Un assistente IA che legge contratti e fatture, cita la frase esatta e agisce solo dopo l’approvazione.

Panoramica.
Piccole e medie imprese
Un produttore con poche decine di contratti di fornitura, leasing, licenze software e fatture in italiano, inglese e talvolta arabo, e nessun team legale. La società demo è una calzaturiera immaginaria a Civitanova Marche.
Le scadenze si nascondono nei PDF
Clausole di rinnovo automatico con 60 o 90 giorni di preavviso, le fatture vengono pagate in ritardo e rispondere "che cosa dice il nostro contratto di locazione..." significa aprire i file uno per uno. I chatbot pubblici sono fuori dalla tabella per i dati aziendali.
Risposte fondate sui documenti, scadenze e un agente prudente
Carica i documenti una volta. Sanad estrae i termini, costruisce il registro dei contratti, il calendario e la proiezione del flusso di cassa, risponde alle domande con citazioni verificate e redige promemoria e lettere per l'approvazione.
Percorso nelle schermate.
Una società, una chiave, uno spazio di lavoro isolato
Ogni azienda cliente è un tenant con la propria chiave API. L'accesso apre uno spazio di lavoro che vede solo i documenti di quell'azienda, e lo spazio di lavoro demo è un creatore di scarpe fittizio nelle Marche.

- 1Chiavi memorizzate come hashViene memorizzato solo lo SHA-256 di ogni chiave API. Le mappe chiave di un tenant e i limiti tariffari per ogni richiesta si applicano.
- 2Isolamento nel databaseOgni richiesta viene eseguita in una transazione che passa a un ruolo non privilegiato e imposta l'id del tenant. Senza questa impostazione, le query non restituiscono nulla.
- 3Dati demo realisticiQuattro contratti, due fatture e due polizze in inglese, italiano e arabo, tra cui un contratto di locazione in .docx e una polizze in chiaro.
Gli impegni dell’azienda e le decisioni da prendere
La dashboard trasforma otto documenti in numeri di cui un proprietario si preoccupa: impegni mensili, le prossime scadenze, il denaro in uscita proiettato e quante proposte di agenti sono in attesa.

- 1Impegni, non file€ 16.950 al mese nella demo, calcolata dalle commissioni estratte e dalla frequenza di fatturazione, con un totale di 12 mesi di € 219K.
- 2Scadenze con conto alla rovesciaLe date di scadenza della fattura e l'ultimo giorno per dare preavviso su ogni contratto, ciascuno con i giorni rimanenti e un link alla fonte.
- 3Approvazioni emerseLe proposte di agenti in sospeso vengono conteggiate sul dashboard e sul badge della barra laterale, quindi nulla attende inosservato.
Risposte con la frase e la pagina esatte, oppure nessuna risposta
Fai una domanda in inglese, italiano o arabo. Sanad risponde solo dai file della società e mostra da dove proviene ogni citazione. Se non può sostenere una risposta, lo dice.


- 1Quotazioni verificateOgni citazione viene confrontata con il testo recuperato prima che raggiunga lo schermo. Le citazioni che non corrispondono sono cadute e la fiducia scende.
- 2Tre lingueLo stesso gasdotto risponde in inglese, italiano e arabo, tra cui una domanda araba su una politica araba.
- 3Guardie che si spiegano"Ignora tutte le istruzioni precedenti" viene bloccato prima di qualsiasi chiamata di modello, con i modelli abbinati e il punteggio mostrato invece di un errore silenzioso.
Carica PDF, documenti Word o testo e ottieni dati strutturati
Caricare contratti, fatture e politiche in uno dei quattro formati. Un operatore di background analizza, ritaglia, incorpora e classifica ogni file, quindi estrae i termini che contano.


- 1Tipo rilevato automaticamenteContratto, fattura, polizza o altro, con la lingua rilevata per file. I duplicati vengono catturati dall'hash dei contenuti.
- 2Termini, non riassuntiParti, termine, rinnovo automatico, periodo di preavviso, tariffa e frequenza, termini di pagamento, sanzioni e legge applicabile, ciascuna legata alle pagine da cui proviene.
- 3Valori non plausibili respintiUn periodo di preavviso di 900 giorni o una tassa negativa non raggiunge mai il registro. L'estrazione di nuovo-esecuzione è un clic.
Un registro che conosce l’ultimo giorno utile per disdire
Il registro dei contratti mostra ogni accordo con la sua regola di rinnovo e la data entro la quale deve essere inviata la notifica. Le fatture si siedono accanto ad esso con date di scadenza e totali.


- 1Termine di comunicazione, calcolatoFine del termine meno il periodo di preavviso, regolato per i cicli di rinnovo. È la data in cui il prodotto esiste.
- 2Valore e termini di pagamentoTassa, frequenza di fatturazione e giorni di pagamento per contratto, quindi il flusso di cassa può essere proiettato da loro.
- 3Prova a un clic di distanzaOgni riga rimanda al documento di origine e alle pagine da cui è stato estratto il valore.
Scadenze su un calendario, impegni su un grafico
Le scadenze di notifica, le date di scadenza delle fatture e i promemoria manuali condividono un calendario. La visualizzazione del flusso di cassa prevede dodici mesi di pagamenti in uscita da commissioni contrattuali e fatture aperte.


- 1Promemoria che controlliCreare un promemoria a mano o approvare uno l'agente proposto. I promemoria approvati vengono inviati via e-mail quando SMTP è configurato o registrato.
- 2Proiezione dai terminiI prossimi 12 mesi, la media mensile, il mese di punta e l'importo che dipende dai rinnovi si potrebbe ancora annullare.
- 3Contratti vs fattureOgni mese divide le commissioni fisse del contratto dalle fatture aperte, quindi il proprietario vede quale parte è negoziabile.
Analizza liberamente e chiede conferma prima di agire
Dare a Sanad un obiettivo come "trovare il rinnovo più urgente e redigere una lettera di cancellazione". Un agente LangGraph legge il registro e le scadenze, quindi si ferma con proposte che una persona approva o rifiuta.


- 1Strumenti di lettura in esecuzione, strumenti di azione in attesaI contratti di quotazione e le scadenze vengono eseguiti immediatamente. Creare un promemoria o redigere una lettera diventa una proposta e il grafico si ferma.
- 2L'approvazione può venire giorni dopoLe esecuzioni vengono controllate in Postgres, quindi una decisione può arrivare da un altro processo dopo un riavvio. Le proposte indecise sono state respinte.
- 3Una traccia completaOgni passaggio, tool call, risultato, proposta e decisione viene archiviato e registrato. Le lettere vengono salvate, mai inviate.
Quanto costa ogni risposta, per azienda
I token, i costi e la latenza vengono misurati per ogni chiamata di modello e raggruppati per tenant, operazione e modello. Un registro di audit registra ogni decisione umana e ogni azione eseguita.

- 1Costo per operazioneI passaggi di incorporazione, classificazione, estrazione, risposta e agente vengono misurati separatamente, quindi la parte costosa è ovvia.
- 2Numeri neutrali per il fornitoreLa stessa visualizzazione funziona offline, con OpenAI o un endpoint compatibile con OpenAI dell'UE o con Claude.
- 3Un audit trail per impostazione predefinitaLe approvazioni, i rifiuti e le azioni eseguite sono scritte come eventi di audit, con chi ha deciso e quando.
Valutazione.
Recupero delle fonti · 35 domande con risposta
| Modalità | hit@1 | hit@3 | MRR |
|---|---|---|---|
| Vector solo | 0.91 | 0.97 | 0.95 |
| Solo parole chiave | 0.94 | 1.00 | 0.97 |
| Ibrido (RRF) | 0.94 | 1.00 | 0.97 |
Risposte ed estrazione
| Metric | Punteggio |
|---|---|
| Risposta corretta | 0.94 |
| Precisione di citazione | 0.94 |
| Motivazione | 1.00 |
| Astensione su una risposta | 0.80 |
| Tasso di blocco di prompt injection | 1.00 |
| Precisione del campo di estrazione | 1.00 |
Esperimento · Dimensione dei segmenti e sovrapposizione
| Chunk / sovrapposizione | ibrido hit · 3 | MRR | correttezza |
|---|---|---|---|
| 400 / 60 | 1.00 | 0.94 | 0.86 |
| 800 / 120 | 1.00 | 0.97 | 0.94 |
| 1200 / 180 | 1.00 | 0.97 | 0.91 |
Cosa significano i numeri
I punteggi provengono dal provider offline, quindi ogni esecuzione è gratuita e ripetibile. L'aggiunta di intestazioni di blocchi contestuali ha generato un hit solo vettoriale · 1 da 0,85 a 0,91 e un hit ibrido · 3 da 0,97 a 1,00. Il set d'oro copre inglese, italiano e arabo, domande senza risposta e tentativi di iniezione. I restanti errori sono una domanda cross-linguale e due quasi-miss, e la precisione di estrazione 1.00 è una base di regressione sui documenti del campione, non un reclamo su contratti non visti.
Architettura.
Approfondimenti tecnici.
1. Le citazioni vengono verificate
- Problema
- I modelli linguistici inventano citazioni convincenti. In un prodotto sui contratti, una clausola falsa distrugge la fiducia.
- Approccio
- Il modello cita le fonti numerate. Ogni citazione è normalizzata e abbinata al pezzo recuperato, esattamente o su almeno il 90% dei suoi token per tollerare il rumore OCR. Le citazioni non verificabili vengono eliminate e la fiducia viene abbassata.
- Trade-off
- Una risposta corretta che parafrasi invece di citare può perdere la sua citazione e mostrare una minore fiducia.
2. L’isolamento tra aziende risiede in Postgres
- Problema
- Una perdita tra i contratti di due società terminerebbe il prodotto. "Ricordati di aggiungere WHERE tenant_id" non è un controllo.
- Approccio
- Ogni tabella tenant ha una politica di sicurezza a livello di riga per le letture e le scritture. Ogni richiesta esegue SET LOCAL ROLE a un ruolo non privilegiato e imposta app.tenant_id solo per quella transazione. Un contesto mancante viene chiuso e non restituisce nulla. La suite di test lo dimostra con SELECT grezzi.
- Trade-off
- HNSW esegue la scansione prima e RLS filtra dopo, quindi un piccolo tenant tra molti può ottenere meno di k candidati vettoriali.
3. Approvazione solo dove è importante
- Problema
- Un agente che esamina i contratti è utile. Uno che crea promemoria o scrive ai fornitori da solo è una responsabilità.
- Approccio
- Gli strumenti sono disponibili in due classi. Gli strumenti di lettura vengono eseguiti non appena il modello li chiama. Gli strumenti di azione non vengono mai eseguiti quando vengono chiamati: diventano proposte e il grafico LangGraph si ferma su interrupt(). Stato è checkpointed in Postgres.
- Trade-off
- Fermarsi prima di ogni chiamata di strumento allenerebbe le persone a fare clic su approva senza leggere, quindi le letture innocue vengono eseguite incustodite dal design.
4. Ricerca ibrida, misurata
- Problema
- I documenti aziendali mescolano prosa con identificatori che le incorporazioni gestiscono male: numeri di fattura, IBAN, nomi di fornitori, numeri di clausola.
- Approccio
- La ricerca vettoriale e il testo completo Postgres vengono eseguiti in un'unica istruzione SQL e vengono fusi con la Fusione di rango reciproco. Ogni blocco è incorporato con il suo nome e titolo del documento e ogni risultato mantiene il suo rango di vettore e parola chiave per il debug.
- Trade-off
- Due indici da mantenere. Con incorporamenti lessicali offline, la ricerca di parole chiave da sola è forte come ibrida su questo corpus.
5. I testi recuperati sono input non attendibile
- Problema
- Un'istruzione dannosa può nascondersi all'interno di un documento caricato, non solo nella domanda dell'utente. Anche i dati aziendali non dovrebbero essere lasciati in chiaro.
- Approccio
- La scansione a prompt injection viene eseguita sulla domanda e su ogni blocco recuperato prima che entri nel prompt. IBAN, e-mail, numeri di telefono e codici fiscali italiani vengono mascherati in modo reversibile prima di qualsiasi chiamata di modello esterna e ripristinati nella risposta.
- Trade-off
- Il rilevamento basato su pattern deve essere mantenuto quando compaiono nuovi fraseggi di attacco.
6. Un provider offline integrato nel sistema
- Problema
- Test, eval CI e demo di prima esecuzione non dovrebbero avere bisogno di una chiave API o di denaro, e alcuni clienti richiederanno modelli ospitati nell'UE.
- Approccio
- Ogni attività ha un'implementazione deterministica: incorporazioni lessicali, risposte estrattive, estrazione di regex e una politica di agenti scriptizzati. OpenAI, qualsiasi endpoint UE compatibile con OpenAI o Claude li sostituisce con una variabile di ambiente. I lavori vengono eseguiti da una coda Postgres con SKIP LOCKED.
- Trade-off
- La qualità offline è onesta ma limitata: manca di sinonimi e domande cross-linguali, e il rapporto eval elenca tali mancanze.
Mobile e tema scuro.





Prossimi passi.
Dove si trova
Sanad corre end-to-end con Docker in un solo comando ed è testato contro una società demo realistica. Non ha ancora clienti paganti. Il passo successivo è un pilota con una vera PMI e una serie della stessa suite eval su modelli reali e contratti reali.
Roadmap
OCR per la scansione di PDF e l'analisi di tabelle, la riclassificazione di cross-encoder e la riscrittura di query per domande cross-linguali, l'inoltro di fatture a un tenant inbox e l'importazione di fatture elettroniche italiane (SDI XML), SSO con ruoli per utente e rotazione API-chiave.