Model AI może pomóc w pracy z dokumentami, ale najczęściej nie powinien odpowiadać za cały proces. Najlepszy rezultat daje połączenie kilku warstw: odczytu pliku, analizy treści, reguł walidacji oraz systemu, w którym wynik zostanie wykorzystany.
Najpierw treść dokumentu
Jeżeli plik posiada warstwę tekstową, można przekazać ją bezpośrednio do kolejnego etapu. Dla skanów potrzebny jest OCR.
AI nie zastępuje więc automatycznie narzędzi do poprawnego odczytania dokumentu. Model powinien otrzymać możliwie dobre dane wejściowe.
Klasyfikacja dokumentu
Jednym z prostszych zastosowań jest określenie rodzaju dokumentu. System może rozróżniać np. fakturę, umowę, zamówienie, zgłoszenie lub inną kategorię używaną w organizacji.
Wynik klasyfikacji może zdecydować, który workflow zostanie uruchomiony i jakie pola będą wymagane w następnym etapie.
Ekstrakcja danych
Z tekstu można próbować wydobyć konkretne informacje, szczególnie gdy dokumenty różnią się układem i proste wyrażenia regularne nie wystarczają.
Ważne jest zdefiniowanie oczekiwanego formatu wyniku. Zamiast swobodnej odpowiedzi model może przygotować zestaw określonych pól, które następnie przechodzą walidację.
Reguły nadal są potrzebne
Model może zwrócić wartość wyglądającą poprawnie, ale system powinien ją sprawdzić. NIP, daty, kwoty, identyfikatory czy wartości słownikowe można zweryfikować klasycznymi regułami.
Jeżeli wynik nie spełnia warunków, dokument powinien zostać oznaczony do ręcznej obsługi zamiast bezwarunkowo trafiać do CRM lub ERP.
Człowiek w procesie
Nie każdy dokument wymaga ręcznego zatwierdzenia. Warto jednak określić przypadki, w których automatyzacja może działać samodzielnie, oraz te, w których decyzję musi podjąć użytkownik.
Dobrym kryterium jest znaczenie biznesowe operacji i możliwość odwrócenia błędnego działania.
Lokalny model czy usługa zewnętrzna?
Architektura zależy od jakości wymaganej dla konkretnego typu dokumentów, infrastruktury, kosztów oraz zasad dotyczących danych. W części procesów można wykorzystać model działający lokalnie, w innych uzasadniona będzie usługa zewnętrzna.
Najważniejsze, aby integracja pozwalała kontrolować, jakie dane są przekazywane, gdzie trafia wynik i co dzieje się w przypadku błędu.
Wynik powinien wrócić do procesu
Analiza ma sens wtedy, gdy prowadzi do działania: uzupełnia rekord CRM, rozpoczyna akceptację, tworzy zadanie, kieruje dokument do właściwej osoby albo przekazuje dane do kolejnego systemu.
W ten sposób AI staje się elementem procesu biznesowego, a nie osobnym oknem do rozmowy z dokumentem.