Piattaforma Analisi Bilanci

Panoramica

Carichi i bilanci di un ente, l'AI li legge e li riordina da sola in uno schema standard, e sopra ci costruisci i confronti: spese pro-capite, andamenti negli anni, raffronti fra enti.

Il progetto nasce dall'idea di Gigi Bacchetta (analisi dei bilanci comunali in ambito sindacale) e dal prototipo bilanci-pubblici-ai, già testato sui bilanci di 8 comuni del VCO. La versione CISL ne è l'evoluzione a prodotto: stesso motore, scala regionale.

Il problema

Ogni ente pubblica i bilanci in un formato suo: PDF da centinaia di pagine, fogli di calcolo disordinati, tracciati SIOPE/BDAP. Oggi l'analista ricopia i dati a mano dentro un template di output (17 missioni, una per foglio). Su pochi enti e gestibile; su scala regionale diventa insostenibile.

La sfida non è tanto leggere i documenti — l'AI lo fa bene — quanto la varietà degli edge case: ogni ente formatta a modo suo. Qui il valore è nella combinazione fra competenza sulla pubblica amministrazione (lato cliente) e competenza tecnica (lato sviluppo).

Architettura — pipeline

Il flusso è una catena a cinque stadi: dall'acquisizione del documento grezzo fino al layer di analisi.

1. Ingestion — i documenti arrivano da una cartella Google Drive strutturata per ente, oppure caricati a mano.
2. Estrazione — i PDF diventano testo grezzo (poppler / pdftotext), gli Excel via spreadsheet parser.
3. Parsing AI — Claude legge il testo e riconosce le voci di bilancio, gestendo gli edge case ente per ente.
4. Output — il dato finisce normalizzato nel tracciato dell'analista.
5. Analisi — sopra al dato pulito: confronti pro-capite, andamenti pluriennali, raffronto tributi tra enti.

Modello di accesso AI

Sul prototipo si usa il modello workspace ABChat: una sessione persistente per utente, con accesso agli strumenti (lettura, ricerca) limitato alla sola cartella dati dell'ente di competenza. L'operatore interroga i bilanci in linguaggio naturale e ottiene risposte e tabelle, senza toccare nulla di tecnico.

ask_claude_scoped(
    tools = [Read, Grep, Glob],     # sola lettura
    scope = "storage/bilanci-<ente>/",  # isolato per ente
    session = persistente            # contesto mantenuto
)

Stack tecnico

Infrastruttura

Due strade possibili, da decidere in fase di avvio:

A — Server dedicato gestito

La piattaforma gira su un server gestito (classe Hetzner), dove vive già tutta la toolchain (poppler, Python, ambiente AI). Approccio attuale del prototipo: rapido da mettere in piedi, tutto in un posto.

B — Tenant dedicato (modello A3D)

Deploy isolato per cliente con database e storage separati, sulla falsariga dei tenant multi-cliente già in produzione su A3D (Laravel + Forge). Piu adatto se la piattaforma viene aperta a più enti/organizzazioni con dati da tenere separati.

Costi

Il dettaglio completo, voce per voce con spiegazione, vive nel preventivo sul portale Ledger. Qui la sintesi.

Sviluppo piattaforma — una tantum

Servizi ricorrenti — annuale

Storia & roadmap

• 2026-02-20
  Nasce come bilanci-pubblici-ai (idea Gigi). Test su 8 comuni VCO, template 17 missioni.
• 2026-02 / 04
  Workspace ABChat per Gigi: prototipo di interrogazione bilanci in linguaggio naturale.
• 2026-03-24
  Citato come use case: "CISL regionale: piattaforma analisi bilancio automatizzata".
• 2026-06-11
  Formalizzato come progetto CISL. Avvio public + preventivo Ledger (bozza).
• prossimo
  Definire enti e volumi, scegliere infrastruttura A/B, validare preventivo, kickoff sviluppo.

Per chi sviluppa

Punti di attenzione per chi entra sul progetto:

Principi: tool access scoped e in sola lettura sui dati dell'ente; dato sempre verificabile (l'output AI non è mai una scatola nera); separazione dei dati fra enti; automazioni con stato (n8n), niente cron crudo.

Riferimenti e accessi (repo, credenziali, dati reali) vengono passati a voce / su canale riservato — non in questa pagina, che è pubblica.