Ce Este Extragerea de Facturi cu AI? Cum Funcționează și De Ce Este Mai Bună Decât OCR

Extragerea datelor din facturi este procesul de preluare a datelor structurate dintr-un document de factură. Numele furnizorului, data, numărul facturii, liniile de produse, valoarea TVA, totalul. Când este făcută manual, o persoană citește factura și introduce valorile într-un tabel sau într-un sistem de contabilitate. Când este automatizată, un software citește documentul și face același lucru. Dar la scară largă și fără oboseala umană.

Extragerea AI a facturilor folosește modele de învățare automată antrenate pe milioane de facturi pentru a îndeplini această sarcină. Acest articol explică exact cum funcționează și ce o diferențiază de abordările OCR mai vechi.

Cele trei straturi ale extragerii facturilor

Stratul 1: Digitalizarea documentelor

Pentru PDF-urile digitale (text inclus în PDF), extragerea poate citi textul direct, fără scanare. Pentru PDF-urile scanate și imagini, primul pas este OCR. Convertirea imaginii de pixeli în text lizibil pentru mașină.

Sistemele AI moderne folosesc OCR bazat pe rețele neuronale (precum Google Cloud Vision sau Tesseract 5) care depășește semnificativ OCR-ul vechi bazat pe reguli în cazul scanărilor de calitate scăzută, adnotărilor scrise de mână și layout-urilor non-standard.

Stratul 2: Înțelegerea semantică

Odată ce textul este disponibil, AI-ul aplică un model de recunoaștere a entităților numite (NER) sau de înțelegere a documentelor pentru a identifica ce reprezintă fiecare fragment de text. Aici rezidă inteligența.

Un model de înțelegere a documentelor nu vede doar "1.250,00 €", ci înțelege că acest lucru apare într-o poziție și un context compatibil cu un câmp de "valoare totală". Recunoaște că textul de lângă "Data facturii:" este o dată și că numărul care urmează după "TVA 23%:" este o valoare a taxei.

Aceste modele sunt de obicei antrenate pe seturi de date de documente financiare și pot gestiona: mai multe limbi și valute, layout-uri variate (tabele orizontale vs. verticale, rezumate vs. detalii pe linii) și facturi în mai multe limbi (de exemplu, o factură poloneză cu descrieri ale produselor în engleză).

Stratul 3: Validarea și scorul de încredere

După extragere, un strat de validare verifică valorile extrase pentru consistență internă:

• Suma subtotalurilor liniilor este egală cu subtotalul raportat?
• Cota TVA × valoarea netă = valoarea TVA?
• Data facturii este o dată reală (nu un artefact OCR precum "0Z/13/2O24")?
• Codul de TVA al furnizorului are formatul corect pentru țara identificată?

Câmpurile care nu trec validarea sau unde scorul de încredere al modelului scade sub un prag sunt marcate pentru revizuirea umană. În loc să fie introduse silențios ca valori incorecte.

Ce este extras

Un sistem de extragere AI bine configurat captează:

• Numărul facturii
• Data facturii și data scadenței
• Numele, adresa și codul de TVA al furnizorului
• Numele, adresa și codul de TVA al cumpărătorului
• Liniile de produse (descriere, cantitate, preț unitar, subtotal)
• Valoarea netă, cota TVA, valoarea TVA, totalul brut
• Valuta
• Termenii de plată și IBAN (când sunt prezenți)

Acuratețea în lumea reală

Cifrele de acuratețe publicate pentru extragerea AI variază între 90% și 99%, în funcție de calitatea documentului, limbă și complexitatea layout-ului. Aceste cifre se referă de obicei la acuratețea la nivel de câmp. Procentul de câmpuri individuale extrase corect.

În practică, acuratețea la nivel de câmp variază semnificativ între tipurile de câmpuri:

• Acuratețe ridicată (>99%): Numărul facturii, datele, valuta, totalurile pe PDF-uri digitale
• Acuratețe medie (95-99%): Numele furnizorului și codul de TVA (diverse formate de nume), linii de produse pe layout-uri complexe
• Acuratețe mai mică (90-95%): Facturi pe hârtie scanate, elemente scrise de mână, layout-uri exotice

Invoflux atinge o acuratețe de peste 95% indiferent de calitatea documentului. Pentru cele sub 5% din facturi cu câmpuri de încredere scăzută, prezentăm acele câmpuri într-o interfață de revizuire unde poți verifica sau corecta în câteva secunde.

De ce să nu folosești doar un tabel + introducere manuală?

Introducerea manuală a datelor din facturi are două probleme principale la scară largă:

1. Timp: Introducerea a 10 câmpuri per factură durează 2-3 minute per document. La 200 de facturi/lună, înseamnă 7-10 ore de introducere a datelor.
2. Rata de eroare: Ratele de eroare umană de transcriere sunt de obicei de 1-4%. La 200 de facturi/lună, înseamnă 2-8 facturi cu erori care pot apărea abia la audit.

Extragerea AI cu o acuratețe de peste 95%, cu o interfață de revizuire pentru excepții, este atât mai rapidă, cât și mai precisă decât introducerea manuală pentru volume de peste ~30 de facturi/lună.

Cum gestionează extragerea AI furnizorii noi

Unul dintre avantajele cheie față de OCR-ul bazat pe șabloane: extragerea AI necesită zero configurare când adaugi un furnizor nou. Modelul generalizează layout-urile facturilor deoarece a fost antrenat pe formate diverse de documente. Nu configurezi un șablon, ci doar procesezi factura, iar AI-ul își dă seama de layout.

Pentru instrumentele bazate pe șabloane, fiecare furnizor nou ar putea necesita un șablon nou, iar fiecare schimbare de layout de la un furnizor existent îți strică extragerea până când actualizezi șablonul.

Rezumat

Extragerea AI a facturilor combină OCR (pentru documente scanate), modele de înțelegere a documentelor (pentru identificarea câmpurilor) și validare (pentru asigurarea acurateței). Rezultatul este o extragere automatizată care funcționează pe diverse formate de facturi cu acuratețe ridicată și revizuire umană integrată pentru cazurile limită. Este semnificativ mai scalabilă decât introducerea manuală și mai robustă decât OCR-ul bazat pe șabloane.