Valutazione del riconoscimento di documenti finanziari incentrata sulle persone e vincolata dal rischio: evidenze, errori critici e automazione selettiva

Abstract degli autori

Il riconoscimento di documenti finanziari viene spesso valutato usando i tassi di errore a livello di carattere e di parola, anche se queste metriche non indicano se un sistema preserva i fatti finanziari su cui agiscono persone e organizzazioni. Questo articolo sviluppa un quadro di valutazione del riconoscimento di documenti finanziari incentrato sulle persone e vincolato dal rischio, inteso come recupero di evidenze e supporto alle decisioni. Definisce fatti finanziari tipizzati collegati a regioni visibili della fonte e distingue tra trascrizione letterale, normalizzazione deterministica e interpretazione aziendale. Un modello di qualità a più livelli considera testo, localizzazione, impaginazione, tabelle, campi, correttezza dei fatti, fondamento nelle evidenze, incertezza, robustezza e prestazioni operative. Le soglie di accettazione non compensative utilizzano limiti unilaterali di incertezza per gli errori nei campi critici, impedendo che punteggi aggregati elevati mascherino errori in importi, identificativi, segni, periodi o associazioni tra entità. L’automazione selettiva è formulata come un problema di instradamento vincolato che tiene conto del rischio residuo, della capacità di revisione umana e dei costi di revisione. Il quadro specifica inoltre procedure di annotazione e arbitraggio, partizioni del benchmark resistenti al leakage, estimandi statistici, analisi per sottogruppi e una scheda di riproducibilità. I risultati formali stabiliscono i limiti dei punteggi compensativi, il limite superiore non nullo del rischio dopo aver osservato zero errori e una regola decisionale sensibile alle perdite per instradare i casi incerti alla revisione umana. Il contributo è teorico e metodologico; non rivendica la creazione di un nuovo modello o dataset, né risultati empirici sulle prestazioni.