SVS Digital

Praktična upotreba AI-ja u firmama

AI izdvajanje podataka iz dokumenata: prvo uredite postupak provere

AI može da predloži dobavljača, broj dokumenta, datum, iznose i stavke iz fakture, porudžbenice ili formulara. Taj predlog još nije ispravan poslovni zapis. Pre povezivanja sa ERP-om ili knjigovodstvenim programom potreban vam je ograničen postupak koji određuje šta se proverava, ko odlučuje i kada se obrada zaustavlja.

Tim SVS Digital · Objavljeno

Počnite ovde

Počnite jednim tipom dokumenta i malim brojem polja koja možete nezavisno da proverite. Na reprezentativnim istorijskim dokumentima pripremite referentne vrednosti, izmerite greške po polju i iz tih rezultata izvedite pravila za automatsko prihvatanje ili ljudsku proveru. Pregledaču pokažite sliku izvora i kontekst, a pre upisa proverite poslovna pravila i moguće duplikate. U ciljnom sistemu prvo pravite nacrt, ne konačno knjiženje.

1. Ograničite dokumente, polja i odgovornost

Nemojte početi zahtevom da sistem razume sve dokumente. Izaberite jedan tok, na primer ulazne fakture jednog pravnog lica, porudžbenice iz određenog kanala ili standardan formular. Zapišite koji formati, jezici, rasporedi i kanali ulaze, a koji ostaju u ručnoj obradi.

Za svako polje odredite poslovnu namenu i posledicu pogrešne, prazne ili duple vrednosti. Pogrešan opis nije isto što i pogrešan bankovni račun, valuta ili ukupan iznos. NIST preporučuje da se dokumentuju namena, okruženje upotrebe, ograničenja i uloge ljudi u nadzoru. Zato imenujte vlasnika procesa, osobu koja pregleda i odgovornu osobu za promene pravila.

  • Jedan tip dokumenta i jedan poslovni tok za početak.
  • Spisak obaveznih, opcionih i nedozvoljenih polja.
  • Ručni put za dokumente izvan dogovorenog obima.
NIST AI RMF Playbook: Map

2. Napravite reprezentativan referentni uzorak

Referentni skup treba da liči na stvarni ulaz: različiti dobavljači, rasporedi, jezici, skenirani i digitalni PDF dokumenti, više strana, korekcije i slabiji kvalitet slike. Uključite retke ali važne slučajeve, ne samo uredne dokumente. Deo dokumenata sačuvajte za konačnu proveru, da postupak ne ocenjujete samo na primerima na kojima ste ga podešavali.

Dogovorite tačno značenje svakog polja pre označavanja. Datum izdavanja nije datum prometa, a iznos za plaćanje nije uvek osnovica. Za svaki primer čuvajte očekivanu vrednost i mesto na dokumentu. Google opisuje precision, recall i F1 po oznaci i za sve oznake zajedno. Zbog toga rezultate proveravajte po polju: česta polja ne smeju da sakriju loš rezultat retkog, ali važnog podatka.

  • Primeri čestih dobavljača i rasporeda.
  • Lošiji skenovi, rotirane strane i višestrani dokumenti.
  • Ručno potvrđena očekivana vrednost za svaki primer.
Google Cloud Document AI: procena rezultataNIST AI RMF Playbook: Map

3. Postavite pravila prihvatanja po polju

Ocena pouzdanosti je signal modela, a ne dokaz da je vrednost tačna. Različita polja mogu da zahtevaju različite pragove, a Microsoft navodi da ne vraćaju sva polja ocenu pouzdanosti. Pragove zato nemojte prepisivati iz prezentacije dobavljača. Izvedite ih iz rezultata na sopstvenim istorijskim dokumentima i posledice moguće greške.

Viši prag obično povećava preciznost prihvaćenih predviđanja, ali može da pošalje više tačnih vrednosti na proveru ili da ih izostavi. Kritična polja zato traže stroži put. I vrednost sa visokom ocenom ide na proveru ako krši poslovno pravilo, na primer ako se zbir stavki ne slaže sa ukupnim iznosom. Ako polje nema upotrebljivu ocenu, zahtevajte dodatnu validaciju ili ljudsku potvrdu.

  • Posebno pravilo za svako kritično polje.
  • Automatsko prihvatanje samo kada prolaze i ocena i validacija.
  • Ponovna provera posle promene modela, pravila ili ulaznih dokumenata.
Google Cloud Document AI: pregled izdvajanja podataka po meriGoogle Cloud Document AI: procena rezultataMicrosoft Learn: tumačenje tačnosti i ocena pouzdanosti

4. Pregledaču pokažite izvor, kontekst i razlog

Osoba koja pregleda dokument ne treba da vidi samo prepisanu vrednost. Prikažite sliku strane, označeno mesto izvora, predloženu i normalizovanu vrednost, susedni tekst, ocenu pouzdanosti kada postoji i razlog za proveru. Za tabelarne stavke prikažite red i kolonu, jer izdvojena ćelija bez zaglavlja često nema dovoljno značenja.

Red sortirajte prema posledici i roku, ne samo prema vremenu prijema. Dokument sa novim bankovnim računom ili neusaglašenim ukupnim iznosom ide pre manje važne napomene. Pregledač treba da može da potvrdi, ispravi, označi da podatak nedostaje, odbije ili prosledi dalje. Za svaku odluku čuvajte podatke o korisniku, vremenu, prvobitnoj i novoj vrednosti i razlogu.

  • Izvorna slika i jasno označeno mesto vrednosti.
  • Razlog zbog kog je stavka poslata na proveru.
  • Trag ko je odlučio i šta je promenjeno.
Google Cloud Document AI: pregled izdvajanja podataka po meriMicrosoft Learn: tumačenje tačnosti i ocena pouzdanostiNIST AI RMF Playbook: Map

5. Dodajte validaciju, zaštitu od duplikata i stanja upisa

Pre slanja u ERP ili knjigovodstvo proverite format i međusobno slaganje podataka. Tipična pravila obuhvataju važeći datum, dozvoljenu valutu, partnera u šifarniku, obračun osnovice i poreza, zbir stavki i dozvoljena odstupanja. Pravilo treba da vrati razumljiv razlog, ne samo opštu oznaku greške.

Moguće duplikate tražite pomoću više pokazatelja, na primer dobavljača, broja dokumenta, datuma, iznosa i otiska datoteke. Koristite jedinstveni ključ zahteva da ponovljeni tehnički poziv ne napravi novi zapis. Sumnjiv duplikat pošaljite na odluku umesto da ga bez objašnjenja odbacite ili upišete.

Koristite jasna stanja: primljen, izdvojen, zahteva proveru, potvrđen, spreman za upis, upisan, odbijen i greška pri upisu. Potvrda podatka nije isto što i uspešan upis. U prvom pilotu pravite nacrt ili međuzapis. Konačno knjiženje, plaćanje ili poreska prijava ostaju van postupka dok za njih ne postoje posebna odobrenja i provere.

  • Provere formata, poslovnih pravila i zbirova.
  • Višedelni ključ za otkrivanje mogućeg duplikata.
  • Jasna stanja i dozvoljeni prelazi između njih.

6. Pratite kvalitet, usaglasite rezultate i zadržite mogućnost zaustavljanja

Pratite broj dokumenata, udeo polja poslatih na proveru, vreme čekanja, ispravke po polju, odbijanja, duplikate i greške pri upisu. Rezultate razdvojite po tipu dokumenta, dobavljaču, kanalu, kvalitetu ulaza i verziji modela. Periodično usaglasite primljene datoteke, završene slučajeve i zapise u ciljnom sistemu. Pregledajte i uzorak automatski prihvaćenih vrednosti, jer red za proveru prikazuje uglavnom već prepoznate nejasne slučajeve.

Izdvajanje podataka ne potvrđuje da je dokument autentičan, dobavljač ovlašćen, trošak odobren ili poreski tretman ispravan. Ne zamenjuje računovodstvenu procenu, razdvajanje dužnosti, bezbednosne provere, pravila čuvanja ili obaveze zaštite podataka. Ocena pouzdanosti takođe ne otkriva svaku uverljivu, ali pogrešnu vrednost.

Prvi pilot zato vodite uporedo sa postojećim postupkom i bez automatskog konačnog knjiženja. Unapred odredite uslove za nastavak i razloge za zaustavljanje. Ako poraste broj ispravki, novi raspored izađe iz obima ili usaglašavanje ne uspe, zaustavite automatski upis za taj segment i ponovite proveru.

  • Redovan uzorak automatski prihvaćenih vrednosti.
  • Usaglašavanje izvora, potvrđenog zapisa i ciljnog sistema.
  • Rezervni ručni postupak i mogućnost trenutnog zaustavljanja.
Google Cloud Document AI: procena rezultataMicrosoft Learn: tumačenje tačnosti i ocena pouzdanostiNIST AI RMF Playbook: Map

Izvori i dodatna literatura

Još vodiča

Šta želite da napravite za svoju firmu?

Izaberite gde vam je potrebna pomoć. Poslaćemo vam sažetak mejlom i javiti se o sledećem koraku.

Uroš Jovanović

Osnivač · SVS Digital

Zdravo, ja sam Uroš.

Osnivač sam kompanije SVS Digital. Za firme dizajniramo i razvijamo digitalna rešenja po meri.

Kakvo rešenje vam je potrebno?

Vaš odgovor