OCR თუ დოკუმენტიდან ველების ამოღება: ტექსტი და სამუშაო ჩანაწერი

მოკლე პასუხი: OCR პასუხობს კითხვას: „რომელი ნიშნებია ამ გვერდზე?“ ველების ამოღება კი პასუხობს კითხვას: „რომელი მნიშვნელობა უნდა შევიდეს დასახელებულ უჯრაში?“ OCR გამოგადგებათ ძიებისა და გადახედვისთვის. სტრუქტურირებული ველები კი საჭიროა მაშინ, როცა შემდეგ ეტაპს მონაცემთა ბაზა, წესი ან სამუშაო რიგი სჭირდება.

თუ ამოღებული შედეგი განმეორებით პროცესში უნდა შევიდეს, წინასწარ შეადარეთ ამოცანას aiNOW-ის ავტომატიზაციის და კონსულტაციის მიმართულებები. სწორი საწყისი ფორმატი იმაზეა დამოკიდებული, რა გადაწყვეტილებას მიიღებს ადამიანი ან პროგრამა.

რა განსხვავებაა OCR-სა და ველების ამოღებას შორის?

OCR-ის კითხვა ასეთია: „რა ასოები და ციფრები ჩანს გვერდზე?“ ველების ამოღების კითხვა კი ასეთია: „რომელი მნიშვნელობა უნდა მოხვდეს ამ კონკრეტულ დასახელებულ ველში?“ ორივე შეიძლება ერთ პროცესში გამოიყენებოდეს, მაგრამ დანიშნულება განსხვავებულია. Google-ის Document AI-ის მიმოხილვა OCR-ს ტექსტისა და განლაგების ამოკითხვად, ხოლო შემდგომ ეტაპს სტრუქტურირებული ინფორმაციის მიღებად აღწერს. Microsoft-ის დოკუმენტაციაც ერთმანეთისგან აცალკევებს ტექსტს, განლაგებასა და საკვანძო-მნიშვნელობათა ამოღებას.

ტექსტის შედეგმა შეიძლება შეინარჩუნოს აბზაცი, სიტყვის მდებარეობა ან ცხრილის უჯრა. ველის შედეგმა კი დააბრუნოს invoice_date, supplier_name და total_amount. ველი წინასწარ განსაზღვრულ სქემას ან დოკუმენტის ტიპს ეყრდნობა. ეს სამუშაო პროცესისთვის მოსახერხებელია, მაგრამ დამატებით პასუხისმგებლობასაც ქმნის: ცარიელმა, გადაადგილებულმა ან არასწორად წაკითხულმა ველმა შეიძლება შემდეგი მოქმედება შეცდომით გამოიწვიოს, მაშინაც კი, როცა გვერდის ტექსტი ადამიანისთვის იკითხება.

გამოყენების შემთხვევები: რომელ ამოცანას სჭირდება ტექსტი და რომელს სჭირდება ველები?

• ძიება და არქივი: თუ გუნდმა ჯერ უნდა იპოვოს დოკუმენტში ფრაზა ან მონაკვეთი, სრული ტექსტი და გვერდის მდებარეობა კარგი პირველი შედეგია.
• ადამიანის გადახედვა: ტექსტი და განლაგება შემმოწმებელს საშუალებას აძლევს, წყაროს გახსნის გარეშე იპოვოს სავარაუდო ადგილი, თუმცა მნიშვნელოვანი მნიშვნელობა მაინც ორიგინალთან უნდა შედარდეს.
• ბუღალტრული ან საწყობის რიგი: როცა შემდეგ ეტაპს ინვოისის ნომერი, თარიღი, მიმწოდებელი ან თანხა სჭირდება, დასახელებული ველები უფრო გამოსადეგია.
• არასტაბილური ფორმები: თუ ყოველ დოკუმენტს განსხვავებული განლაგება აქვს და გუნდი ჯერ ვერ თანხმდება სქემაზე, ჯერ ტექსტი და წყაროს მონაკვეთები შეინახეთ.

ტექსტი უკეთესი პირველი არტეფაქტია მაშინ, როცა სტაბილური სქემა ჯერ არ არსებობს. ველები ოპერაციულად უკეთესია მაშინ, როცა გუნდს შეუძლია ზუსტად თქვას, რა უნდა შეიცავდეს ვალიდურ ჩანაწერს და რა მოხდება, თუ მნიშვნელობა ცარიელი ან საეჭვოა. საძიებო ინდექსმა შეიძლება ნაწილობრივი ამოკითხვა მიიღოს; გადახდის რიგმა კი ჩანაწერი უნდა შეაჩეროს, თუ თანხა ან ანგარიშის ნომერი გაურკვეველია.

როგორ გამოიყენებს ორივე შედეგს თბილისის დისტრიბუტორი?

წარმოვიდგინოთ, სრულიად პირობითად, თბილისში მოქმედი დისტრიბუტორი, რომელიც ელფოსტით სკანირებულ შესყიდვის შეკვეთას იღებს. OCR-ის ფენა აბრუნებს სიტყვებს, ცხრილის საზღვრებსა და გვერდის ადგილებს. ამოღების ფენა კი მიმწოდებელს, შეკვეთის კოდს, მიწოდების თარიღსა და სტრიქონებს გადახედვის ჩანაწერში ათავსებს. საწყობის პროგრამაში გაგზავნამდე თანამშრომელი ჩანაწერს გვერდს ადარებს.

გუნდმა სამი ტიპის ფაილი უნდა გამოსცადოს: მკაფიო ციფრული PDF, გვერდულად შებრუნებული სკანი და ფორმა ხელნაწერი მინიშნებებით. პირველი ტესტი ამოწმებს ძიებას. მეორე აჩვენებს, რჩება თუ არა ცხრილის სტრიქონი შესაბამის სვეტთან. მესამე კითხულობს, შეუძლია თუ არა სქემას გაურკვეველი მნიშვნელობის აღნიშვნა ისე, რომ ცარიელი ადგილი ვარაუდით არ შეივსოს.

ერთმა გადახედვის ჩანაწერმა შეიძლება ასე გამოიყურებოდეს: order_reference=PO-1842, delivery_date=2026-10-04, total_amount=needs_review, source_page=2, review_status=open. ასეთი ჩანაწერი სასარგებლოა იმიტომ, რომ თანხის არქონას და მის წყაროს ინარჩუნებს და არა იმიტომ, რომ ცარიელ ადგილას დამაჯერებელ რიცხვს იგონებს. მაგალითი პირობითია და კლიენტის შედეგს არ აღწერს.

როგორ შევადაროთ OCR, განლაგების ამოკითხვა და ველები?

ნაბიჯები: როგორ ავირჩიოთ პირველი შედეგი?

1. დაასახელეთ საბოლოო მიმღები: ადამიანი წაიკითხავს, საძიებო სისტემა მოძებნის თუ პროგრამა მოქმედებას დაიწყებს?
2. დაწერეთ მინიმალური სქემა: განსაზღვრეთ მხოლოდ ის ველები, რომელთა გამოყენებაც შემდეგ ეტაპზე ნამდვილად გჭირდებათ.
3. შეინახეთ მტკიცებულება: ყოველ ველს დაუკავშირეთ გვერდი, მონაკვეთი ან ცხრილის უჯრა.
4. გაწერეთ გაურკვევლობა: ცარიელი, არასრული ან საეჭვო მნიშვნელობა ცალკე სტატუსად შეინახეთ.
5. შეამოწმეთ განსხვავებული ფაილები: ჩართეთ კარგი, ცუდი და უჩვეულო ნიმუში, რომელსაც რეალურ პროცესში ხვდებით.
6. დააყენეთ ადამიანის გაჩერება: თანხის, წვდომის, სამართლებრივი მნიშვნელობის ან მომხმარებლის დაპირების შემთხვევაში ავტო-დადასტურება არ დაუშვათ წინასწარი შეფასების გარეშე.

კარგი გადაცემა შეიცავს ამოღებულ მნიშვნელობას, წყაროს ადგილს, დოკუმენტის ტიპს, დამუშავების ვერსიასა და გადახედვის სტატუსს. ტექსტის ამონარიდი ძიებას ამარტივებს, მაგრამ ბუღალტრულ სისტემას სტრუქტურის გამოგონების უფლებას არ აძლევს. ველები პროცესს ამარტივებს, მაგრამ თანხაზე, წვდომაზე ან კლიენტის ვალდებულებაზე მოქმედი ჩანაწერის ორიგინალთან შედარების საჭიროებას არ აუქმებს.

შეზღუდვები: რა შეიძლება შეეშალოს დოკუმენტის AI-ს

OCR-ს შეიძლება აერიოს სიმბოლო, სვეტები, ხელნაწერი ან სათაურის მდებარეობა. ველების ამომღებმა შეიძლება ახლომდებარე რიცხვი აირჩიოს, ჯამი ქვეჯამში აურიოს ან დააბრუნოს დამაჯერებელი მნიშვნელობა, რომელიც გვერდზე საერთოდ არ წერია. AWS-ის Textract-ის მიმოხილვაც ტექსტს, ფორმებსა და ცხრილებს ამოღების შედეგად აღწერს და არა როგორც დამტკიცებას.

შედეგზე მოქმედებს ფაილის ხარისხი, ენა, შაბლონის ცვლილება, მოდელის ვერსია და არჩეული სქემა. შეინახეთ ორიგინალი, ამოღებული მტკიცებულება და ადამიანის გადაწყვეტილება ერთად. უსაფრთხო ზღვარი არის გადახედვადი შეთავაზება და არა ავტომატური დადასტურება, სანამ გუნდს საკუთარ დოკუმენტებზე არ აქვს გაზომილი სიზუსტე და გამონაკლისების დამუშავების წესი.

ხშირად დასმული კითხვები

შეუძლია თუ არა მხოლოდ OCR-ს მონაცემთა ბაზის შევსება?

OCR ტექსტს აწვდის ადამიანს ან შემდგომ ამომღებ პროცესს. მონაცემთა ბაზისთვის მაინც საჭიროა ველების განსაზღვრა, ვალიდაციის წესი და პასუხი, თუ მნიშვნელობა ცარიელი ან საეჭვოა.

ყველა დოკუმენტს ერთი და იგივე სქემა უნდა მივცეთ?

ერთი სქემა გამოიყენეთ მაშინ, როცა დოკუმენტებს ერთი ბიზნესმნიშვნელობა და სტაბილური ველები აქვთ. უცნობი ან მნიშვნელოვნად განსხვავებული ტიპი ცალკე რიგში ან ადამიანის შემოწმებაზე გადაიტანეთ.

როდის უნდა შეამოწმოს ადამიანმა ამოღებული ჩანაწერი?

გადახედვა აუცილებელია, როცა გაურკვეველმა მნიშვნელობამ შეიძლება შეცვალოს თანხა, წვდომა, სამართლებრივი ინტერპრეტაცია, მიწოდება ან კლიენტის დაპირება. შემმოწმებელმა მხოლოდ ველი კი არა, მისი წყაროც უნდა ნახოს.

დაკავშირებული მასალა

• დოკუმენტების შედარება და დასკვნა: რა შეიცვალა და რას ნიშნავს ეს
• ფაილის ატვირთვა AI-ის გაწვრთნას არ ნიშნავს: RAG და მორგებული სწავლება
• კომპიუტერული ხედვა: კლასიფიკაცია, აღმოჩენა თუ ინსპექტირება?
• AI პილოტი ბიზნესში: როგორ გადაწყვიტოთ გაგრძელება