Audit finanziario con AI locale

L’audit di un grande volume di documenti senza che i dati escano all’esterno: conversione, anonimizzazione, analisi RAG su modelli locali

Un progetto per individuare l’uso improprio dei fondi di un gruppo societario: un volume di documenti (circa 3,9 GB in Markdown) viene elaborato in locale o su server protetti. Il lavoro ha prodotto uno studio su LLM e infrastruttura GPU, uno scenario finale «qualità vs tempo» su una singola GPU H200 con Qwen2.5-72B ed escalation a due livelli (un modello piccolo seleziona gli elementi sospetti, uno grande esegue l’analisi dettagliata), una stima dei costi e una roadmap. Sono stati realizzati strumenti per la conversione in Markdown, l’anonimizzazione reversibile dei dati personali e l’analisi RAG su Milvus; è stata condotta un’analisi di prova con un report finale.

La sfida

Stabilire dove, quando e perché è stato speso il denaro, senza trasmettere dati riservati a servizi esterni.

Cosa c’è dentro

• Conversione di PDF, DOCX, XLSX e altri formati in Markdown
• Anonimizzazione reversibile (Presidio, spaCy NER, Faker): nomi completi, organizzazioni, numeri di telefono, email, date, importi, INN, SNILS, OGRN, conti bancari, carte, IBAN; modalità di sostituzione realistica e con segnaposto, spostamento delle date, scalatura degli importi, una tabella di corrispondenze per la de-anonimizzazione
• Analisi RAG di documenti correlati (contratti, fatture, ordini di pagamento, lettere, verbali di collaudo) e un grafo di entità e transazioni con regole per il rilevamento delle anomalie
• Una modalità air-gapped per lavorare senza API esterne; report in Markdown, JSON ed Excel

Traduzione automatica, in revisione.