Due motori di estrazione devono concordare prima che un numero entri nel vostro modello

Ogni strumento finanziario basato su IA che estrae numeri da un PDF sta facendo una scommessa: che un parser, o un modello che legge la pagina, abbia letto correttamente. Rexfin rifiuta di fare quella scommessa. Una cifra diventa citabile, ottiene il badge, la riconciliazione, il link cliccabile alla fonte, solo dopo che almeno due motori indipendenti l’hanno letta sulla pagina e sono arrivati allo stesso valore.

Perché un solo lettore non basta mai

Una singola pipeline di estrazione, per quanto buona, fallisce silenziosamente in modi che nessuno intercetta finché il numero non è già in un pacchetto per il board: una cella unita che sposta una colonna, un apice di nota a piè di pagina che viene letto come parte della cifra, una pagina scansionata che un parser legge con falsa sicurezza invece di segnalare come illeggibile. La modalità di fallimento non è “lo strumento si blocca”, è “lo strumento produce un numero plausibile ma sbagliato e ve lo consegna senza alcun segnale che qualcosa non abbia funzionato”. Questa è esattamente la modalità di fallimento che l’intera catena di fiducia di Rexfin esiste per prevenire, e comincia nel punto di estrazione, non a valle di esso.

Come i motori realmente non concordano, e come questo viene risolto

Rexfin esegue diversi motori di estrazione sulla stessa pagina in modo indipendente: un estrattore di tabelle sensibile al layout, un estrattore basato su testo e geometria, un parser di tabelle dedicato e una lettura OCR basata su pixel della pagina renderizzata, oltre a, facoltativamente, un modello visione-linguaggio usato strettamente come arbitro in caso di parità, mai come uno dei due voti indipendenti richiesti da solo. Ogni motore non ha visibilità su ciò che gli altri hanno prodotto.

Prima che avvenga qualunque confronto, la stessa cella logica deve essere abbinata tra i motori, la stessa voce di riga, la stessa colonna di periodo, usando la similarità delle etichette e la posizione geometrica sulla pagina, perché due motori possono “concordare” in modo significativo solo se stanno effettivamente guardando la stessa cella. Una volta allineati, i valori vengono confrontati entro una tolleranza che si adatta all’unità di arrotondamento del bilancio anziché a un importo fisso in valuta, dato che due motori che leggono “4.914” contro “4.915” su un bilancio IFRS arrotondato alle migliaia non sono in disaccordo: hanno entrambi ragione.

L’indipendenza deve significare qualcosa

Contare i voti funziona solo se i voti sono davvero indipendenti. Due wrapper costruiti sullo stesso motore di parsing sottostante non contano come due voti solo perché sono confezionati separatamente; la policy di indipendenza di Rexfin raggruppa i motori esattamente in questo modo, così l’accordo non può mai essere generato artificialmente da due varianti dello stesso motore di base che si annuiscono a vicenda. C’è una regola ulteriore, più netta: su un PDF digitale, tre parser deterministici possono tutti leggere esattamente lo stesso flusso di testo incorporato in tre modi diversi; se quel livello di testo sottostante è corrotto o mappato male, tutti e tre possono concordare con sicurezza sullo stesso numero sbagliato. Per colmare questo divario, una cifra citabile deve includere almeno una lettura ancorata ai pixel renderizzati della pagina, un passaggio OCR, non solo una nuova analisi del testo interno del file, così che l’accordo sia legato a ciò che una persona vedrebbe realmente sulla pagina, non solo a ciò che il file dichiara di contenere.

Cosa succede quando non concordano

Una cifra letta da un solo motore, o letta da motori che sono realmente in disaccordo, non viene silenziosamente scartata né silenziosamente promossa. Entra in una corsia di quarantena: visibile nel contesto così che nulla scompaia dal quadro generale, ma esplicitamente contrassegnata come non citabile e priva di link cliccabile alla fonte. Non esiste un percorso per cui una cifra in quarantena diventi citabile in seguito senza che l’accordo venga rieseguito; la confidenza non può essere aumentata per decreto.

Cosa rende possibile a valle

Questo filtro precede tutto il resto nel modello. È ciò che rende lo stato di riconciliazione nella griglia dei bilanci significativo anziché cosmetico, ciò che il pannello di provenienza visualizza come badge di accordo tra motori, e una delle due condizioni imprescindibili che il filtro di esportazione verifica prima che un pacchetto per il board possa uscire. Nessuna di queste garanzie a valle significa qualcosa se il numero che proteggono non è mai stato verificato in modo indipendente sin dall’inizio, ed è esattamente per questo che questo controllo viene eseguito per primo, prima ancora che una cifra possa diventare candidata alla citazione.

Per i team che valutano se un’IA che legge i loro bilanci abbia davvero letto i numeri correttamente, questo è il livello su cui vale la pena chiedere direttamente: non “ha estratto i dati” ma “quante letture indipendenti hanno concordato, e cosa succede quando non lo fanno”. Scoprite come questo si inserisce nel resto del prodotto nell’hub del tour del prodotto.