526.392 fotografie a doppia pagina erano già state acquisite, ma non erano pronte per la pubblicazione. Il collo di bottiglia non era la fotocamera: era il lavoro ripetuto in Photoshop per ritagliare, raddrizzare e ripulire ogni pagina. È il tipo di arretrato che trasforma un’automazione interessante in un problema operativo.

È successo a Ibteda Digital Library, archivio comunitario pakistano dedicato a libri rari in urdu. Il caso permette un confronto utile anche fuori dalle biblioteche: conviene automatizzare le immagini con regole deterministiche oppure addestrare un modello AI sulle correzioni umane?

Il criterio non è quale tecnologia sembri più avanzata. È quante eccezioni il sistema gestisce senza danneggiare il contenuto, quanto lavoro umano resta e quanto costa mantenere la pipeline quando cambiano gli input.

Approccio A: regole deterministiche

Una pipeline deterministica usa operazioni esplicite: rilevamento dei contorni, soglie sul colore della carta, correzione prospettica, ritaglio, ridimensionamento e controlli sui margini. OpenCV e ImageMagick sono strumenti adatti perché ogni trasformazione è ripetibile e ispezionabile.

Il vantaggio principale è il controllo. Se una regola dice di non modificare pixel fuori da una maschera, il confine è verificabile. Costi e tempi sono prevedibili, non serve un dataset e un errore può essere ricondotto a una condizione precisa. Per immagini prodotto con fondale uniforme, screenshot generati dallo stesso template o media WordPress prodotti da un flusso stabile, questa semplicità vale molto.

Il limite emerge quando l’eccezione diventa la norma. Ibteda aveva libri con carta macchiata, margini annotati, ombre vicino alla rilegatura, pagine illustrate e layout diversi. Il team provò contorni, profili di proiezione, soglie sul colore ed euristiche sui bordi. Ogni soluzione funzionava su un sottoinsieme e si rompeva sul successivo. Una regola capace di trovare il foglio poteva comunque scegliere il margine editoriale sbagliato.

Approccio B: modello AI calibrato

Il secondo approccio usa lo storico delle decisioni umane come supervisione. Ibteda aveva 575.729 pagine già rifinite in Photoshop. Il team le ha ricondotte alle acquisizioni originali, recuperando la geometria del ritaglio con feature matching e omografia. Le pagine finite sono diventate etichette.

Il modello non ha eliminato l’intervento umano. Su ogni nuovo libro l’operatore corregge cinque fotografie a doppia pagina, quindi dieci crop. La correzione mediana viene applicata alle pagine successive. Su 249 libri e 5.022 lati pagina tenuti fuori dalla calibrazione per ciascuna delle 20 ripetizioni, questa procedura ha alzato `pass@80` da 0,7107 a 0,8271.

Il pro è la capacità di assorbire variazioni che una lunga catena di `if` gestirebbe male. Il contro è meno comodo: servono coppie input/output affidabili, split per libro per evitare leakage, metriche legate alla resa finale e una coda di revisione. Ai livelli di qualità misurati da Ibteda, circa un terzo dei lati pagina può ancora richiedere controllo. Non è “premi un pulsante e sparisce il lavoro”. Cambia dove viene speso.

Più modello non significa più qualità

Il risultato più interessante è ciò che non ha funzionato. Aumentare i libri di training da 378 a 572 non ha migliorato in modo utile la qualità sui libri mai visti. ResNet-50 aderiva meglio ai dati di training rispetto a ResNet-34, ma dopo la calibrazione scendeva da 0,8271 a 0,8138. Anche portare l’input da 704 a 1024 pixel non ha dato un vantaggio operativo.

La causa era concreta: il margine preferito per un nuovo volume non era visibile nella fotografia. Il modello poteva trovare la pagina, non indovinare una scelta editoriale assente dai pixel. Dieci correzioni locali fornivano quell’informazione meglio di una rete più grande.

Questa è la lezione da portare nelle automazioni aziendali: quando manca un dato, aumentare il modello non lo crea. Serve un punto di calibrazione, un campo obbligatorio o un’approvazione umana.

Cosa cambia per WordPress e i workflow web

In WordPress partirei dalle regole per formati, dimensioni, compressione WebP, naming e limiti di peso. Sono requisiti espliciti. Non c’è motivo di chiedere a un modello di decidere se una cover deve essere 1200×630 o se un file supera 200 KB.

L’AI diventa utile sulle decisioni visive difficili da codificare: scegliere il crop che conserva il soggetto, segnalare testo tagliato, distinguere un difetto da un elemento reale o proporre un alt coerente da sottoporre a verifica. Anche qui il pattern sano è ibrido: il modello propone, le regole delimitano ciò che può cambiare e il gate blocca l’output incerto.

Lo stesso vale per cataloghi e-commerce, documenti acquisiti, creatività social e archivi media. Prima di addestrare, bisogna conservare originali e correzioni, assegnare identità stabili agli asset e misurare gli errori sul risultato pubblicabile. È la logica già descritta nel contratto di output prima del publish: “processato” non equivale ad “approvato”.

Come scegliere senza costruire un laboratorio

Sceglierei A quando gli input sono uniformi, gli errori sono spiegabili con poche condizioni e un falso positivo può fare danni. È il caso tipico di conversioni, naming, resize, controlli MIME e pubblicazione atomica.

Sceglierei B quando esiste un volume sufficiente, le correzioni umane sono già archiviate e le eccezioni consumano più tempo della manutenzione del modello. Prima, però, fisserei un baseline deterministico e un test su gruppi mai visti. I benchmark AI vanno letti nel loro perimetro: una metrica media non deve nascondere la pagina, il prodotto o il documento danneggiato.

Non automatizzerei subito l’azione irreversibile. Nel caso Ibteda il modello individua la zona da ritoccare, mentre OpenCV ricostruisce la carta solo dentro il supporto accettato e copia invariati i pixel esterni. Se la confidenza non basta, il sistema si astiene. Questo confine è più importante del nome dell’architettura.

La mia take: regole prima, AI sulle eccezioni

Per una PMI o un professionista, l’approccio corretto è A come fondazione e B come acceleratore mirato. Le regole devono possedere il contratto: formati, soglie, permessi, rollback e pubblicazione. L’AI deve occuparsi della parte che richiede giudizio, con calibrazione e possibilità di astensione.

Partire direttamente dal modello significa pagare complessità prima di aver misurato il problema. Restare solo sulle regole quando ogni cliente, libro o catalogo è un caso diverso significa pagare eccezioni per sempre. La soglia di passaggio è semplice: quando hai uno storico affidabile di correzioni e una coda manuale misurabile, l’AI calibrata può ridurre il lavoro. Prima di quel momento, è soprattutto manutenzione aggiuntiva.

Fonti

Approfondimenti