Come si cercano i documenti scansionati?
Una pagina scansionata è solo un'immagine: si trova per le sue parole solo se ha uno strato di testo. Il riconoscimento automatico (OCR) è disponibile solo per il rumeno.
Risposta breve
- OCR significa riconoscimento ottico dei caratteri: il testo di un'immagine diventa testo ricercabile. Da noi l'OCR esiste solo per i documenti in rumeno.
- La scansione produce solo un'immagine; senza OCR, il suo contenuto non può essere trovato tramite ricerca.
- Per i documenti in rumeno il riconoscimento viene eseguito automaticamente al caricamento e aggiunge uno strato di testo sopra l'immagine; per le altre lingue il testo deve già esistere o essere inserito a mano.
- Dopo l'elaborazione puoi cercare qualsiasi cosa compaia nel documento: nome, numero di protocollo, data o importo.
Cosa dice la legge (in breve)
- Le Linee guida AgID impongono che l'oggetto conservato resti leggibile e immodificabile nel tempo: lo strato di testo aggiunge la ricerca, non sostituisce il documento versato in conservazione.
- I metadati obbligatori del documento informatico restano il vero indice di reperimento: lo strato di testo li integra, ma non li sostituisce, e il fascicolo va comunque classificato.
- Regolamento (UE) 2016/679, art. 5, par. 1, lett. e): il testo estratto da una scansione contiene gli stessi dati personali e rientra negli stessi termini di conservazione.
- I documenti contabili scansionati restano soggetti ai dieci anni dell'art. 2220 c.c. e alla conservazione fino alla definizione degli accertamenti prevista dall'art. 22 del DPR 600/1973.
Esempi pratici
- Cerchi "verbale di collaudo capannone 2" e ottieni quattro pagine corrispondenti su 3.500 pagine scansionate.
- Una partita IVA scritta nel corpo di una lettera ricevuta diventa ricercabile, pur non comparendo da nessuna parte nel nome del file.
- Con 200 pagine scansionate al giorno, l'indicizzazione manuale richiederebbe circa due ore di battitura; per il rumeno l'OCR la esegue al caricamento.
- Un fascicolo del personale del 2014, scansionato retroattivamente, diventa ricercabile in base al nome del dipendente nello stesso giorno.
Errori frequenti
- Si scansiona a 150 dpi o meno, e l'accuratezza del riconoscimento cala visibilmente; 300 dpi è la soglia pratica.
- Le pagine sono storte o fotografate con il telefono, senza raddrizzamento automatico.
- Si cerca senza accenti e caratteri diacritici, pur essendo presenti nel testo riconosciuto.
- Si presume che ogni parola di una scansione sia ricercabile: sui documenti scritti a mano il risultato resta parziale.
- Si rinuncia all'inventario, con la motivazione che "tanto si cerca comunque a testo integrale".
Come ti aiuta 4docs
- Riconoscimento automatico al caricamento per i documenti in rumeno, anche per le importazioni massive dal vecchio archivio.
- Ricerca a testo integrale nel contenuto dei documenti, non solo nel nome del file.
- Filtro combinato per anno, tipo di documento, reparto e termine di conservazione.
- I risultati della ricerca a testo integrale ti portano direttamente al documento in cui compare il termine.