🤖 IA Locale & NLP

Riassunto Testo e Documenti (con OCR)

Incolla un testo oppure carica file PDF, Word (DOCX), TXT o Immagini. Se il documento è scansionato, il sistema applicherà l'OCR automatico per estrarre il testo prima di generare la sintesi.

🔒 100% Privacy: Nessun file o testo viene inviato a server esterni.

Carica un documento (PDF, DOCX, TXT, PNG, JPG)

📁

Trascina qui il tuo file oppure clicca per selezionarlo

Supporta PDF (anche scansionati), Word, Testo e Immagini

Oppure incolla/modifica il testo qui sotto: 0 caratteri

Lunghezza del riassunto

Formato di output

Compendio Tecnico-Giuridico sull'Intelligenza Artificiale Locale, Elaborazione NLP e Conformità Normativa (Zero-Backend)

Questo strumento produce un riassunto estrattivo: individua le frasi più rappresentative del testo con un metodo statistico basato sulla frequenza delle parole e le ricompone nell'ordine originale. Non usa modelli linguistici generativi e non riscrive nulla, quindi non può inventare contenuti; in compenso il risultato è un insieme di frasi del documento, non un testo nuovo. Tutto avviene nel browser: il testo non viene trasmesso. Per le immagini interviene anche il riconoscimento ottico dei caratteri (OCR) con Tesseract, il cui motore viene scaricato al primo utilizzo.

⚖️ 1. Inquadramento normativo: sicurezza del trattamento (GDPR) e servizi di riassunto in cloud ▼

Privacy by Design (Art. 25 GDPR) ed Esfiltrazione dei Dati

Dal punto di vista normativo, l'impiego di modelli linguistici di grandi dimensioni (LLM) commerciali ospitati in cloud pone minacce insormontabili in termini di riservatezza e conformità legale. Quando si processano dati sensibili, i Termini di Servizio (ToS) di molti provider cloud garantiscono al fornitore il diritto unilaterale di immagazzinare i prompt testuali, i documenti e i flussi informativi dell'utente per il riaddestramento continuo dei propri modelli algoritmici. Questo meccanismo viola frontalmente il principio di limitazione della finalità prescritto dal GDPR. L'Articolo 25 del GDPR codifica il principio della Data Protection by Design e by Default, imponendo che le misure a tutela della privacy siano architettate direttamente nel codice fin dalla fase di progettazione. Eseguendo l'elaborazione nel browser il testo non viene trasmesso ad alcun fornitore, e viene quindi meno il rischio che venga conservato o riutilizzato per addestrare modelli. Restano da curare le misure di sicurezza sul dispositivo e la conservazione dei file.

Articolo 28 (Data Processing) e il Rischio Schrems II

L'utilizzo di un Cloud LLM per riassumere documenti sensibili trasforma istantaneamente l'azienda fornitrice del software in un Data Processor (Responsabile del Trattamento ex Articolo 28 GDPR). Questo innesca per il professionista (Titolare del Trattamento) l'obbligo inderogabile di stipulare rigorosi Data Processing Agreements (DPA), condurre estenuanti audit di sicurezza e autorizzare i sub-responsabili. Inoltre, in ambito europeo, i trasferimenti di dati extra-UE verso server operanti negli Stati Uniti costituiscono un terreno giuridicamente incerto a causa delle ripercussioni giurisprudenziali della nota sentenza "Schrems II". Con l'esecuzione locale il sito fornisce il programma ma non tratta il testo: per questa operazione non c'è un responsabile del trattamento da nominare né un trasferimento verso paesi terzi da giustificare. Gli altri adempimenti del titolare restano invariati.

🧮 2. Come funziona il riassunto: selezione delle frasi e punteggio delle parole ▼

Un riassunto estrattivo, non generativo

Questo strumento non usa un modello linguistico: non riscrive il testo con parole proprie, ma seleziona le frasi già presenti nel documento e le ricompone nell'ordine originale. È la differenza fra riassunto estrattivo e riassunto astrattivo: il primo non può inventare informazioni sbagliate, il secondo produce testi più scorrevoli ma può affermare cose che il documento non dice. Per un testo giuridico o sanitario la scelta estrattiva è più prudente: ogni frase del riassunto è verificabile nell'originale.

Come vengono scelte le frasi

il testo viene diviso in frasi, tenendo conto delle abbreviazioni italiane più comuni (art., n., D.Lgs., Dott.): senza questa accortezza «l'art. 50 disciplina...» verrebbe spezzato a metà;
si contano le occorrenze delle parole, escludendo quelle molto frequenti e prive di contenuto (articoli, preposizioni, verbi ausiliari);
ogni frase riceve un punteggio pari alla somma delle frequenze delle sue parole, diviso per la radice quadrata del numero di parole: senza questa normalizzazione verrebbero scelte sempre le frasi più lunghe;
le prime frasi del testo ricevono un premio, perché di norma contengono l'oggetto del documento, e lo stesso vale per le frasi che contengono espressioni come «in conclusione» o «pertanto»;
vengono conservate le frasi con il punteggio più alto — il 15%, il 30% o il 50% del totale secondo la lunghezza scelta — e rimesse nell'ordine in cui compaiono nel documento.

Il metodo è deterministico: lo stesso testo produce sempre lo stesso riassunto, e l'elaborazione è immediata anche su smartphone, perché non c'è alcun modello da scaricare. Il limite è che la coerenza fra le frasi selezionate non è garantita: possono restare riferimenti a un soggetto citato in una frase esclusa.

📈 3. Casuistica Reale: Processi Professionali in Settori M&A e Clinici ▼

Scenario 1: Due Diligence Documentale nel Settore Finanziario (M&A)

Un team operativo interbancario è incaricato di elaborare un'analisi di rischio critico (Due Diligence) in una delicata manovra di fusione e acquisizione aziendale (Mergers and Acquisitions - M&A). Il materiale documentale consiste in migliaia di contratti legali esteri scannerizzati ad altissima risoluzione.

Esecuzione: i professionisti caricano i file PDF: il testo viene estratto con pdf.js e, se il PDF è una scansione senza testo, riconosciuto con l'OCR Tesseract. Il riassunto estrattivo mette in evidenza le frasi più rappresentative, utili per orientarsi rapidamente in un documento lungo; le clausole rilevanti vanno poi lette nell'originale, perché la selezione automatica può escludere proprio l'eccezione o la deroga che conta.
Vantaggio: La valutazione del capitale viene condotta tutelando ermeticamente il segreto industriale dell'accordo; si evitano gravissimi reati finanziari quali l'insider trading, frequentemente innescati da data leak provocati da processi su server esposti a vulnerabilità.

Scenario 2: Sintesi Narrativa di Registri Sanitari in Psichiatria

Un primario di psichiatria affronta il compito di stilare referti narrativi sintetici estrapolati dalla stesura fluviale prodotta durante le sessioni di analisi cliniche (o trascritta originariamente via modello locale Whisper quantizzato).

Esecuzione: il testo viene elaborato sul computer dell'ambulatorio, senza uscire dalla rete interna. Il riassunto riporta le frasi più ricorrenti del registro clinico, ma non interpreta né classifica i sintomi: è un aiuto alla lettura, non un supporto alla decisione clinica, e non sostituisce la valutazione del professionista.
Vantaggio: L'operato garantisce il severo rispetto della compliance (GDPR Articolo 9, relativo ai dati sanitari); la struttura psichiatrica neutralizza in modo incontrovertibile lo spettro che le ammissioni intime dei pazienti vengano fagocitate, analizzate o profilate da algoritmi di deep learning gestiti dalle multinazionali Big Tech del cloud storage per futuri addestramenti commerciali.

4. FAQ tecniche: memoria, prestazioni e limiti del metodo

👥 Casi Pratici ed Esempi Reali ▼

I casi seguenti sono stati riprodotti con lo strumento su un testo di prova di otto frasi relativo al codice dei contratti pubblici, confrontando le frasi selezionate con l'originale.

Caso 1: la stessa pagina con le tre lunghezze

Breve: 1 frase su 8 (la frase di apertura, che indica l'oggetto della riforma)
Media: 2 frasi (apertura e conclusione)
Lunga: 4 frasi (apertura, art. 50, principio del risultato, conclusione)

Con la lunghezza «breve» resta l'informazione essenziale; con «lunga» si ottiene l'ossatura del documento. Le frasi mantengono l'ordine originale, quindi il testo si legge come una versione ridotta, non come un elenco disordinato.

Caso 2: le abbreviazioni dei testi giuridici

Frase originale: «L'art. 50 disciplina le procedure negoziate sotto soglia...»
Prima della revisione: nel riassunto compariva «50 disciplina le procedure negoziate sotto soglia...»
Ora: la frase compare per intero, compreso il riferimento all'articolo

Il punto di «art.» veniva scambiato per una fine di frase, e lo stesso accadeva con «D.Lgs.», «n.» e «Dott.». Ora il testo viene diviso solo quando il punto è seguito da uno spazio e da una maiuscola, e la parola precedente non è una delle abbreviazioni più comuni.

Caso 3: esportazione in PDF con punti elenco

Riassunto in formato «punti elenco», esportato in PDF
Nel PDF: intestazione, data di generazione e frasi precedute dal segno •
Lettere accentate conservate; le eventuali emoji vengono rimosse

In precedenza il segno di elenco e le lettere fuori dall'alfabeto latino occidentale sparivano dal PDF insieme al resto dei caratteri non rappresentabili. Ora vengono mantenuti o ricondotti alla lettera base.

Quanta memoria richiede il riassunto di un documento lungo? ▼

Il riassunto in sé non usa modelli di intelligenza artificiale e non occupa memoria significativa: anche un testo di centinaia di migliaia di caratteri viene elaborato in una frazione di secondo. Il consumo di memoria riguarda le altre fasi: il riconoscimento OCR delle immagini, che carica il motore Tesseract e la pagina rasterizzata, e l'estrazione del testo dai PDF molto grandi. Su smartphone conviene quindi riassumere il testo già estratto, invece di caricare decine di immagini in una sola volta.

Perché il dispositivo si scalda durante il riconoscimento delle immagini? ▼

L'elaborazione prolungata satura il processore e, sui dispositivi mobili, ne fa ridurre la frequenza per motivi termici: l'apparecchio si scalda, la batteria si consuma e l'interfaccia diventa meno reattiva. In questo strumento il fenomeno riguarda solo il riconoscimento OCR di molte immagini, l'unica fase pesante; il calcolo del riassunto è immediato. Conviene perciò elaborare le immagini poche per volta.

Lo strumento usa la scheda grafica per accelerare l'elaborazione? ▼

WebGL e WebGPU sono le interfacce che permettono di eseguire calcoli sulla scheda grafica, e fanno la differenza per i modelli neurali di grandi dimensioni. Questo strumento non le utilizza: il riassunto è un calcolo statistico leggero che gira sul processore in pochi millisecondi, mentre il riconoscimento OCR usa WebAssembly. La velocità dipende quindi dal processore, non dalla scheda video.

❓ Domande Frequenti (FAQ) ▼

Il riassunto è generato da un'intelligenza artificiale?

No. È un riassunto estrattivo: le frasi più rappresentative vengono selezionate con un metodo statistico basato sulla frequenza delle parole. Nessun testo viene riscritto o inventato.

Il testo viene inviato a qualche servizio?

No. Il riassunto viene calcolato interamente nel browser. Solo per le immagini viene scaricato il motore OCR, che non riceve comunque i tuoi file.

Perché a volte il riassunto sembra sconnesso?

Perché le frasi provengono da punti diversi del documento: possono restare riferimenti a soggetti o importi citati in frasi escluse. Conviene rileggerlo e integrarlo con l'originale.

Posso riassumere un documento riservato?

Sì: il contenuto non lascia il dispositivo. Valuta comunque dove salvi il riassunto e chi ha accesso al computer.

Funziona anche su un PDF scansionato?

Sì, ma prima deve essere riconosciuto il testo con l'OCR: è la fase più lenta e la qualità del riassunto dipende da quella del riconoscimento.