Extração de dados de faturas em PDF para contabilidade

A extração de dados de faturas transforma um PDF, uma digitalização ou uma fotografia em campos que um sistema pode utilizar: fornecedor, número da fatura, data, moeda, totais e linhas de artigos. O resultado útil é um registo aprovado no seu sistema de contabilidade, com um processo para os documentos que precisam de correção.

Este guia explica o que abrange o OCR de faturas, onde se enquadram a validação e a revisão e como escolher entre software existente e uma integração personalizada.

O OCR e a extração de dados de faturas resolvem problemas diferentes

O reconhecimento ótico de caracteres, ou OCR, lê os caracteres de uma imagem. A extração identifica o significado desses caracteres e associa-os a campos. Encontrar o texto «132.00» é uma tarefa; determinar se corresponde a um subtotal, ao valor do imposto ou ao montante a pagar é outra.

Um PDF digital pode já conter texto legível. Uma digitalização requer uma etapa de OCR. Em ambos os casos, continua a ser necessário interpretar os campos, normalizá-los e verificá-los antes de o resultado se tornar um registo empresarial utilizável.

Já existem serviços especializados que tratam de parte deste trabalho. A análise de despesas do Amazon Textract devolve campos de faturas normalizados e dados de linhas de artigos, juntamente com níveis de confiança e localizações no documento. O modelo de faturas do Microsoft Document Intelligence extrai campos de faturas e linhas de artigos para um resultado estruturado. Estes serviços podem ser componentes de um fluxo de trabalho; as regras de aprovação e a integração com o sistema de destino têm ainda de ser definidas.

Defina os campos de que o sistema de destino realmente precisa

Comece pelo registo contabilístico que pretende criar. Um resumo para uma folha de cálculo precisa de menos campos do que uma fatura conciliada com uma ordem de compra e uma receção de inventário.

Mantenha o valor original quando normalizar um campo. Quem revê deve conseguir ver o que foi lido, em que se transformou e onde aparecia no documento. Trate os valores desconhecidos como dados em falta a resolver.

Um fluxo de trabalho do PDF ao registo aprovado

1. Registe o documento recebido. Atribua-lhe um identificador e um estado. Preserve o original para que uma extração falhada possa ser repetida e revista.
2. Extraia os campos acordados. Utilize o texto do documento ou um serviço de OCR/extração e, em seguida, normalize datas, moedas e montantes.
3. Aplique verificações empresariais. Associe o fornecedor, verifique os campos obrigatórios, reconcilie os totais e assinale possíveis duplicados.
4. Reveja as exceções. Apresente o documento original junto aos campos. Permita que os funcionários corrijam valores, escolham uma conta de despesas e aprovem o registo.
5. Exporte e confirme. Registe os dados no sistema de destino, guarde o respetivo ID do registo e acompanhe as falhas. Repetir uma exportação falhada não deve criar outra fatura.

Por exemplo, uma fatura pode ter um total extraído com clareza, mas não ter um fornecedor correspondente no sistema de contabilidade. Esse documento continua a exigir atenção. Um nível de confiança elevado para o total não significa que a fatura completa esteja pronta para ser registada.

Separe a extração, o registo contabilístico e a autorização do pagamento. O facto de um documento ser legível não significa que a despesa tenha sido aprovada ou que o pagamento deva ser enviado.

Escolha software, uma API de extração ou um fluxo de trabalho personalizado

Utilize um produto pronto a usar para um processo padrão

Comece por aqui se os campos suportados, o conector de contabilidade e os controlos de revisão corresponderem às suas necessidades. Por exemplo, AutoEntry oferece captura de faturas e integrações com sistemas de contabilidade. Teste o produto com os documentos dos seus próprios fornecedores antes de adicionar outro sistema.

Utilize uma API de extração quando já tiver o sistema envolvente

Uma API pode fornecer o componente de leitura de documentos, enquanto a sua aplicação trata da receção, dos utilizadores, das aprovações e das exportações. Compare a cobertura dos campos, o esforço de revisão, os limites de documentos, os custos de utilização e o tratamento de dados. O preço mais baixo por página pode não resultar no registo aprovado mais barato.

Crie uma integração personalizada quando o seu processo tiver requisitos que o produto não consegue satisfazer

Entre os exemplos incluem-se a conciliação com uma base de dados interna de ordens de compra, a extração de campos específicos de fornecedores, a escrita num ERP invulgar ou a implementação dos seus próprios perfis de revisão. O trabalho personalizado pode complementar um serviço de extração existente. Não significa automaticamente treinar um modelo de raiz.

A GagarinSoft oferece automatização e integração personalizadas do processamento de faturas, desde a receção dos documentos até à revisão e exportação. Avaliamos a adequação das ferramentas existentes antes de definir o âmbito do desenvolvimento personalizado.

Avalie a precisão com os seus documentos

Crie uma amostra representativa e registe os valores corretos antes dos testes. Inclua PDFs digitais, digitalizações, fotografias de telemóvel, faturas com várias páginas, notas de crédito, novos fornecedores e documentos com várias taxas de imposto. Reserve alguns exemplos para uma verificação final, em vez de ajustar tudo com base no mesmo conjunto.

• Meça os campos importantes separadamente. O ID da fatura, o fornecedor, a moeda e o total podem exigir um critério de aceitação diferente do de uma descrição de texto livre.
• Meça os registos completos. Conte as faturas que passam em todas as verificações obrigatórias, bem como as que têm campos individuais extraídos corretamente.
• Meça o esforço de revisão. Acompanhe quantos documentos precisam de correção e quanto tempo a equipa demora a corrigi-los.
• Teste o destino. Inclua na avaliação os envios duplicados, as falhas de ligação e as exportações rejeitadas.

O objetivo de precisão deve refletir a ação que vai tomar. Um rascunho para revisão e um registo lançado automaticamente precisam de critérios de aceitação diferentes. As pontuações de confiança do fornecedor ajudam a encaminhar o trabalho; valide quaisquer limiares com base nos seus próprios resultados.

Calcule o custo por fatura aprovada

Inclua a configuração, os custos recorrentes de software ou API, o alojamento, a manutenção e o tempo de revisão da equipa. Acompanhe o custo por registo utilizável, incluindo tentativas falhadas e correções.

A título de exemplo, o processamento de 500 faturas a quatro minutos cada exige cerca de 33 horas de trabalho de introdução de dados. Se o novo processo exigir, em média, um minuto de revisão por fatura, o tempo passa para cerca de oito horas: aproximadamente 25 horas poupadas, sem contar exceções e manutenção. São pressupostos de exemplo, não um resultado garantido; substitua-os por medições da sua equipa.

A estimativa de implementação depende da variedade de documentos, das regras de validação, do acesso à integração e das restrições de alojamento. O nosso guia sobre os custos de desenvolvimento de IA explica como estes fatores afetam o âmbito do projeto.

Defina onde ficam os documentos e os dados extraídos

Mapeie a receção, o armazenamento, os fornecedores de extração, os ecrãs de revisão, os registos, as cópias de segurança e o destino. Decida quem pode aceder aos documentos, o que é conservado e o que é eliminado. Se os documentos tiverem de permanecer no seu ambiente, avalie cada etapa do processamento à luz desse requisito antes de escolher as ferramentas.

Prepare um resumo útil do projeto

• Tipos de documentos, idiomas e volume mensal.
• Onde chegam as faturas e como são verificadas atualmente.
• Campos obrigatórios e sistema de destino.
• Funções de aprovação e procedimentos para campos pouco claros.
• Requisitos de alojamento e conservação.
• Amostras representativas com dados ocultados, partilhadas através de um canal acordado.

Isto é suficiente para iniciar uma conversa sobre um projeto-piloto focado: um canal de receção, um destino e critérios de aceitação mensuráveis.