Febbraio 6, 2023
Lo scorso 30 Novembre si è tenuta la cerimonia di chiusura di iiWAS, la conferenza annuale su Information Integration and Web Intelligence, organizzata da Web Applications Society (@WAS).
@WAS, nello spirito della serie di conferenze iiWAS, mira a promuovere collaborazioni e scambi di idee e informazioni tra studenti, professionisti e ricercatori interessati al campo dell’integrazione delle informazioni e delle applicazioni e servizi Web. Lo scopo delle azioni di @WAS è triplice: guidare l’organizzazione delle conferenze e dei workshop iiWAS, MoMM e DEXA, curare o sostenere pubblicazioni scientifiche (libri, riviste, numeri speciali di riviste e atti di convegni), organizzare o sostenere eventi (workshop, seminari) e progetti.
Anche Niuma ha partecipato insieme ai suoi Data Scientists e ricercatori in ambito Intelligenza Artificiale, che hanno presentato il progetto dal titolo “Exploiting Named Entity Recognition for Information Extraction from Italian Procurement Documents: a Case Study”.
Il team di Data Scientists, formato da Angelo Impedovo, Emanuele Pio Barracchia e Giuseppe Rizzo, ha presentato i risultati dell’applicazione di algoritmi di AI per la lettura e la verifica automatica di documenti aziendali, caricati dai fornitori delle imprese che utilizzano le piattaforme di eProcurement Niuma.
L’obiettivo dello studio era quello di aiutare gli Uffici Acquisti nel processo di valutazione e onboarding dei fornitori, velocizzando e automatizzando i task più a basso valore aggiunto. Uno di quelli che abitualmente sottrae maggior tempo a chi gestisce l’operatività degli Uffici Acquisti è certamente l’acquisizione e la verifica dei documenti presentati dai fornitori in fase di onboarding e anche in fase di aggiornamento della loro posizione presso l’azienda.
Per raggiungere l’obiettivo, il team di Data Scientists ha messo a punto tecniche di Information Extraction, basato sulla tecnica NER (supervised Named Entity Recognition), in cui le informazioni che è necessario estrarre dai documenti in questione vengono individuate come entità nominali. Sono stati creati differenti modelli NER per ciascuno dei documenti che la macchina avrebbe dovuto leggere (DURC, Visure Camerali e certificazioni ISO) che sono stati integrati alle piattaforme Niuma come parte della supplier document Robotic Process Automation (RPA) pipeline. La pipeline è composta essenzialmente da alcuni passaggi, che sono:
Attraverso poi una serie di analisi quantitative e qualitative il team ha valutato l’efficienza e l’accuratezza dell’intero processo di estrazione delle informazioni dai documenti, rilevando un buon livello di accuratezza e rendendo il tool disponibile sulle piattaforme di eProcurement Niuma.
Questa soluzione è stata accolta come un grande traguardo nell’intera comunità del Procurement: un tool di riconoscimento documentale automatizzato supporta in maniera considerevole l’operatività degli Uffici Acquisti, che hanno abitualmente a che fare con grandi quantità di documenti da analizzare e validare.
Lo scenario futuro prevede di ampliare il perimetro di applicazione del tool ad altre classi di documenti, non attualmente analizzabili, e non solo a documenti in lingua italiana, quindi nazionali (quelli finora gestiti), ma internazionali. Inoltre, si vuole investigare l’adozione di tecniche explainable AI a modelli NER.
