Estrazione di Informazioni Chiave da Documenti Fiscali Italiani: Studio Comparativo tra Approcci Discriminativi e Generativi

La digitalizzazione dei documenti fiscali è un'attività onerosa per gli studi commercialisti, che trascrivono manualmente i dati di scontrini, ricevute e fatture ai fini contabili e tributari. Questa tesi nasce all'interno di TaxWiz, piattaforma sviluppata in collaborazione con uno studio commercialista per automatizzare tale processo, e affronta la Key Information Extraction da documenti fiscali italiani semi-strutturati acquisiti tramite fotografia, con l'obiettivo di estrarne automaticamente campi rilevanti per la gestione contabile. Dalla casistica reale della piattaforma è stato costruito un dataset proprietario di 1.919 pagine annotate. Sullo stesso dataset e sulla stessa suddivisione vengono confrontati due paradigmi opposti: LayoutLMv3, modello discriminativo OCR-based che formula il task come classificazione token-level in schema BIO, e Qwen2.5-VL-7B-Instruct, Vision-Language Model generativo addestrato tramite QLoRA a produrre direttamente un oggetto JSON dall'immagine. Gli output eterogenei dei due modelli sono ricondotti a una rappresentazione comune campo-valore, che abilita una valutazione field-level uniforme. I due modelli raggiungono prestazioni aggregate comparabili, con micro-F1 pari a 0,5816 contro 0,5761, ma con profili di errore opposti: LayoutLMv3 privilegia la copertura, con recall più alta e più falsi positivi, mentre Qwen2.5-VL è più conservativo, con precision superiore e più omissioni. Il contributo principale è di natura metodologica e consiste nella definizione di un protocollo riproducibile per confrontare in modo equo un approccio discriminativo e uno generativo sullo stesso compito di estrazione, a parità di dati, suddivisione e criteri di misura.