Extrakce údajů z faktur: od PDF až po váš účetní systém

Extrakce údajů z faktury převádí PDF, sken nebo fotografii na údaje, které může systém využít: dodavatele, číslo faktury, datum, měnu, částky a položky. Výsledkem má být schválený záznam v účetním systému a postup pro dokumenty vyžadující opravu.

Tento průvodce vysvětluje, co zahrnuje OCR faktur, jakou roli mají validace a kontrola a jak vybírat mezi hotovým softwarem a vlastní integrací.

OCR faktur a extrakce údajů řeší různé problémy

Optické rozpoznávání znaků neboli OCR čte znaky v obrázku. Extrakce určuje, co tyto znaky znamenají, a přiřazuje je k polím. Najít text „132.00“ je jeden úkol; rozhodnout, zda jde o mezisoučet, částku daně, nebo částku k úhradě, je úkol jiný.

Digitální PDF už může obsahovat čitelný text. Sken vyžaduje krok OCR. V obou případech je ale před vytvořením použitelného obchodního záznamu stále třeba určit význam polí, normalizovat hodnoty a provést kontroly.

Část této práce už zvládají specializované služby. Analýza výdajů Amazon Textract vrací normalizovaná pole faktury a údaje o položkách včetně míry spolehlivosti a umístění v dokumentu. Model faktur Microsoft Document Intelligence extrahuje pole faktury a položky do strukturovaného výstupu. Tyto služby mohou být součástí pracovního postupu; pravidla schvalování a napojení na cílový systém je však stále třeba definovat.

Určete, která pole cílový systém skutečně potřebuje

Vycházejte z účetního záznamu, který chcete vytvořit. Souhrn pro tabulku vyžaduje méně polí než faktura párovaná s objednávkou a příjemkou zboží.

Při normalizaci pole zachovejte původní hodnotu. Kontrolující osoba by měla vidět, co bylo rozpoznáno, na jakou hodnotu se to převedlo a kde se to v dokumentu nacházelo. Neznámé hodnoty považujte za chybějící údaje, které je třeba vyřešit.

Pracovní postup od PDF ke schválenému záznamu

1. Zaevidujte příchozí dokument. Přidělte mu identifikátor a stav. Zachovejte zdrojový dokument, aby bylo možné neúspěšnou extrakci zopakovat a zkontrolovat.
2. Extrahujte dohodnutá pole. Použijte text dokumentu nebo službu OCR či extrakce a poté normalizujte data, měny a částky.
3. Proveďte obchodní kontroly. Spárujte dodavatele, ověřte povinná pole, zkontrolujte soulad částek a označte možné duplicity.
4. Zkontrolujte výjimky. Zobrazte vedle polí zdrojový dokument. Umožněte zaměstnancům opravit hodnoty, vybrat nákladový účet a záznam schválit.
5. Exportujte a ověřte výsledek. Zapište údaje do cílového systému, uložte ID jeho záznamu a sledujte chyby. Opakování neúspěšného exportu by nemělo vytvořit další fakturu.

Faktura může mít například jasně extrahovanou celkovou částku, ale nemusí mít odpovídajícího dodavatele v účetním systému. Takový dokument stále vyžaduje pozornost. Vysoká míra spolehlivosti u celkové částky neznamená, že je celá faktura připravena k zaúčtování.

Oddělte extrakci, zaúčtování a schvalování plateb. To, že je dokument čitelný, neznamená, že byl výdaj schválen nebo že má být odeslána platba.

Vyberte software, API pro extrakci, nebo vlastní pracovní postup

Pro standardní postup použijte hotový produkt

Začněte zde, pokud vám vyhovují podporovaná pole, účetní konektor a možnosti kontroly. Například AutoEntry nabízí zachycení údajů z faktur a integrace s účetními systémy. Než přidáte další systém, otestujte produkt na dokumentech vlastních dodavatelů.

Použijte API pro extrakci, pokud už máte okolní systém

API může zajistit čtení dokumentů, zatímco vaše aplikace se postará o příjem, uživatele, schvalování a exporty. Porovnejte rozsah polí, náročnost kontroly, limity dokumentů, náklady na používání a nakládání s údaji. Nejnižší cena za stránku nemusí znamenat nejnižší náklady na schválený záznam.

Vytvořte vlastní integraci, pokud váš proces obsahuje požadavky, které produkt nesplňuje

Může jít například o párování s interní databází objednávek, extrakci údajů specifických pro dodavatele, zápis do neobvyklého systému ERP nebo vlastní role pro kontrolu. Vlastní řešení může doplnit stávající službu pro extrakci. Neznamená to automaticky trénování modelu od začátku.

GagarinSoft nabízí automatizaci a integraci zpracování faktur na míru, od příjmu dokumentů přes kontrolu až po export. Před vymezením rozsahu vývoje posuzujeme, zda lze využít stávající nástroje.

Vyhodnoťte přesnost na vlastních dokumentech

Připravte reprezentativní vzorek a před testováním zaznamenejte správné hodnoty. Zahrňte digitální PDF, skeny, fotografie z telefonu, vícestránkové faktury, dobropisy, nové dodavatele i dokumenty s několika sazbami daně. Některé příklady si nechte na závěrečnou kontrolu, abyste vše neladili pouze na stejné sadě.

• Důležitá pole měřte samostatně. Číslo faktury, dodavatel, měna a celková částka mohou vyžadovat jiná akceptační pravidla než volný textový popis.
• Měřte úplnost záznamů. Počítejte faktury, které splňují všechny požadované kontroly, i ty, u nichž byla správně extrahována jednotlivá pole.
• Sledujte náročnost kontroly. Sledujte, kolik dokumentů je třeba opravit a kolik času zaměstnanci opravami stráví.
• Otestujte cílový systém. Do vyhodnocení zahrňte duplicitní odeslání, výpadky připojení a zamítnuté exporty.

Cíl přesnosti by měl odpovídat tomu, jaké kroky podniknete. Návrh určený ke kontrole a automaticky zaúčtovaný záznam vyžadují odlišná akceptační pravidla. Skóre spolehlivosti poskytovatele pomáhá směrovat práci; prahové hodnoty si ověřte na vlastních výsledcích.

Vypočítejte náklady na jednu schválenou fakturu

Zahrňte nastavení, opakované poplatky za software nebo API, hosting, údržbu i čas zaměstnanců věnovaný kontrole. Sledujte náklady na jeden použitelný záznam, včetně neúspěšných pokusů a oprav.

Pro ilustraci: 500 faktur, jejichž zpracování trvá po čtyřech minutách, představuje přibližně 33 hodin práce. Pokud nový proces vyžaduje v průměru jednu minutu kontroly na fakturu, jde asi o osm hodin — tedy úsporu přibližně 25 hodin, ještě před započtením výjimek a údržby. Jde o modelové předpoklady, nikoli o zaručený výsledek; nahraďte je měřeními z vlastního týmu.

Odhad implementace závisí na rozmanitosti dokumentů, validačních pravidlech, přístupu k integracím a omezeních hostingu. Náš průvodce náklady na vývoj AI vysvětluje, jak tyto faktory ovlivňují rozsah projektu.

Ujasněte si, kam budou dokumenty a extrahovaná data směřovat

Zmapujte příjem, úložiště, poskytovatele extrakce, obrazovky pro kontrolu, protokoly, zálohy a cílový systém. Rozhodněte, kdo může k dokumentům přistupovat, jak dlouho se uchovávají a co se maže. Pokud dokumenty musejí zůstat ve vašem prostředí, před výběrem nástrojů ověřte, zda tomuto požadavku odpovídá každý krok zpracování.

Připravte užitečné zadání projektu

• Typy dokumentů, jazyky a měsíční objem.
• Kde faktury přicházejí a jak se dnes kontrolují.
• Požadovaná pole a cílový systém.
• Role při schvalování a postup při nejasných údajích.
• Požadavky na hosting a uchovávání dat.
• Reprezentativní anonymizované vzorky sdílené dohodnutým kanálem.

To stačí k zahájení rozhovoru o cíleném pilotním projektu: jeden kanál příjmu, jeden cílový systém a měřitelná akceptační kritéria.