Рахунок постачальника містить суму оплати, податкові реквізити й рекламний текст. Якщо налаштований процес переносить розпізнане без розбору, оператору доводиться очищати результат. Власнику процесу потрібно визначити цільові поля, окремо перевірити валюту та задати умови, за яких документ зупиняється для ручного уточнення.

Операційна вартість надмірного вилучення даних

Оптичне розпізнавання повертає текст документа, але саме по собі не визначає, які дані належать до полів ERP. В одному PDF можуть бути платіжні реквізити, рекламні гасла та гарантійні умови. Якщо інтеграція переносить ці блоки без правил зіставлення, помилки виникають на етапі заповнення форми. Тому окремо тестують якість розпізнавання й правильність вибору цільового поля.

Безпосереднім наслідком такого підходу стає засмічення форми прийому даних. Оператор, якому доручено перевірити рахунок, змушений вручну очищати поле призначення платежу від рекламних повідомлень. Йому також доводиться виправляти суму, якщо система помилково розпізнала номер телефону як фінансовий показник. Якщо гарантійний пункт потрапляє в поле назви постачальника, це ламає подальші звіти з повірки взаєморозрахунків. Замість прискорення процесу, компанія створює новий вид рутинної роботи — редагування надлишкових даних та очищення бази даних ERP.

Щоб усунути цю неефективність, власник процесу повинен змінити конфігурацію з тотального зчитування на цільове вилучення. Завдання полягає в тому, щоб знайти конкретні значення, необхідні для ініціації платежу, і проігнорувати все інше. Це рішення вимагає чіткого визначення того, які саме поля є критичними для подальшої обробки, а які дані повинні систематично відкидатися до того, як вони потраплять до фінансової книги.

Джерела: [1]

Встановлення меж для моделі вилучення ШІ

Обмежене вилучення даних означає, що штучний інтелект отримує сувору інструкцію: шукати лише ідентифікатор постачальника, номер рахунку, дату складання, загальну суму, валюту та суму ПДВ. Модель налаштовується таким чином, щоб ідентифікувати ці параметри незалежно від того, де вони розташовані на сторінці або як саме постачальник їх назвав, хоча екстремальні відхилення у верстці або накладання тексту можуть об'єктивно унеможливити розпізнавання. Система розпізнає, що терміни «Разом до сплати», «Всього» та «Загальна вартість» функціонують як синоніми для поля загальної суми, при цьому ігноруючи сусідні абзаци.

Цей підхід фундаментально відрізняється від традиційного оптичного розпізнавання символів. Інтелектуальна обробка документів передбачає витягування конкретних точок даних на основі контексту, а не механічне зчитування тексту за координатами. Наприклад, якщо один PDF-файл містить договір, два додатки та рахунок, функція AI-розділення спочатку відокремлює рахунок в окремий запис. Потім ШІ аналізує контекст навколо цифр, щоб відрізнити фактичну дату рахунку від дати закінчення дії рекламної акції, надрукованої внизу документа.

Власник процесу документує межі вилучення у вимогах до системи, щоб критерії приймання вимагали фактичного тестування. Текст, що не відповідає критеріям цільових полів, залишається видимим на зображенні документа, але не переноситься до бази даних. Такий підхід підтримує перевірку того, чи форма прийому в ERP-системі містить лише інформацію, яка впливає на визнання кредиторської заборгованості.

Джерела: [1]

Оцінка впевненості та маршрутизація на ручну перевірку

Навіть за чітко встановлених меж, штучний інтелект не може однозначно ідентифікувати потрібне поле в кожному сценарії. Рахунок може бути пошкоджений під час сканування, або постачальник може використати вкрай нестандартний формат, який заплутує модель вилучення. Згідно з настановами щодо управління ризиками штучного інтелекту, організації повинні керувати ризиками, пов'язаними з використанням ШІ у фінансових процесах, і запобігати безконтрольному вгадуванню значень алгоритмами.

Для вирішення цього застосовується механізм оцінювання результатів, який перевіряє якість вилучення і визначає рівень впевненості у знайденому значенні. Власник процесу встановлює суворий поріг, наприклад, 95 відсотків. Якщо ШІ впевнений у розпізнаній загальній сумі на 98 відсотків, він заповнює поле у формі прийому. Якщо рівень впевненості падає до 85 відсотків через розмите сканування, поле залишається порожнім, а система підсвічує відсутні дані для оператора.

Цей механізм поєднує автоматизовану обробку з людським наглядом, вимагаючи тестування поведінки системи у сумнівних ситуаціях. ШІ не приймає рішення про правильність розпізнаної цифри для обліку, а лише пропонує ймовірне значення на основі параметрів. Остаточна валідація залишається за оператором, який зупиняє процес у разі невизначеності або відсутності підтвердження.

Джерела: [1], [2]

Обробка винятків: рукописні позначки на рахунках

Окремим операційним викликом для систем вилучення даних є наявність рукописних позначок. У логістиці та складському обліку на самих рахунках часто залишають рукописні анотації від персоналу, який приймає товар. Ці позначки можуть вказувати «недопоставлено 2 одиниці», «пакування пошкоджено» або містити вручну виправлені підсумки. Якщо ШІ налаштований виключно на вилучення друкованого тексту, він проігнорує ці критичні операційні зауваження, що потенційно призведе до повної оплати за неповну поставку.

Правильне операційне рішення полягає не в тому, щоб намагатися навчити ШІ розпізнавати почерк різних комірників і автоматично коригувати суму до сплати. Такий підхід створює неприйнятний фінансовий ризик. Натомість система налаштовується на виявлення самої присутності рукописного тексту на документі. Якщо ШІ фіксує рукописні анотації, він припиняє спроби автоматичного вилучення даних і маркує документ як виняток.

Такий документ направляється у виділену чергу для ручного опрацювання. Оператор переглядає рахунок, читає зауваження комірника і самостійно приймає рішення про необхідність формування акту розбіжностей або запиту на кредит-ноту від постачальника. Це зберігає контроль над фінансовими зобов'язаннями в руках уповноваженого персоналу.

Порівняння конфігурацій для обробки рукописних позначок
Порівняння конфігурацій для обробки рукописних позначок
Вибір конфігурації Умова спрацьовування Дія системи Операційний ризик
Необмежене розпізнавання (OCR)Виявлено будь-який текстВилучає весь текст у поля ERPЗасмічена база даних, що потребує ручного очищення
Обмежене вилучення (лише друк)Ідентифіковано цільові поляЗаповнює лише цільові поляПропуск рукописних коригувань на документі
Обмежене вилучення з виявленням аномалійВиявлено рукописний текстЗупиняє вилучення, направляє в чергу винятківПотребує виділеного часу оператора на перевірку

Налаштування форми прийому та перевірка людиною

Критерієм прийняття для успішного впровадження обмеженого вилучення є стан форми прийому в ERP-системі. Коли оператор відкриває завдання, він бачить на екрані дві панелі: оригінальне зображення рахунку з одного боку та структуровану форму, де заповнені лише цільові поля, з іншого. Усі інші поля залишаються порожніми, а маркетинговий текст постачальника виключений з полів введення даних.

Завдання оператора зводиться до швидкого візуального порівняння розпізнаних цифр із зображенням. Якщо ШІ коректно вилучив дані, оператор натискає кнопку підтвердження. Ця дія фіксується в журналі аудиту як доказ того, що конкретний працівник перевірив і затвердив дані для подальшого бухгалтерського обліку. Журнал фіксує мітку часу, ідентифікатор користувача та початкову оцінку впевненості ШІ порівняно з остаточним затвердженим значенням. Вилучення даних не дорівнює валідації даних, і система повинна фіксувати, хто прийняв пропозицію машини.

Підтвердження форми прийому не є дозволом на виконання банківського переказу, а лише завершує етап первинного введення даних. Після цього налаштований робочий процес переводить документ на етапи перевірки відповідності замовленню та бюджетного контролю. Розділення цих етапів підтримує перевірку того, чи автоматизація рутинних завдань відповідає принципам фінансового контролю.

Реалізація обмеженого вилучення як вимоги до конфігурації

Реалізація описаного процесу вимагає системи, яка дозволяє налаштовувати маршрути документів та інтегрувати функції ШІ як окремі кроки. Оскільки Scriptum є low-code платформою для автоматизації процесів, інтеграція обмеженого вилучення даних має розглядатися як вимога до приймального тестування запропонованої конфігурації. Коли файл надходить до системи, налаштований етап AI-розпізнавання застосовує встановлені межі та пороги впевненості перед передачею даних на наступний крок маршруту.

Тестування має перевірити, що якщо документ відповідає критеріям і не містить рукописних винятків, система автоматично формує картку документа, заповнюючи цільові поля лише за умови досягнення порогу впевненості, та направляє її оператору. Базове впровадження такого процесу управління документами може зайняти близько двох місяців. Це час, необхідний для налаштування маршрутів, визначення цільових полів та тестування системи на реальних рахунках компанії.

Фінансовий керівник повинен вимагати від команди впровадження чіткої демонстрації того, як налаштована система реагує на нестандартні рахунки та рукописні позначки. Остаточне рішення про перехід до промислової експлуатації приймається лише після того, як тестування надійно підтвердить, що ШІ ігнорує зайвий текст і коректно маршрутизує винятки до уповноважених працівників.

Джерела: [1], [3]

Контрольний список

  • Складіть вичерпний перелік цільових полів (наприклад, ідентифікатор постачальника, номер, дата, сума, валюта, ПДВ), які ШІ повинен вилучати з рахунків.
  • Встановіть порогове значення впевненості ШІ, нижче якого поля залишатимуться порожніми для ручного заповнення.
  • Налаштуйте правило маршрутизації, яке направляє документи з виявленим рукописним текстом у чергу винятків.
  • Проведіть тестування на вибірці реальних рахунків постачальників (орієнтовний обсяг визначається локально власником процесу), щоб перевірити, чи ігнорується маркетинговий текст.
  • Задокументуйте процедуру візуальної перевірки форми прийому оператором, переконавшись, що журнал аудиту фіксує затвердження людиною.

Запитання та відповіді

Чи потрібно навчати ШІ на форматах рахунків кожного окремого постачальника?

Ні, сучасні моделі інтелектуальної обробки документів зазвичай здатні знаходити цільові поля за контекстом у більшості стандартних дизайнів, хоча екстремальні відхилення у верстці або накладання тексту об'єктивно можуть унеможливити контекстне розпізнавання.

Що відбувається, якщо постачальник надіслав рахунок у вигляді сканованого зображення низької якості?

Якщо якість зображення не дозволяє ШІ досягти встановленого порогу впевненості при розпізнаванні певного цільового поля, система залишить лише це конкретне поле порожнім і підсвітить його для оператора, перенісши інші впевнено розпізнані дані для ручного дозаповнення.

Чи може ШІ самостійно виправляти математичні помилки в рахунках постачальників?

Завдання ШІ на етапі вилучення — точно перенести те, що написано в документі. Перевірка математичної коректності, наприклад, чи відповідає вилучений ПДВ загальній сумі, здійснюється на наступному етапі валідації в ERP-системі.

Джерела

  1. AI-розділення, пошук та резюме документів у Scriptum.DMS
  2. AI Risk Management Framework | NIST
  3. Управління договорами - InBase

Переглянути відповідну послугу ↗