Il problema dei tradizionali strumenti di contabilità fornitori

I sistemi tradizionali per la contabilità fornitori e l’elaborazione delle fatture costringono spesso le aziende a scegliere tra due estremi: accelerare i processi con l’automazione dell’IA, rischiando di perdere il controllo, oppure mantenere una supervisione manuale, lenta e noiosa. H6.ai è nata per risolvere questo dilemma, offrendo una soluzione che combina velocità, precisione e trasparenza.

Il cuore della piattaforma è l’automazione della contabilità fornitori sfruttando l’ERP già in uso dall’azienda. Il motore legge ogni fattura, la associa all’ordine di acquisto corrispondente, assegna le righe ai conti corretti e verifica la conformità rispetto alle politiche interne.

Approccio ibrido: IA assistita e esecuzione deterministica

H6.ai adotta un approccio che unisce la comprensione assistita dall’intelligenza artificiale con un’esecuzione delle politiche approvata, deterministica e verificabile. Questo permette di automatizzare il lavoro senza sacrificare la governance finanziaria.

Le sfide dei test di regressione su larga scala

Nel settore della contabilità fornitori non esistono due clienti uguali: ognuno ha ERP, fornitori, ordini di acquisto, piano dei conti e politiche propri. Le fatture possono variare da una singola riga a centinaia di righe, e i dati cambiano continuamente.

Ad esempio, alle 10:00 una fattura può corrispondere a un ordine di acquisto aperto con quantità residua sufficiente. Nel pomeriggio lo stesso ordine potrebbe essere parzialmente evaso, modificato o chiuso, facendo cambiare il risultato dell’elaborazione anche se il codice non è stato modificato. Questo rende i test di regressione particolarmente difficili: quando un risultato varia, è necessario capire se la variazione è dovuta a una modifica del codice o a un cambiamento nei dati del cliente.

Isolamento dei dati e necessità di scalabilità

Il team di ingegneri di H6.ai aveva bisogno di una soluzione scalabile che isolasse i dati dei clienti e consentisse di indagare rapidamente sugli errori. Dopo aver valutato l’architettura di Lakebase, che separa storage dal compute, scala il compute inattivo a zero e supporta il branching, è stata scelta come sistema di record principale per la piattaforma.

Lakebase Postgres: un database dedicato per ogni cliente

Oggi, ogni cliente di H6.ai dispone di un database Lakebase Postgres dedicato. Questo database contiene l’intero contesto finanziario del cliente: ordini di acquisto e fornitori sincronizzati dall’ERP, piano dei conti, dimensioni, transazioni storiche e le politiche H6 specifiche. Un database per cliente mantiene i dati isolati, evitando contaminazioni tra clienti diversi.

Una caratteristica chiave è la possibilità di congelare snapshot. Un branch Lakebase è una copia copy‑on‑write di un database in un determinato momento: la creazione del branch non copia dati, ma condivide lo storage con il genitore, memorizzando solo le modifiche successive.

Gestione dei problemi con i branch snapshot

Quando si individua una fattura gestita in modo errato, si crea un branch del database del cliente e lo si conserva come snapshot. L’ordine di acquisto rimane aperto nello snapshot con le stesse quantità e prezzi, anche se l’ERP lo ha chiuso successivamente. Lo stesso vale per fornitori, conti, dimensioni, cronologia e impostazioni delle politiche. In questo modo non è più necessario ricreare manualmente le condizioni che hanno generato il problema: le si conserva integralmente.

Il test harness basato su branch

Ogni riquadro nella “fascia in evidenza” è un branch dello stesso database del cliente. L’harness crea un branch del database attivo una sola volta per acquisire lo snapshot e non vi scrive mai. Tutto ciò che un test scrive rimane sul proprio branch di esecuzione e viene eliminato insieme ad esso.

Un caso di test abbina una fattura a uno snapshot e al risultato atteso: ordine di acquisto di riferimento, conti di destinazione delle righe e eventuale necessità di revisione. L’esecuzione del test segue quattro passaggi:

Un piano di test può combinare casi provenienti da molti clienti, ERP e formati di fattura, ciascuno eseguito rispetto al proprio database congelato. Poiché ogni esecuzione parte dallo stesso stato, il test produce lo stesso risultato oggi, la prossima settimana e il prossimo trimestre.

Isolamento vs mock: la differenza fondamentale

Non si effettua il mock del database o della pipeline: l’isolamento fornito dai branch svolge questo compito. Tutto ciò che un test scrive (elementi di revisione, risultati di convalida, bozze di documenti) finisce sul branch di esecuzione e viene eliminato con esso. Un test non invia mai dati all’ERP del cliente e il database attivo non viene mai modificato.

Benefici per una piattaforma finanziaria

Questa architettura consente di effettuare test su copie dei dati di produzione dei clienti utilizzando gli stessi percorsi di codice della produzione, mantenendo intatti i libri contabili. La gestione dei branch utilizza service principal dedicati con privilegi minimi, e le protezioni dei branch impediscono qualsiasi modifica al branch attivo del cliente.

Verificare che una fattura sia stata elaborata non è sufficiente: è necessario accertarsi che sia stata abbinata all’ordine corretto, assegnata ai conti giusti e conforme alle politiche. Solo così si può affermare che il risultato sia corretto, non solo che l’elaborazione sia terminata.

Regressioni controllate e miglioramenti continui

Grazie a questo approccio, H6.ai può provare nuovi modelli di estrazione, ridurre i costi e modificare i motori di abbinamento e di policy, individuando regressioni su casi reali prima che arrivino in produzione. Ogni problema riscontrato viene trasformato in un caso di test permanente: lo snapshot, la fattura e il risultato atteso rimangono nel repository di test, accrescendo la copertura man mano che si aggiungono clienti, ERP e formati di fattura.

Le quattro componenti chiave di Lakebase Postgres

Lakebase Postgres fornisce quattro elementi su cui H6.ai fa affidamento:

    • Branching istantaneo: crea copie isolate in tempo reale senza duplicare dati.
    • Scale‑to‑zero: il compute si spegne quando inattivo, riducendo i costi.
    • Read replica e alta disponibilità: garantiscono performance e resilienza.
    • Integrazione con Unity Catalog: gestisce sicurezza e governance a livello di dati.

Per H6.ai, il database branching di Lakebase non è solo una comodità infrastrutturale: è la base su cui si costruisce un’automazione finanziaria basata sull’IA di cui i clienti possono fidarsi.

Prospettive future: Lakehouse//RT e query analitiche

In futuro, H6.ai prevede di sfruttare le query Lakehouse//RT sulle tabelle Lakebase, che consentiranno di eseguire query analitiche di sola lettura senza copiare i dati. Questo permetterà di ottenere analisi aggiornate in tempo reale senza dover gestire pipeline di ETL.

Per approfondire il lavoro di H6.ai, è possibile visitare il sito web aziendale; per capire meglio il database branching con Lakebase Postgres, è consigliato guardare il video dedicato.

Cos’è un lakebase?

Un lakebase è un database transazionale che conserva i dati su un data lake, pensato per stack di applicazioni moderni basati su agenti. A differenza dei database tradizionali, che girano su macchine singole, un lakebase esegue un motore stateless e mantiene i dati in uno storage cloud a oggetti durevole, permettendo al compute di scalare autonomamente e allo storage di essere utilizzato su richiesta.

Lakebase Postgres: caratteristiche e casi d’uso per l’IA

Lakebase Postgres è un database Postgres serverless e completamente gestito, integrato nella piattaforma Databricks. È usato per creare applicazioni transazionali in tempo reale insieme ai dati lakehouse, includendo:

È particolarmente adatto ai casi d’uso dell’IA: funge da backend per la memoria degli agenti e per il feature serving in tempo reale. Gli agenti possono archiviare lo stato delle conversazioni e la memoria a lungo termine in Postgres, mentre i modelli leggono dati di feature a bassa latenza tramite feature store online basati su Lakebase. Il branching semplifica il testing dei sistemi di IA, come dimostra H6.ai nella riproduzione di casi di fatture reali su snapshot congelati.

Branching come Git per i dati

Un branch di Lakebase è una copia istantanea e isolata di un database, molto simile a un branch di Git per i dati. Utilizza la copia in scrittura (copy‑on‑write): il nuovo branch condivide lo storage con il parent e solo i dati modificati vengono scritti separatamente. Di conseguenza, i branch compaiono istantaneamente, indipendentemente dalle dimensioni del database, e crearne uno non rallenta la produzione.