AI i automatyzacja

Automatyczne przetwarzanie dokumentów — OCR i AI połączone z ERP

Maciej Zaleski · Opublikowano · 7 min czytania

Automatyczne przetwarzanie dokumentów polega na przejściu od pliku do sprawdzonych danych, które można wykorzystać w procesie biznesowym. OCR rozpoznaje tekst, a model językowy może pomóc zinterpretować zmienny układ i znaczenie pól. Aby bezpiecznie zapisać wynik w ERP, potrzebne są jeszcze reguły walidacji, kontrola duplikatów oraz obsługa wyjątków przez człowieka.

Dotyczy to nie tylko faktur, lecz także zamówień, dokumentów eksportowych i dokumentacji jakościowej, w tym certyfikatów analizy. Każdy typ ma inne ryzyka. Odczytanie numeru dokumentu nie jest tym samym co potwierdzenie zgodności parametrów partii z wymaganiami odbiorcy.

Automatyczne przetwarzanie dokumentów jako proces

Warto projektować cały obieg, nie sam ekran odczytu. Dokument może trafić z poczty, portalu kontrahenta lub repozytorium. Następnie trzeba rozpoznać jego typ, sprawdzić kompletność stron, odczytać treść, przypisać pola i porównać wynik z danymi referencyjnymi. Dopiero później następuje zatwierdzenie oraz zapis.

Poszczególne etapy powinny mieć własne statusy. Operator musi wiedzieć, czy problemem jest nieczytelny plik, brak kontrahenta, niespójna suma czy niedostępność ERP. Jeden ogólny status błędu utrudnia pracę i powoduje, że sprawy wymagające różnych kompetencji trafiają do tej samej kolejki.

Na początku wybierz jeden rodzaj dokumentu i określ granice pilota. Nie mieszaj prostych potwierdzeń zamówienia ze złożonymi załącznikami jakościowymi tylko dlatego, że wszystkie są plikami PDF. Wspólny format pliku nie oznacza wspólnego znaczenia danych ani jednakowego sposobu kontroli.

Co robi OCR, a co model językowy

Jeżeli PDF zawiera poprawną warstwę tekstową, można rozpocząć od jej odczytu zamiast ponownie rozpoznawać cały obraz. Przy skanach potrzebny jest OCR. Jakość wejścia ma znaczenie: rozmazanie, obrócona strona czy ucięta tabela mogą utrudnić późniejsze etapy niezależnie od wybranego modelu.

Model językowy może dopasować różne określenia do wspólnego schematu, rozpoznać relacje między polami i uporządkować wynik. Powinien jednak działać na zdefiniowanej strukturze odpowiedzi. Brak wartości należy zapisać jako brak, zamiast prosić model o uzupełnienie na podstawie najbardziej prawdopodobnego kontekstu.

Zachowaj powiązanie każdego istotnego pola ze źródłem: stroną, fragmentem tekstu lub zaznaczeniem w obrazie. Operator szybciej sprawdzi wartość, gdy zobaczy ją obok oryginału. Uzasadnienie wygenerowane przez model nie jest substytutem dowodu pochodzącego z dokumentu.

Faktury i zamówienia — od pól do zgodności biznesowej

Przy fakturze sama obecność numeru, daty i kwoty nie oznacza poprawnego odczytu. Trzeba zweryfikować formaty, zależności między wartościami i powiązanie z kontrahentem. Kontrola sum powinna odbywać się deterministycznie, z uwzględnieniem zasad przyjętych w procesie, a nie przez pytanie modelu, czy dokument „wygląda dobrze”.

Przy zamówieniu kluczowe bywa dopasowanie pozycji do kartoteki produktów. Nazwa używana przez klienta może różnić się od nazwy w ERP. System powinien korzystać z zaakceptowanych mapowań i kierować niejednoznaczne przypadki do wyjaśnienia. Nie należy automatycznie wybierać podobnego produktu wyłącznie na podstawie językowego podobieństwa.

Zmiany konta bankowego, danych kontrahenta czy innych wrażliwych informacji wymagają osobnych zasad kontroli. Odczyt dokumentu nie powinien sam z siebie aktualizować danych podstawowych. Warto oddzielić uprawnienie do przygotowania rekordu od uprawnienia do zmiany kartoteki i zatwierdzenia operacji.

Dokumenty eksportowe i certyfikaty analizy

W dokumentach eksportowych można sprawdzać spójność oznaczeń towaru, ilości, stron transakcji i powiązań między załącznikami. System powinien wskazywać rozbieżności, nie samodzielnie rozstrzygać niejasne kwestie formalne. Wymagany zestaw dokumentów zależy od konkretnego procesu i powinien zostać opisany przez osoby odpowiedzialne za jego obsługę.

Certyfikat analizy może obejmować identyfikator partii, nazwę parametru, metodę, wynik i jednostkę. Odczyt powinien zachować relacje między tymi elementami. Szczególnej uwagi wymagają znaki nierówności, separatory dziesiętne, zakresy i przypisy. Utrata jednego symbolu może zmienić interpretację wartości mimo pozornie poprawnego rozpoznania tekstu.

Porównanie wyników ze specyfikacją wymaga zatwierdzonego źródła wymagań oraz kontrolowanych reguł. Model nie powinien sam wymyślać dopuszczalnych zakresów. W organizacjach z branży farmaceutycznej decyzje jakościowe muszą pozostawać w ramach przyjętej odpowiedzialności, procedur i wymagań dotyczących danego procesu.

Aktualne regulacje branżowe, wymagania dotyczące danych osobowych oraz ewentualne zastosowanie AI Act należy zweryfikować ze specjalistą. Opis architektury technicznej nie potwierdza zgodności rozwiązania. Zakres dokumentowania, walidacji i zatwierdzania powinien wynikać z analizy konkretnego zastosowania.

Walidacja i human-in-the-loop

Nadzór człowieka powinien mieć jasno określony cel. Operator nie musi ponownie przepisywać całego dokumentu, ale powinien widzieć pola wymagające decyzji, przyczynę zatrzymania oraz materiał źródłowy. Zatwierdzanie bez możliwości sprawdzenia kontekstu łatwo zamienia się w rutynowe klikanie.

Warstwa kontroli Przykładowe pytanie
Techniczna Czy plik da się odczytać i czy zawiera wszystkie strony?
Strukturalna Czy wymagane pola są obecne i mają właściwy format?
Rachunkowa Czy wartości spełniają ustalone zależności?
Referencyjna Czy kontrahent, produkt i partia istnieją w systemie?
Biznesowa Czy dokument odpowiada zamówieniu i właściwej specyfikacji?
Decyzyjna Czy sprawa wymaga zatwierdzenia przez uprawnioną osobę?

Nie opieraj ścieżki akceptacji wyłącznie na deklarowanej pewności modelu. Lepiej połączyć wyniki testów, kontrolę reguł i znaczenie danego pola. Błąd w opisie pomocniczym może mieć inną wagę niż błąd w identyfikatorze partii lub wartości zobowiązania.

Poprawki operatorów warto rejestrować jako materiał do analizy jakości. Nie powinny jednak automatycznie zmieniać reguł dla wszystkich kolejnych dokumentów. Najpierw trzeba rozstrzygnąć, czy poprawka ujawnia nowy wariant procesu, błąd konfiguracji, czy pojedynczy wyjątek wymagający ręcznej obsługi.

Integracja ERP bez utraty kontroli

Zapis do ERP powinien korzystać z uzgodnionego interfejsu i odpowiednich uprawnień. System przetwarzający dokumenty musi otrzymać potwierdzenie, jaki rekord powstał. Jeśli po wysłaniu żądania nastąpi timeout, ponowienie nie może bez sprawdzenia tworzyć kolejnego egzemplarza tej samej operacji.

W praktyce potrzebne są identyfikatory dokumentów i operacji, historia statusów oraz obsługa błędów przejściowych. Oryginalny plik, wynik odczytu i zatwierdzona wersja danych powinny pozostawać rozróżnialne. Pozwala to wyjaśnić, czy rozbieżność powstała podczas rozpoznawania, korekty czy zapisu w systemie docelowym.

Nie każda organizacja powinna od razu uruchamiać pełny automatyczny zapis. Rozsądnym etapem pośrednim jest przygotowanie dokumentu roboczego w ERP. Go2ops pracuje z Dynamics NAV i Business Central oraz automatyzacją workflow w farmacji; zakres konkretnej integracji wymaga jednak sprawdzenia konfiguracji i dostępnych interfejsów.

Jak przeprowadzić pilota i ocenić jakość

Zbuduj zestaw dokumentów obejmujący różnych dostawców, układy, języki i jakość skanów. Oddziel przykłady używane do konfiguracji od zestawu końcowej oceny. Uwzględnij dokumenty niekompletne i niepasujące do zakresu, aby sprawdzić, czy system umie je zatrzymać zamiast wymuszać wynik.

Mierz poprawność poszczególnych pól, czas kontroli i liczbę spraw wymagających powrotu do nadawcy. Osobno analizuj błędy krytyczne. Ładny podgląd i szybki odczyt nie wystarczą, jeśli pracownik musi później ręcznie porównywać wszystkie pozycje z oryginałem. Oceniaj cały przebieg, także wyjątki i ponowienia.

Plan pierwszego eksperymentu możesz oprzeć na przewodniku wdrożenie AI w firmie. Gdy proces wymaga wyboru narzędzia integracyjnego, pomocne będzie również porównanie n8n vs Make i Zapier. Narzędzie powinno wspierać uzgodnione zasady, a nie je zastępować.

FAQ

Czy OCR wystarczy do automatyzacji dokumentów?

OCR dostarcza tekst, ale zwykle nie rozwiązuje dopasowania pól, kontroli biznesowej i integracji. Przy stałym, prostym formacie mogą wystarczyć reguły. Przy zmiennych dokumentach warto przetestować dodatkową interpretację, nie rezygnując z walidacji.

Czy można automatycznie zatwierdzać wszystkie dokumenty?

Nie należy przyjmować takiego założenia przed analizą ryzyka i wynikami testów. Część przypadków może zawsze wymagać człowieka. Zakres automatycznej ścieżki powinien wynikać z jakości danych, konsekwencji błędu i przyjętych procedur.

Jak postępować z nieczytelnym skanem?

System powinien oznaczyć problem i skierować dokument do poprawy lub kontroli. Zgadywanie brakujących wartości jest niewłaściwą metodą naprawy jakości. Warto odróżnić brak informacji od niepewnego odczytu informacji obecnej w pliku.

Czy model może oceniać zgodność certyfikatu analizy?

Może pomagać w odczycie i zestawieniu danych, lecz kryteria zgodności muszą pochodzić z zatwierdzonej specyfikacji. Decyzję oraz zakres nadzoru trzeba zaprojektować zgodnie z ryzykiem i procedurami organizacji. Sam opis modelu nie potwierdza poprawności procesu.

Podsumowanie

Dobrze zaprojektowany obieg łączy odczyt dokumentu z walidacją, kontrolą człowieka i przewidywalnym zapisem w ERP. Najpierw warto ograniczyć zakres, przygotować reprezentatywne próbki i ustalić błędy niedopuszczalne. Dopiero wyniki takiego testu pozwalają ocenić zasadność rozszerzania automatyzacji.

Jeśli chcesz przeanalizować własny obieg, porozmawiajmy o integracji systemów i danych. Punktem wyjścia może być jeden typ dokumentu i opis tego, jak trafia dziś od nadawcy do zatwierdzonego rekordu.

MZ

Maciej Zaleski

Managing Director, Go2ops

Powiązane artykuły