La famiglia di modelli aperti Gemma 4 di Google DeepMind include tra le proprie capacità il riconoscimento ottico dei caratteri (OCR) applicato a scrittura a mano e tabelle. La notizia è rilevante perché sposta funzioni tradizionalmente delegate al cloud direttamente sul dispositivo: la versione più leggera pesa appena 4,2 GB ed è utilizzabile tramite LM Studio, quindi su un normale computer domestico.
Cosa cambia per chi lavora con i documenti
L'OCR locale con modelli visivi apre scenari pratici interessanti: digitalizzare appunti scritti a mano, estrarre dati da tabelle scannerizzate o convertire moduli cartacei in testo editabile senza inviare nulla a server esterni. Un vantaggio non banale in termini di privacy e di costi, soprattutto per studi professionali e piccole imprese che gestiscono documenti sensibili. La dimensione contenuta del modello permette di eseguirlo anche su hardware non dedicato, abbassando la barriera d'ingresso.
Il tallone d'Achille: il testo inventato
Il rovescio della medaglia è rappresentato dalle cosiddette allucinazioni: i modelli visivi possono generare porzioni di testo plausibili ma del tutto inventate, magari in presenza di grafie difficili, tabelle complesse o scansioni di bassa qualità. In un contesto OCR questo rischio è particolarmente insidioso, perché l'errore non appare evidente a colpo d'occhio e può compromettere dati contabili, referti o documenti legali. La raccomandazione è quindi quella di verificare sempre l'output, soprattutto sui contenuti critici, e di non fidarsi ciecamente della trascrizione automatica.
In sintesi, Gemma 4 dimostra che l'OCR avanzato può girare in locale con requisiti contenuti, ma la strada verso un'affidabilità paragonabile a quella umana passa ancora dalla supervisione: strumenti potenti, ma da usare con consapevolezza dei loro limiti.
