Chiamata · 30 min
AutomazioniMattia Esposito13 novembre 202613 minuti di lettura

Estrarre dati da PDF e fatture con l’AI. Quale strada per quale documento, e cosa controllare prima che il dato entri nel gestionale.

Leggere un PDF oggi lo sa fare qualunque assistente: il rischio sta nel totale sbagliato che entra nel gestionale senza che nessuno lo veda. Qui c’è la strada per ogni documento e il foglio di verifica in Excel.

In breve

Per estrarre dati da un PDF con l’AI si carica il documento in un modello che legge testo e immagini, si chiede una lista fissa di campi e si controllano i valori prima di usarli. Per poche pagine basta ChatGPT o Claude; per centinaia al mese servono un flusso automatico e una soglia.

Le fatture elettroniche italiane non vanno estratte dal PDF. L’Agenzia delle Entrate scrive che la fattura elettronica è un file XML passato dal Sistema di Interscambio: i campi hanno già un nome, e il PDF è solo una copia da leggere.

Lo schema JSON garantisce la forma, non i valori. OpenAI lo scrive nella sua documentazione: le regole che lo schema non esprime, come imponibile più IVA uguale al totale, restano da verificare.

La scheda dei campi e il foglio di verifica si scaricano qui sotto, in Excel, senza lasciare la mail.

Chi lo scrive: Mattia Esposito, consulente AI e marketing, fondatore di Itria AI. Pugliese, a Torino dal 2023, lavora da remoto in Italia e all’estero. Profilo LinkedIn.

La scheda dei campi e il foglio di verifica, da scaricare

Un file Excel con quattro fogli: la scheda dei campi di una fattura con il nome che hanno nell’XML, il foglio di verifica che calcola da solo cosa entra e cosa va a una persona, le strade per ogni tipo di documento, e un esempio compilato. Il PDF mostra l’esempio, da stampare o da far vedere a chi tiene l’amministrazione.

La scheda dei campi di una fattura con i nomi del tracciato FatturaPA e il foglio di verifica compilato su un’azienda inventata
FileCosa contieneLink
Excelda compilare

La scheda dei campi, il foglio di verifica con i controlli già scritti, le strade per documento, l’esempio.

estrarre-dati-da-pdf-con-ai-foglio.xlsx

PDFda leggere

La scheda dei campi e il foglio di verifica compilato su un’azienda inventata.

estrarre-dati-da-pdf-con-ai-esempio.pdf

Controllo del foglioCosa guardaSe fallisce
Totali

Imponibile più IVA uguale al totale, a meno di un centesimo.

A una persona

Partita IVA

Undici cifre per un fornitore italiano.

A una persona

Data

Non nel futuro e non più vecchia del limite che scegli.

A una persona

Confidenza

Il punteggio dello strumento, se lo dà, sopra la soglia che fissi tu.

A una persona

Documento illeggibile

Segnato come tale, con i campi vuoti.

A una persona

Il 4 settembre 2026 ho provato il pezzo di Itria che legge i documenti su un lotto di 30 file: ordini, bolle e fatture. Nel lotto c’era anche un PDF illeggibile, messo apposta, senza un livello di testo dentro.

Il tipo di documento è stato riconosciuto in 30 casi su 30 e i campi estratti giusti sono stati 234 su 237, il 98,7%. Il PDF illeggibile è stato classificato come «altro» e lasciato da parte, senza un solo campo inventato. È una prova fatta su un sistema di test, non presso un cliente, e si rifà davanti a chi la chiede.

Delle due cifre, quella che conta di più per un’azienda è la seconda. Un campo sbagliato lo trova un controllo; un totale inventato con sicurezza su una pagina che non si poteva leggere finisce nel gestionale e da lì in un pagamento. Nella voce sulle allucinazioni dell’AI quella prova sta accanto alle misure pubblicate da OpenAI e da Stanford.

Come estrarre dati da un PDF: prima capisci che documento hai in mano

La strada dipende da dove sta il dato: in un file XML, nel testo del PDF o soltanto nell’immagine della pagina. Con l’XML non serve nessuna intelligenza artificiale; con il testo serve un modello che capisca quale numero è il totale; con l’immagine serve prima l’OCR, che trasforma la pagina in testo.

La differenza fra PDF nativo e PDF scansionato, con la prova per riconoscerli selezionando una parola, sta nella voce del glossario sull’OCR. Qui conta il passo dopo: un programma che copia il testo di un PDF restituisce le parole, ma non sa quale cifra è l’imponibile e quale la quantità. Quel lavoro, dare un nome a ogni valore, è l’estrazione, ed è lì che entra un modello linguistico.

DocumentoDove sta il datoLa strada
Fattura elettronica di un fornitore italiano

Nel file XML passato dal Sistema di Interscambio.

Scarichi l’XML e lo leggi così com’è.

Fattura di un fornitore estero

Di solito in un PDF: per le operazioni con l’estero l’elettronica è facoltativa.

Estrazione con uno schema dei campi.

Scansione o foto

Solo nell’immagine della pagina.

OCR, poi estrazione.

DDT e ordini dei clienti

Nel PDF o nell’allegato della mail.

Estrazione con la tua lista di campi.

Uno o due documenti, una volta

Dove capita.

ChatGPT o Claude, a mano.

Centinaia al mese

Dove capita.

Un flusso automatico con controlli e soglia.

Leggere le fatture elettroniche: i dati sono già nell’XML

Dal 1° gennaio 2019 le fatture fra soggetti residenti o stabiliti in Italia sono elettroniche, e una fattura elettronica è un file XML trasmesso dal Sistema di Interscambio. Nella sua guida di dicembre 2025 l’Agenzia delle Entrate scrive che una fattura emessa in un’altra forma, fuori dallo SdI, si considera non emessa. Il PDF che spesso arriva insieme è una rappresentazione da leggere.

Il volume è enorme: nel 2025 sono passati dal Sistema di Interscambio circa 2,4 miliardi di file fattura, emessi da 5,5 milioni di soggetti. Ognuno di quei file ha i campi con il loro nome, definiti dal formato FatturaPA, che secondo il sito ufficiale è «l’unico accettato dal Sistema di Interscambio». Estrarre quei dati da un PDF con l’AI vuol dire ricostruire con un margine d’errore un’informazione che esiste già esatta.

L’XML delle fatture emesse e ricevute si scarica dall’area riservata «Fatture e Corrispettivi» dell’Agenzia o dal programma dell’intermediario. L’Agenzia stessa indica il vantaggio di acquisirlo direttamente, perché riduce i costi e gli errori che si possono generare «dall’acquisizione manuale dei dati». La scheda scaricabile porta accanto a ogni campo il nome che ha nel file, così la stessa lista vale per l’XML e per i PDF.

CampoNome nel file XML (FatturaPA)Controllo
Partita IVA del fornitore

IdFiscaleIVA, con IdPaese e IdCodice

Uguale all’anagrafica

Numero e data

Numero, Data

Niente doppioni

Righe

Descrizione, Quantita, PrezzoUnitario, AliquotaIVA

Quantità per prezzo

Riepilogo IVA

ImponibileImporto, Imposta

Imponibile per aliquota

Totale

ImportoTotaleDocumento

Imponibile più IVA

Pagamento

DataScadenzaPagamento, IBAN

IBAN uguale all’anagrafica

Restano fuori le fatture dei fornitori esteri, per cui la fattura elettronica è facoltativa e il documento di solito arriva in PDF, e poi DDT, ordini, preventivi, ricevute e l’archivio di carta. Per chi esporta, la stessa logica applicata a packing list e fatture per l’estero sta nella guida sui documenti di spedizione.

Estrarre dati da un PDF con ChatGPT o Claude

ChatGPT e Claude leggono un PDF come testo più immagine di ogni pagina, quindi vedono anche tabelle, timbri e scansioni. La documentazione di OpenAI lo scrive per i modelli con la visione, da gpt-4o in poi: l’API estrae «both text and page images» e li manda entrambi al modello. Anthropic descrive lo stesso meccanismo per Claude: ogni pagina diventa un’immagine, con il suo testo accanto.

Per uno o due documenti si lavora nella chat: si carica il file e si chiede una tabella con i campi della scheda, nell’ordine della scheda. ChatGPT accetta documenti fino a 512 MB, ma sul piano Free il limite è di 3 file al giorno. Claude, via API, legge fino a 600 pagine per richiesta, 100 se il contesto del modello è sotto il milione di token, e ogni pagina costa da 1.500 a 3.000 token di testo più l’immagine.

Per un flusso ripetuto si usa l’API con un’uscita vincolata a uno schema JSON: il modello restituisce sempre gli stessi campi, con i tipi giusti, pronti per un foglio o per il gestionale. OpenAI e Anthropic offrono tutti e due questa funzione, e tutti e due la descrivono come garanzia di forma. OpenAI aggiunge che restano da verificare le regole che lo schema non esprime: «validate any business rules that the schema does not express».

Prima di caricare documenti con dati di clienti, fornitori o dipendenti, conta il piano. OpenAI scrive che i contenuti inviati alle sue offerte business, API ed Enterprise, non vengono usati per addestrare i modelli; dove stanno poi quei dati e chi può chiederli è il tema della guida su ChatGPT, GDPR e Cloud Act. Per i documenti in lingua straniera, la guida sorella su come tradurre documenti con l’AI copre la parte di traduzione.

Leggere fatture e documenti in volume: Azure AI Document Intelligence e Google Cloud Document AI

Per centinaia di documenti al mese esistono servizi con modelli già addestrati sulle fatture, che restituiscono i campi in JSON insieme a un punteggio di confidenza. Il modello fatture di Azure AI Document Intelligence, documentato da Microsoft il 15 agosto 2026, legge foto, scansioni e PDF, estrae i campi chiave e le righe di dettaglio e lavora su fatture in 27 lingue, italiano compreso.

Il punteggio di confidenza è il pezzo che rende possibile un flusso con una persona dentro: ogni campo porta quanto lo strumento è sicuro di averlo letto, con le coordinate sulla pagina, e sotto una soglia il documento si ferma. L’Invoice Parser di Google Cloud Document AI estrae intestazione e righe: numero, fornitore, importo, imposta, data, scadenza. Google permette di scegliere la regione «eu» per il trattamento.

Come un documento diventa un dato nel gestionale: si riconosce il tipo, si prende il testo, si estraggono i campi, si controllano; sotto la soglia o con un controllo fallito passa a una persona Il documentoPDF, foto, XML Che cos’èfattura, DDT, ordine Il testoXML, testo o OCR I campinello schema I controllitotali e soglia Il gestionaleo il foglio Excel Una personaapre il PDF e decide sotto soglia o controllo fallito dopo il sì
Il percorso di un documento fino al gestionale. Il modello lavora nei passaggi centrali; i controlli decidono cosa entra da solo e cosa aspetta una persona.
StradaCosa restituisceQuando ha senso
XML della fattura elettronica

I campi esatti, con il loro nome.

Sempre, per i fornitori italiani

ChatGPT o Claude in chat

Una tabella da copiare, senza controlli.

Uno o due documenti

API di OpenAI o Anthropic con schema JSON

Sempre gli stessi campi, nella forma decisa, anche per DDT e ordini.

Documenti vari, campi tuoi

Azure AI Document Intelligence, modello fatture

Campi e righe in JSON, confidenza e posizione per campo.

Molte fatture estere o scansionate

Google Cloud Document AI, Invoice Parser

Intestazione e righe della fattura.

Molte fatture, trattamento in UE

Lo strumento si collega poi al resto: la cartella o la casella dove arrivano i documenti da una parte, il gestionale dall’altra. Come si sceglie la piattaforma che tiene insieme i passaggi è il tema della guida sorella su n8n, Make o Zapier.

Quanto si sbaglia a ricopiare a mano, e quanto con l’AI

La ricopiatura a mano sbaglia intorno all’1% dei dati, e rileggere a occhio non riduce gli errori in modo misurabile. Lo studio di Kimberly Barchard e Larry Pace, pubblicato nel 2011, ha fatto inserire 30 schede a ciascuno di 195 studenti universitari con tre metodi diversi. Il laboratorio di Barchard lo riassume così: «single entry leads to error rates of around 1%».

Nello stesso studio il controllo a vista ha prodotto il 2958% di errori in più del doppio inserimento, e non è risultato significativamente migliore dell’inserimento singolo. La maggior parte degli errori cade dentro l’intervallo plausibile del dato, e per questo non si vede. Sono dati di ricerca inseriti da studenti, non fatture inserite da impiegati: il numero serve per la forma dell’errore, piccolo e invisibile.

Per l’AI un numero ufficiale non c’è. Nessuna delle pagine di OpenAI, Anthropic e Microsoft lette per questa guida pubblica un tasso di errore sulle fatture, e le percentuali vicine al 100% che si leggono online vengono spesso da chi vende lo strumento. L’unico numero che vale per un’azienda si ottiene su un lotto di suoi documenti veri, contando i campi giusti uno per uno, ed è quello che il foglio di verifica permette di fare.

Cosa si controlla prima che il dato entri nel gestionale

Ogni campo estratto passa da controlli scritti prima di cominciare, e quello che non li supera va a una persona. I controlli che contano sono pochi: i totali tornano, la partita IVA ha la forma giusta, la data è plausibile, il numero non è già registrato, la confidenza sta sopra la soglia.

L’IBAN diverso da quello in anagrafica non si corregge nel foglio: si conferma con il fornitore, al numero di telefono che si ha già.

Il caso più importante è il documento che non si legge. Un sistema fatto bene lo mette da parte e lo segnala; uno fatto male compila i campi lo stesso, ed è un’allucinazione con la forma di un dato. Prima di scegliere uno strumento conviene dargli una scansione illeggibile e guardare cosa restituisce. La persona che approva, l’human in the loop, va messa dove l’errore costa: importi, IBAN, fornitori nuovi.

L’ultimo controllo riguarda la lista dei campi. Estrarre tutto quello che c’è sul documento produce colonne da pulire, e la pulizia è lo stesso lavoro manuale che si voleva togliere. La scheda serve a decidere prima, campo per campo, cosa serve davvero e con quale nome lo vuole il tuo gestionale.

La prova del 4 settembre 2026

Il lotto. 30 documenti fra ordini, bolle e fatture, con 237 campi da estrarre, su un sistema di test di Itria.

Il risultato. Tipo di documento riconosciuto in 30 casi su 30; campi giusti 234 su 237, il 98,7%; 6,264 secondi a documento.

Il documento illeggibile. Un PDF senza testo, messo apposta: classificato come «altro», nessun campo inventato.

Cosa non è. Una misura presso un cliente. Si rifà davanti a chi la chiede, e il pezzo è descritto nella scheda sull’inserimento automatico dei documenti.

Da dove partire in un’azienda

Leggere documenti è l’uso dell’intelligenza artificiale più diffuso fra le imprese italiane che la usano. Secondo Istat, nel 2025 il 16,4% delle imprese con almeno 10 addetti usava almeno una tecnologia di AI, e fra queste il 70,8% la impiegava per estrarre informazioni da documenti di testo.

Si parte dal documento che costa più ore, di solito gli ordini dei clienti o le fatture estere, e da dieci campi al massimo. Si prova lo strumento su un mese di documenti veri con il foglio di verifica, si guarda quanti finiscono a una persona, e solo dopo lo si collega al gestionale.

Per vedere dove altro si perde tempo fra un programma e l’altro c’è la mappa dei processi; le altre guide su automazioni, marketing e AI al lavoro sono raccolte nella pagina delle guide.

Domande e risposte

Qual è un’AI gratuita che legge i PDF?

ChatGPT accetta PDF anche sul piano Free, con limiti più stretti: secondo il centro assistenza di OpenAI, aggiornato il 12 novembre 2026, il piano gratuito permette 3 file al giorno. Si carica il documento e si chiedono i campi in una tabella.

Per uno o due documenti basta. Per un flusso di lavoro serve altro: un limite di file così basso, e nessun controllo sui totali, lo rendono una prova e non un sistema.

Posso usare ChatGPT per leggere le fatture?

Sì, per le fatture in PDF di fornitori esteri o per i documenti scansionati: ChatGPT legge testo, tabelle e immagini delle pagine. Per le fatture elettroniche dei fornitori italiani non serve, perché i dati stanno già nel file XML passato dal Sistema di Interscambio.

Prima di caricare documenti con dati di clienti o fornitori, controlla il piano: OpenAI scrive che i contenuti inviati alle offerte business, API ed Enterprise, non servono ad addestrare i modelli.

Come si trasformano i dati di un PDF in un file Excel con l’AI?

Si decide prima la lista dei campi, poi si chiede al modello di restituirli in una tabella o in un formato fisso, uno schema JSON, che si apre in Excel. OpenAI e Anthropic offrono entrambi l’uscita vincolata a uno schema.

Lo schema garantisce colonne e formati, non i valori: prima di usare il file si controlla almeno che imponibile più IVA dia il totale.

Quanto è affidabile l’AI nell’estrarre dati dai documenti?

Nessuna delle pagine ufficiali di OpenAI, Anthropic e Microsoft lette per questa guida pubblica un tasso di errore sulle fatture. L’affidabilità si misura sui documenti dell’azienda, contando i campi giusti uno per uno.

Su una prova del 4 settembre 2026 con 30 documenti, il sistema di Itria ha estratto giusti 234 campi su 237. Come termine di paragone, la ricopiatura a mano sbaglia intorno all’1% dei dati secondo gli autori di uno studio del 2011.

Come posso convertire un PDF in un file AI?

Un file .ai è il formato di Adobe Illustrator, il programma di grafica: per aprire un PDF lì si usa Illustrator stesso. Se invece la domanda è come far leggere un PDF a un’intelligenza artificiale, non serve convertirlo: ChatGPT e Claude accettano il PDF così com’è, e ne leggono il testo e l’immagine di ogni pagina.

Note sulle fonti

  1. Agenzia delle Entrate, La fattura elettronica e i servizi gratuiti dell’Agenzia delle Entrate, guida di dicembre 2025: obbligo dal 1° gennaio 2019, formato XML e SdI, fattura non emessa, operazioni con l’estero, area Fatture e Corrispettivi; da qui la frase citata. Letta il 13 novembre 2026.
  2. Agenzia delle Entrate, Cos’è la FatturaPA e Formato FatturaPA: i nomi dei campi sono quelli dello schema XSD ufficiale, controllati il 13 novembre 2026.
  3. Agenzia delle Entrate, Risultati 2025: 2,4 miliardi di file fattura gestiti dallo SdI e 5,5 milioni di soggetti emittenti nel 2025.
  4. OpenAI, File inputs e Structured Outputs, da cui le due frasi citate; centro assistenza, Uploading files and audio to ChatGPT, aggiornato il 12 novembre 2026. Lette il 13 novembre 2026.
  5. Anthropic, PDF support e Structured outputs. Lette il 13 novembre 2026.
  6. Microsoft Learn, modello fatture di Document Intelligence, 15 agosto 2026, e lingue supportate; Google Cloud, elenco dei processori di Document AI e regioni. Lette il 13 novembre 2026.
  7. Barchard e Pace, Preventing human error, Computers in Human Behavior, 2011 (letto l’abstract); laboratorio di Barchard, University of Nevada Las Vegas, Data Checking, giugno 2017, da cui la frase citata sull’1%.
  8. Istat, Imprese e ICT, anno 2025: imprese con almeno 10 addetti.
  9. La prova del 4 settembre 2026 è stata fatta su un sistema di test di Itria, con 30 documenti e 237 campi: non è una misura presso un cliente.
·Chi lo fa per te

Estrarre i campi è la parte facile. Il lavoro sono i controlli, e il sì di una persona dove serve. Prima il sistema, poi la crescita.

Mattia Esposito, che ha scritto questa guida, con Itria costruisce sistemi AI su misura per le PMI: automazioni collegate ai programmi che l’azienda usa già, e un Cruscotto dove si vede cosa è successo e cosa aspetta una decisione. Niente parte verso un cliente senza il sì di una persona. Su un banco di prova del 4 settembre 2026, con 30 documenti fra ordini, bolle e fatture, il sistema ha estratto giusti 234 campi su 237, e il documento illeggibile messo apposta nel lotto è stato tenuto da parte senza un campo inventato.