Что значит распознать документ на самом деле
Распознавание состоит из двух разных задач. Первая: превратить картинку в текст. Вторая: понять, где в этом тексте номер, дата, контрагент, сумма и позиции. Первая решается давно, вторая зависит от типа документа. Накладная, акт, договор и счёт устроены по-разному. Допустим, бухгалтерия предприятия из Молодечно получает пачку сканов от поставщиков: часть чёткие, часть перекошены, часть сфотографированы на телефон. Решение должно справляться с этим разнообразием.
Критерии качества исходных файлов
Многие проблемы распознавания создают сами файлы. До выбора программы стоит проверить, насколько входящий поток подходит для автоматической обработки:
- разрешение скана достаточное, чтобы мелкий шрифт читался глазом
- страницы не перекошены, на них нет теней и обрезанных краёв
- печать и подпись не закрывают числа и реквизиты
- многостраничный документ приходит одним файлом, а не россыпью
- формат единообразный: PDF, а не смесь фотографий и скриншотов
Вопросы подрядчику или самим себе
Прежде чем выбирать решение, ответьте на вопросы. Если вы покупаете услугу, задайте их исполнителю:
- какие типы документов распознаются и как настраивается новый тип
- как показываются места, где система не уверена в результате
- кто проверяет распознанные поля до записи в учётную систему
- где хранятся исходные файлы и как ограничивается доступ
- куда передаются данные и обрабатываются ли они за пределами сервера компании
- как результат попадает в 1С, таблицу или CRM
Ответ на вопрос о передаче данных особенно важен для документов с персональными данными: он поможет выстроить обработку по Закону № 99-З.
Как проверить решение на своих документах
Соберите выборку
Возьмите документы разных поставщиков и разного качества, включая плохие сканы. Нужны не типичные удачные образцы, а реальный поток.
Сравните результат с оригиналом
Проверьте вручную ключевые поля: номер, дату, УНП, сумму, позиции. Отметьте, какие поля ошибочны чаще остальных.
Оцените работу с сомнением
Посмотрите, показывает ли система спорные места или молча подставляет вариант. Второе опасно.
Подсчитайте ручную доработку
Оцените, сколько времени уходит на исправление после распознавания. Если сотрудник перепроверяет всё, экономия невелика.
Особенности белорусского документооборота
В белорусской практике сканы и PDF приходят из разных источников: накладные поставщиков, акты оказанных услуг, договоры, письма из таможни и банка. Часть документов давно оформляется электронно, например, ЭСЧФ на портале налоговых органов и электронные ТТН, и распознавать их не нужно, достаточно загрузить данные из файла. Распознавание нужно для бумажных документов от тех, кто ещё не перешёл на электронный обмен, и для двуязычных бумаг, где русский текст соседствует с белорусским или английским. Проверьте, как решение справляется со смешанными языками.
Что дальше происходит с данными
Данные из сканов должны попасть в рабочую систему. В Coagent агент может получить документ из почты, извлечь поля и подготовить черновик документа поступления в 1С или запись в таблице. Сотрудник проверяет результат и подтверждает. Если распознавание выполняет внешняя модель, часть данных обрабатывается за пределами сервера компании, и это стоит учесть при выборе.
Можно ли распознавать рукописные документы?
Печатный текст распознаётся надёжнее. Рукописные заметки и подписи требуют проверки человеком, и ожидать полной автоматизации по ним не стоит.
Нужно ли хранить бумажные оригиналы после распознавания?
Это зависит от вида документа и требований законодательства Республики Беларусь. Уточните у юриста или бухгалтера, какие оригиналы подлежат хранению.
С каких документов стоит начинать распознавание?
Выберите тип с понятной структурой и большим потоком, например, накладные от постоянных поставщиков. На нём проще оценить качество и подсчитать выгоду.
Возьмите двадцать своих документов разного качества и проверьте на них любое решение до заключения договора.