Il 23 giugno Mistral, la societa’ francese di intelligenza artificiale, ha rilasciato OCR 4, un modello pensato per un compito molto concreto: prendere un documento — un PDF, una fattura, un contratto, una tabella scansionata — e restituirlo come dati strutturati, gia’ pronti per essere riusati. Non e’ una notizia da addetti ai lavori: tocca uno dei lavori manuali piu’ diffusi in qualsiasi PMI, ricopiare a mano numeri e voci da fogli di carta o PDF dentro un gestionale o un foglio di calcolo.
Cosa fa, in pratica
Un OCR tradizionale “legge” il testo di un’immagine. OCR 4 fa un passo in piu’: oltre al testo restituisce la posizione di ogni blocco sulla pagina (i cosiddetti bounding box), ne riconosce il tipo — titolo, tabella, equazione, firma — e assegna un punteggio di confidenza parola per parola e pagina per pagina. Supporta 170 lingue. La differenza per chi lavora e’ tutta in quei punteggi: si possono mandare in revisione umana solo le parti “incerte” e approvare in automatico quelle sicure, invece di ricontrollare ogni documento riga per riga.
Il valore non e' 'leggere' il testo, ma consegnarlo gia' ordinato: questa cella e' un importo, questa riga e' una voce di tabella, questa e' una firma. Cosi' il dato finisce nel gestionale senza il passaggio manuale che oggi assorbe ore di amministrazione.
Quanto costa davvero
Qui sta la parte interessante per una piccola attivita’. Il listino via API e’ di 4 dollari ogni 1.000 pagine, che scendono a 2 dollari usando la modalita’ Batch (elaborazione differita), mentre il livello “Document AI” che restituisce direttamente un JSON strutturato costa 5 dollari ogni 1.000 pagine. Tradotto: una PMI che processa, poniamo, 500 documenti al mese da un paio di pagine l’uno spende pochi euro al mese di sola elaborazione. Un cliente citato da Mistral, la societa’ Rogo, dichiara di aver raggiunto accuratezza equivalente ad altri strumenti a circa 8 volte meno costo e 17 volte meno latenza su un dataset finanziario fitto di tabelle — numeri del fornitore, da verificare sui propri documenti, ma che danno l’ordine di grandezza.
Sul fronte qualita’, Mistral riporta un win rate medio del 72% nei confronti in cieco contro altri sistemi di document AI e i punteggi piu’ alti su benchmark pubblici come OlmOCRBench (85,20) e OmniDocBench (93,07). Anche qui vale la regola di sempre: i benchmark sono comunicati dal vendor, il test che conta e’ quello sui vostri moduli, fatture e contratti reali.
La versione “in casa”: perche’ a una PMI puo’ interessare
L’elemento che differenzia di piu’ OCR 4 e’ la possibilita’ di eseguirlo interamente self-hosted, cioe’ sui propri server, impacchettato in un singolo container. Per molte attivita’ questo e’ un dettaglio tecnico; per chi tratta documenti sensibili — uno studio professionale, un’attivita’ sanitaria, chi gestisce dati di clienti — e’ il punto decisivo: i documenti non escono dall’azienda e non vengono inviati a un cloud di terzi. E’ un argomento di sostanza rispetto agli obblighi sul trattamento dei dati personali. Il prezzo del self-hosting non e’ pubblico (si passa dal contatto commerciale), ma l’opzione esiste, ed e’ rara a questo livello di costo.
A questo prezzo l'estrazione automatica dei dati smette di essere un investimento da grande azienda e diventa una voce di pochi euro al mese anche per una micro-impresa. Il livello Document AI con output JSON strutturato costa 5 dollari ogni 1.000 pagine.
Fonte: Mistral, VentureBeat, Cryptobriefing — 23-24 giugno 2026
La mossa concreta per lunedi’
Non serve riorganizzare nulla. Serve un test piccolo e onesto: prendete una ventina di documenti reali tra i piu’ noiosi da inserire a mano — fatture passive, DDT, estratti conto, moduli — e provate a darli in pasto allo strumento (o fateli provare al vostro consulente IT o sviluppatore). Misurate due cose: quante voci escono corrette al primo colpo e quanto tempo risparmiereste su un mese tipo. Se il risparmio c’e’, il costo per pagina e’ cosi’ basso che il conto torna in fretta; se i vostri documenti sono troppo “sporchi” o particolari, lo scoprite con venti pagine invece che dopo un progetto.