استخراج اطلاعات فاکتور فارسی با هوش مصنوعی می‌تواند برای آماده‌سازی جدول خرید، ثبت اولیه اطلاعات یا جست‌وجو در اسناد بررسی شود. اما خواندن چند عدد از تصویر با آماده‌بودن سند برای عملیات مالی تفاوت دارد. خروجی باید مشخص کند هر مقدار از کدام بخش فاکتور آمده، چه ابهامی دارد و چه کسی آن را بازبینی کرده است.
نقطه شروع مناسب برای یک شرکت یا کارخانه، یک نوع فاکتور با خروجی مشخص است؛ مثلاً فاکتور چاپی یک تأمین‌کننده و یک فایل اکسل برای بررسی کارشناس. در محدوده پیشنهادی این مقاله، خروجی صرفاً داده و پیش‌نمایش قابل تأیید است؛ پرداخت یا ثبت خودکار سند حسابداری انجام نمی‌شود.
خروجی استخراج فاکتور دقیقاً شامل چه چیزهایی است؟
OCR متن تصویر را می‌خواند؛ استخراج ساختاریافته باید ارتباط بین عنوان، مقدار و ردیف را هم حفظ کند. برای نمونه، مستندات مدل فاکتور Microsoft Document Intelligence استخراج فیلدهای اصلی و اقلام فاکتور به داده ساختاریافته را توضیح می‌دهد. این قابلیت عمومی، نتیجه یکسان برای همه فاکتورهای فارسی را ثابت نمی‌کند.
| بخش سند | فیلدهای پیشنهادی | کنترل ضروری |
|---|---|---|
| مشخصات سند | شماره، تاریخ، فروشنده، خریدار | حفظ متن اصلی و جلوگیری از جابه‌جایی دو طرف |
| ردیف کالا | کد، شرح، تعداد، واحد، قیمت واحد | حفظ رابطه ستون‌ها و ردیف‌ها |
| مبالغ | مبلغ ردیف، تخفیف، مالیات، جمع نهایی | کنترل محاسبات مطابق ساختار همان سند |
| شاهد استخراج | فایل، صفحه و محل مقدار | امکان بازگشت بازبین به تصویر اصلی |
همه این فیلدها در هر فاکتور وجود ندارند. مقدار غایب باید خالی یا نامشخص بماند؛ مدل نباید شماره سند، کد کالا یا مبلغ را از روی حدس تکمیل کند. متن خام را کنار مقدار استانداردشده نگه دارید تا تبدیل تاریخ، رقم‌ها و جداکننده‌ها قابل پیگیری باشد.
فارسی‌خوانی با شناخت فاکتور فارسی یکسان نیست
پیش از انتخاب ابزار، پشتیبانی متن فارسی و پشتیبانی مدل مخصوص فاکتور را جدا بررسی کنید. برای مثال، فارسی در فهرست زبان‌های OCR مایکروسافت آمده، اما مدل‌های آماده جدول پشتیبانی زبان مستقل دارند. بنابراین انتخاب ابزار باید با آزمون روی قالب، اعداد و زبان اسناد خود شرکت همراه باشد.
در طرح آزمایشی، ترکیب متن فارسی و کد لاتین، رقم‌های فارسی و عربی، جدول چندصفحه‌ای، مهر روی مبلغ و ردیف‌های چندخطی را جداگانه بررسی کنید. تاریخ را نیز با نوع تقویم و متن اصلی حفظ کنید؛ تبدیل خودکار یک تاریخ مبهم می‌تواند اطلاعات نادرست بسازد.
کیفیت تصویر و کنترل عددها
تصویر بریده، تار، کج یا دارای بازتاب نور، ورودی مناسبی برای تصمیم بر پایه عدد نیست. راهنمای رسمی مدل فاکتور نیز عکس واضح یا اسکن باکیفیت را توصیه می‌کند. در فرایند پیشنهادی، سند ناقص پیش از استخراج وارد صف «نیازمند فایل بهتر» می‌شود. عکس‌گرفتن دوباره گاهی از اصلاح چندین فیلد سریع‌تر است.
بعد از استخراج، تعداد ردیف‌های تشخیص‌داده‌شده با سند تطبیق داده شود. مبلغ هر ردیف را بر اساس تعداد، قیمت واحد و ترتیب تخفیف‌های همان فاکتور بررسی کنید؛ سپس جمع ردیف‌ها و تعدیلات را با جمع نهایی بسنجید. واحد پول باید صریح باشد. ریال و تومان را از اندازه مبلغ حدس نزنید و اختلاف ناشی از گردکردن را تنها طبق قاعده ثبت‌شده شرکت بپذیرید.
سناریوی آموزشی فرضی: جمع درست، ردیف نادرست
فرض کنید در یک فاکتور دو ردیف هم‌مبلغ وجود دارد و کد کالاهای آن‌ها جابه‌جا استخراج شده است. جمع نهایی همچنان درست خواهد بود، اما داده کالا غلط است. این سناریوی فرضی نشان می‌دهد کنترل جمع به‌تنهایی کافی نیست؛ شماره ردیف، شرح، تعداد و کد کالا هم باید کنار هم سنجیده شوند. این مثال گزارش اجرای واقعی وب کمک نیست.
امتیاز اطمینان چه چیزی را می‌گوید؟
بعضی ابزارها برای مقدار استخراج‌شده امتیاز اطمینان یا confidence می‌دهند. این امتیاز برآورد مدل است و جای آزمون دقت روی اسناد شرکت را نمی‌گیرد. راهنمای تفسیر دقت و اطمینان مایکروسافت نیز بازبینی انسانی و بررسی امتیازهای بخش‌های مختلف را مطرح می‌کند؛ همه فیلدها الزاماً چنین امتیازی ندارند.
آستانه ثابت و عمومی برای همه فیلدها انتخاب نکنید. خطای شرح کالا، شماره فاکتور و مبلغ نهایی پیامد یکسانی ندارد. در پایلوت، هر فیلد بحرانی باید با تصویر کنترل شود؛ موارد کم‌اطمینان، اختلاف محاسباتی یا سند تکراری نیز به بازبین برسند. خوداظهاری یک مدل زبانی درباره درصد اطمینانش را معیار معتبر کیفیت در نظر نگیرید.
پایلوت را چگونه قابل سنجش تعریف کنیم؟
- یک نوع سند و فهرست فیلدهای ضروری را انتخاب کنید؛ PDF دیجیتال و اسکن را جدا مشخص کنید.
- نمونه‌هایی از حالت‌های عادی و دشوار را با مقدار صحیح هر فیلد برچسب بزنید.
- بخشی از نمونه‌ها را برای آزمون نهایی کنار بگذارید و در تنظیم ابزار استفاده نکنید.
- دقت هر فیلد، کامل‌بودن ردیف‌ها، تعداد اسناد نیازمند اصلاح و زمان بازبینی را ثبت کنید.
- معیار پذیرش و مسئول تأیید را پیش از اتصال به فرایند بعدی مشخص کنید.
برای دقت فیلدی، تعداد مقدارهای درست را بر تعداد مقدارهای مورد انتظار همان فیلد تقسیم کنید؛ فیلد جاافتاده را از مخرج حذف نکنید. قواعد برابری، مثل یکسان‌سازی رقم فارسی و لاتین، از پیش نوشته شوند. همچنین نسبت فاکتورهایی را گزارش کنید که تمام فیلدهای ضروری آن‌ها درست استخراج شده‌اند؛ میانگین خوب ممکن است ضعف یک فیلد مهم را پنهان کند.
حریم داده و محدوده درخواست اجرا
پیش از سپردن اسناد به هر سرویس، محل پردازش، مدت نگهداری، افراد دارای دسترسی و نحوه حذف را روشن کنید. برای ارزیابی اولیه، اطلاعات غیرضروری مانند شماره حساب یا اطلاعات اشخاص را حذف یا پوشانده و تنها نمونه مجاز ارسال کنید. فایل اصلی و خروجی استخراج نیز نباید از طریق لینک عمومی قابل دسترسی باشند.
در بررسی خدمات استخراج اطلاعات از PDF، تعداد اسناد، تنوع قالب، فیلدهای لازم و خروجی مورد انتظار را مشخص کنید. قابلیت اجرا، هزینه و اتصال به سیستم‌های شرکت پس از بررسی نمونه تعیین می‌شود. برای درخواست ارزیابی فاکتورهای شرکت، ابتدا همین مشخصات را بفرستید تا مسیر امن دریافت نمونه و محدوده پایلوت توافق شود.
پرسش و پاسخ
خیر. خواندن متن و تشخیص ارتباط فیلدها و ردیف‌های فاکتور دو قابلیت متفاوت‌اند. زبان و قالب فاکتور باید روی نمونه‌های خود شرکت آزموده شود.
خروجی با نمونه‌های دارای پاسخ صحیح مقایسه می‌شود. دقت هر فیلد، کامل‌بودن ردیف‌ها، درصد اسناد کاملاً صحیح و زمان اصلاح باید جداگانه گزارش شوند؛ امتیاز اطمینان مدل جای این ارزیابی را نمی‌گیرد.
در محدوده پیشنهادی این راهنما خیر. خروجی برای بازبینی و تأیید آماده می‌شود. اتصال به پرداخت یا ثبت حسابداری، پروژه‌ای جدا با قواعد و اختیار مشخص است.
پس از توافق درباره مسیر دریافت، نمونه مجاز از یک نوع فاکتور با حفظ ساختار و حذف اطلاعات غیرضروری آماده کنید. تعداد، قالب فایل، فیلدهای لازم و مقصد خروجی را نیز اعلام کنید.
گفتگو
دیدگاه‌ها و پرسش‌های شما
اگر درباره این نوشته تجربه، سوال یا نکته‌ای دارید، همین‌جا بنویسید تا گفتگو برای خوانندگان بعدی هم کامل‌تر شود.