OCR z AI a klasyczny OCR: czym się różnią przy odczycie dokumentów

OCR, czyli rozpoznawanie tekstu na obrazach, istnieje od lat. Dlaczego więc dopiero teraz automatyczne wprowadzanie faktur i dokumentów zaczyna działać naprawdę dobrze? Odpowiedzią jest połączenie OCR ze sztuczną inteligencją.

Różnica nie jest kosmetyczna. Zmienia to, ile pracy trzeba włożyć w uruchomienie systemu, jak reaguje on na nowe wzory dokumentów i kto w firmie musi go pilnować. Poniżej porównujemy oba podejścia na tym samym zadaniu: odczycie faktury kosztowej i przeniesieniu jej do systemu ERP.

Klasyczny OCR: dobry w czytaniu, słaby w rozumieniu

Tradycyjny OCR zamienia obraz na tekst, ale nie rozumie, co ten tekst oznacza. Żeby wyciągnąć numer faktury czy kwotę, trzeba było przygotować szablon dla każdego układu dokumentu. Gdy dostawca zmienił wzór faktury, szablon przestawał działać.

Szablon to w uproszczeniu mapa: „numer faktury jest w prawym górnym rogu, w prostokącie o takich współrzędnych”, „kwota brutto jest w ostatnim wierszu tabeli”. Przy kilku stałych dostawcach to działa. Przy kilkuset kontrahentach ktoś musi te mapy tworzyć i poprawiać, a każdy przesunięty o centymetr nagłówek kończy się pustym polem albo, co gorsze, wpisaniem złej wartości.

Klasyczny OCR ma też kłopot z dokumentami, które nie mieszczą się w schemacie. Tabela pozycji przechodząca na drugą stronę, pieczątka nachodząca na kwotę, skan zrobiony telefonem pod kątem: każda taka sytuacja obniża skuteczność, a system nie wie, że się pomylił.

OCR z AI: odczyt oparty na zrozumieniu dokumentu

Modele AI rozumieją strukturę dokumentu. Rozpoznają, gdzie jest sprzedawca, nabywca, pozycje i suma, nawet w nieznanym wcześniej układzie. Radzą sobie z tabelami, wieloma stronami i dokumentami w obcych językach.

Działa to podobnie do tego, jak fakturę czyta księgowa. Nie szuka kwoty w konkretnym miejscu kartki, tylko rozpoznaje ją po kontekście: słowo „Razem” lub „Do zapłaty”, waluta, wartość zgodna z sumą pozycji. Model AI robi to samo na podstawie tysięcy dokumentów, na których był trenowany. Dzięki temu nowy dostawca nie wymaga przygotowania szablonu, a zmiana wzoru faktury zwykle nic nie psuje.

AI potrafi też sprawdzić spójność odczytanych danych: czy suma netto i VAT daje brutto, czy NIP ma poprawną sumę kontrolną, czy data sprzedaży nie jest późniejsza niż data wystawienia. Klasyczny OCR tego nie robi, bo traktuje każde pole osobno.

Porównanie na jednej fakturze

Weźmy typową sytuację: do firmy trafia PDF od nowego dostawcy z Niemiec, dwustronicowy, z rabatami przy części pozycji.

• Klasyczny OCR odczyta tekst, ale bez szablonu nie przypisze go do pól. Ktoś musi przygotować nowy wzór albo przepisać dane ręcznie.
• OCR z AI rozpozna sprzedawcę i nabywcę, odczyta pozycje z obu stron, przetłumaczy nazwy kolumn i pokaże wynik do akceptacji, oznaczając pola, co do których nie ma pewności.

Na stałych, powtarzalnych dokumentach od kilku dostawców różnica bywa niewielka. Rośnie razem z liczbą kontrahentów i różnorodnością wzorów.

Kto w firmie pilnuje systemu

Przy klasycznym OCR potrzebna jest osoba, która zna narzędzie do tworzenia szablonów i reaguje, gdy kolejny dostawca zmieni wzór. W praktyce często jest to ktoś z IT albo zewnętrzny serwisant, a księgowość czeka, aż szablon zostanie poprawiony. Przy OCR z AI ciężar przesuwa się na osobę, która weryfikuje wyniki: księgowa poprawia błędnie odczytane pole, a system zapamiętuje poprawkę przy kolejnych dokumentach od tego kontrahenta. Zmienia się więc nie tylko skuteczność, ale też to, kto ma wpływ na jakość odczytu.

Ograniczenia OCR z AI

AI nie jest nieomylna. Słabej jakości skan, ręczne dopiski czy nietypowe skróty branżowe nadal prowadzą do błędów. Dlatego dobre rozwiązanie nie ukrywa niepewności, tylko pokazuje ją użytkownikowi. Druga sprawa to dane: dokumenty zawierają dane kontrahentów, a czasem osób fizycznych, więc trzeba wiedzieć, gdzie są przetwarzane. Więcej o tym piszemy w tekście o bezpieczeństwie danych przy wdrażaniu AI.

Na co zwrócić uwagę przy wyborze

• czy rozwiązanie przekazuje dane bezpośrednio do ERP
• czy pokazuje poziom pewności i podgląd oryginału przy weryfikacji
• czy uczy się na poprawkach użytkowników
• gdzie przetwarzane są dokumenty i czy spełnia to wymagania RODO

Do tej listy dopisz test na własnych dokumentach. Przygotuj kilkadziesiąt faktur, w tym te „trudne”: zagraniczne, wielostronicowe, skany. Wynik na Twoich danych powie więcej niż prezentacja handlowa. Sprawdź też, co dzieje się z dokumentem po odczycie: czy trafia do obiegu i akceptacji, czy tylko do folderu, z którego ktoś i tak musi go przenieść.

Także enova365 ma wbudowany OCR wykorzystujący AI do dokumentów spoza KSeF, opisujemy go w artykule o cyfrowym asystencie. Gdy potrzebujesz odczytu nietypowych dokumentów, np. PZ, WZ czy zamówień, budujemy rozwiązania na zamówienie, zobacz systemy dedykowane. Jak wygląda całe przejście od papieru do systemu, opisujemy w tekście o likwidacji ręcznego przepisywania dokumentów.

Pytania, które słyszymy przy okazji KSeF

Czy po KSeF OCR jest jeszcze potrzebny?

Tak. Poza KSeF zostają faktury zagraniczne, paragony, dokumenty magazynowe, zamówienia klientów czy umowy. Do tego obowiązek KSeF wchodzi etapami, więc przez pewien czas część krajowych faktur nadal będzie przychodzić w PDF albo na papierze.

Czy OCR z AI działa bez weryfikacji człowieka?

Przy dobrze rozpoznawanych dokumentach może, ale zwykle zostawia się weryfikację wyjątków o niskiej pewności odczytu. Typowy układ wygląda tak: dokumenty z wysoką pewnością przechodzą dalej automatycznie, a te z wątpliwymi polami trafiają do osoby, która widzi obok siebie oryginał i odczytane wartości.

Czy da się zacząć od małej skali?

Tak, i zwykle tak jest najrozsądniej. Na początek wybierz jeden rodzaj dokumentu, np. faktury kosztowe od zagranicznych dostawców, i sprawdź przez miesiąc, ile poprawek wymaga odczyt. Dopiero potem rozszerzaj zakres na kolejne dokumenty.