Audit Automator: Pipeline multilingv de analiză a auditurilor publice
01 Provocarea
Instituțiile publice de audit publică informații valoroase despre cheltuieli guvernamentale, achiziții, infrastructură, sănătate, fraudă și performanță instituțională. Totuși, rapoartele sunt distribuite pe site-uri, sisteme de publicare, fluxuri RSS, limbi și formate PDF diferite.
Monitorizarea manuală generează mai multe probleme:
• Surse neuniforme: fiecare instituție publică rapoartele într-un mod diferit.
• Acces indirect la documente: linkurile PDF pot fi ascunse în paginile rapoartelor.
• Rapoarte lungi și multilingve: verificarea și traducerea lor necesită mult timp.
• Formate PDF diferite: documentele digitale și cele scanate necesită metode distincte de procesare.
• Muncă editorială repetitivă: rezumatele, constatările, cifrele și digesturile trebuie pregătite separat.
• Procesare duplicată: rapoartele deja descoperite trebuie memorate între rulări.
• Integrări externe fragile: erorile serviciilor AI, Google Sheets sau e-mail nu trebuie să oprească întregul flux.
Proiectul necesita mai mult decât un scraper simplu. Era nevoie de un pipeline persistent și tolerant la erori, capabil să proceseze surse eterogene și să genereze rezultate editoriale structurate.
02 Soluția
Am proiectat și dezvoltat Audit Automator, un pipeline Python care monitorizează 12 instituții publice de audit și transformă rapoartele nou publicate în informații structurate în limba română.
Platforma include:
• Adaptoare dedicate surselor: fiecare instituție are propriul scraper, construit pe un strat comun de extracție și normalizare.
• Execuție zilnică controlată: sursele sunt procesate concurent, cu limite, întârzieri, retry-uri și izolare a erorilor.
• Deduplicare persistentă: rapoartele deja descoperite sunt memorate și excluse din rulările ulterioare.
• Procesarea PDF-urilor: sistemul identifică documentele directe, extrage textul digital și marchează fișierele scanate care necesită OCR.
• Analiză AI structurată: rapoartele sunt transformate în rezumate, constatări, cifre, recomandări, comparații și conținut social în limba română.
• Livrare rezilientă: rezultatele sunt salvate în Google Sheets, cu fallback local în JSON și HTML.
• Raportare operațională: digestul include și starea fiecărei surse monitorizate.
Erorile sunt izolate la nivel de sursă, raport și livrare, astfel încât restul procesării poate continua fără pierderea rezultatelor finalizate.
03 Impactul în business
Audit Automator înlocuiește un proces manual și fragmentat cu un flux zilnic repetabil pentru descoperirea, procesarea, analizarea și distribuirea rapoartelor de audit public.
Platforma oferă mai multe beneficii:
• Mai puțină monitorizare manuală: editorii nu mai trebuie să verifice zilnic aceleași site-uri.
• Date consecvente: site-urile, fluxurile RSS și PDF-urile sunt normalizate într-o singură structură.
• Triere mai rapidă: sistemul diferențiază documentele utilizabile, scanările, linkurile lipsă și erorile.
• Conținut reutilizabil: fiecare raport poate genera rezumate, constatări, cifre, comparații și conținut social.
• Fără procesare duplicată: rapoartele deja analizate nu sunt procesate din nou.
• Vizibilitate operațională: editorii pot vedea rapoartele noi și starea fiecărei surse.
• Rezultate protejate: fallbackurile locale păstrează datele când serviciile externe nu sunt disponibile.
• Extindere simplă: pot fi adăugate instituții noi fără reconstruirea întregului sistem.
Rezultatul este un sistem editorial asistat de AI și supravegheat de oameni, care reduce munca repetitivă și păstrează interpretarea și publicarea finală sub control uman.
Galeria proiectului
Folosește săgețile, punctele, tastatura sau glisarea pentru navigare.
