × 12 mesi = 960 cedolini/anno × 0,05 € = ~50 €/anno. Trascurabile rispetto al risparmio HR (50-70 ore/anno = ~1.500-2.000 €).
Cosa NON sostituisce l'AI
- Verifica umana: anteprima sempre editabile.
- Decisione finale: l'utente conferma il flusso, l'AI è solo un assistente.
- Gestione casi anomali: cambi IBAN, dipendenti nuovi, conguagli speciali.
- Compliance fiscale: il consulente del lavoro resta responsabile dei cedolini emessi.
I moduli HRPRO con AI
- Pagamento Stipendi Massivo con AI per estrazione e CBI/SEPA.
- Distribuzione Cedolini integrata.
- Dashboard Dipendente con accesso self-service.
Scopri HRPRO e fai estrarre i dati di 80 cedolini in 60 secondi.
