Il riconoscimento ottico dei caratteri nell’ecosistema Microsoft comprende oggi diverse applicazioni e servizi, da SharePoint a Purview, fino a Copilot. Ogni componente svolge un ruolo diverso, con condizioni di attivazione e limiti specifici. L’OCR Microsoft in Office e SharePoint non si riduce a un’unica funzione: è un insieme di meccanismi che operano in parallelo, talvolta senza che l’utente ne sia consapevole.
OCR per la ricerca e OCR per la conformità in Purview: due meccanismi distinti
Un errore frequente è considerare l’OCR di SharePoint una funzione monolitica. In realtà, coesistono due flussi. Il primo estrae il testo da immagini e documenti digitalizzati per renderli consultabili tramite la ricerca di SharePoint. Il secondo, in Microsoft Purview, analizza le immagini per applicare regole di conformità, in particolare la protezione dalla perdita di dati (DLP).
L’amministratore deve attivare separatamente ciascuno di questi flussi. L’OCR di Purview è facoltativo e richiede una configurazione dedicata: occorre scegliere le posizioni da analizzare e configurare le relative strategie DLP. Attivare l’OCR per la ricerca non significa che le immagini verranno analizzate ai fini della conformità.
Per approfondire il funzionamento dell’OCR Microsoft in Office e SharePoint, è importante prestare particolare attenzione alle differenze di licenza tra questi due utilizzi, poiché determinano ciò che è effettivamente disponibile in ciascun abbonamento.

Indicizzazione di SharePoint: cosa non garantisce l’OCR
Caricare un PDF digitalizzato in una raccolta SharePoint con l’OCR attivato non significa che il documento sarà subito reperibile. L’indicizzazione avviene in background, senza tempi garantiti, in base al carico del servizio e al volume dei contenuti. Non esiste un’impostazione che consenta di forzare un’elaborazione immediata.
Questa latenza ha conseguenze concrete nelle organizzazioni che gestiscono grandi volumi di documenti scansionati. Un ufficio contabile che carica cinquanta fatture digitalizzate potrebbe constatare che alcune non compaiono nei risultati di ricerca prima di diverse ore.
Qualità della scansione e affidabilità dell’estrazione
Microsoft specifica che la qualità dei caratteri e della scansione influisce direttamente sul risultato dell’OCR. Un documento fotografato di sbieco, con illuminazione irregolare o a bassa risoluzione, produrrà un testo estratto incompleto o errato. I moduli compilati a mano presentano un problema simile: l’OCR elabora la scrittura manoscritta, ma il tasso di riconoscimento diminuisce quando la grafia è poco leggibile.
Tre fattori compromettono la qualità dell’estrazione:
- Un contrasto ridotto tra il testo e lo sfondo, frequente nei moduli prestampati o nelle etichette industriali a colori
- Una rotazione o una deformazione del documento, anche lieve, che complica la segmentazione di righe e parole da parte del motore OCR
Copilot e OCR: un ulteriore livello da comprendere
L’arrivo di Copilot in Microsoft 365 aggiunge una nuova dimensione all’elaborazione dei documenti digitalizzati. Copilot può riassumere i PDF, compresi quelli elaborati tramite OCR, e rispondere a domande sul loro contenuto. Questa capacità si basa sul livello di testo estratto: senza un OCR preliminare, Copilot non può leggere un PDF composto esclusivamente da immagini.
La distinzione tra un PDF nativo (generato da un programma di elaborazione testi) e un PDF digitalizzato (ottenuto da uno scanner) resta quindi determinante. Un PDF nativo contiene già il proprio livello di testo. Un PDF digitalizzato senza elaborazione OCR rimane illeggibile sia per Copilot sia per la ricerca di SharePoint.
Limiti noti dell’elaborazione con Copilot
La precisione dell’estrazione varia in base alla lingua e al tipo di documento. I documenti multilingue o quelli che combinano testo stampato e annotazioni manoscritte restano casi limite, per i quali il risultato potrebbe richiedere una verifica manuale.
Copilot funziona in OneDrive, SharePoint, Teams ed Edge, ma l’OCR sottostante dipende dall’attivazione a livello di tenant. Se l’OCR non è configurato nel centro di amministrazione di SharePoint, Copilot non disporrà del livello di testo necessario per elaborare i documenti digitalizzati.

Classificazione dei contenuti storici: un passaggio spesso trascurato
Le organizzazioni che adottano l’OCR di SharePoint si concentrano sui documenti in arrivo. Gli archivi esistenti, che possono contenere migliaia di file già salvati nelle raccolte, non vengono rielaborati automaticamente. La classificazione su richiesta in Purview consente di recuperare il lavoro arretrato, ma richiede un intervento esplicito da parte dell’amministratore.
Questo aspetto viene raramente affrontato nelle guide introduttive. Un’azienda che attiva oggi l’OCR renderà consultabili i documenti futuri, ma i suoi archivi resteranno invariati finché non verrà avviata una rielaborazione. L’impegno necessario dipende dal volume, dal formato e dall’organizzazione dei file esistenti.
Formati supportati dall’OCR di SharePoint
I file che dispongono già di un livello di testo non vengono rielaborati. Questa selettività significa che l’OCR non modifica i PDF nativi e non crea duplicati testuali.
Il funzionamento dell’OCR nell’ecosistema Microsoft si basa su diversi componenti, che devono essere attivati, configurati e monitorati separatamente. Non esiste un unico pulsante che renda consultabili tutti i documenti in una volta sola. La distinzione tra OCR per la ricerca, OCR per la conformità ed elaborazione tramite Copilot determina ciò che ogni utente può effettivamente aspettarsi dal sistema.



