Faktury Recepty Wizytówki i Wyciągi Bankowe - Jeden Skaner do Wszystkiego

Nowoczesny profesjonalista zmaga się z co najmniej pół tuzinem typów dokumentów w każdym tygodniu. Faktura od dostawcy przychodzi i musi być zarejestrowana w systemie księgowym. Recepta jest odbierana z apteki i powinna być zapisana w bardziej niezawodnym miejscu niż szuflada w kuchni. Wizytówka jest wymieniana na konferencji, a dane kontaktowe muszą trafić do telefonu, zanim karta zostanie zgubiona w torbie laptopa. Wyciąg bankowy przychodzi, a transakcje muszą być zweryfikowane. Paragon z biznesowego lunchu musi być dołączony do raportu wydatków. Wynik badań z rocznego badania lekarskiego powinien być porównany z ubiegłorocznym. Każdy z tych dokumentów istnieje w innym formacie, z innymi polami i innymi celami, a do niedawna każdy z nich wymagał własnego przepływu pracy do digitalizacji.

Krajobraz aplikacji odzwierciedla tę fragmentację. Istnieją dedykowane skanery paragonów, dedykowane skanery wizytówek, dedykowane narzędzia do przetwarzania faktur, dedykowane czytniki dokumentów medycznych. Każda z nich dobrze wykonuje swoją konkretną pracę, ale tworzy własny silo danych, własne konto do utrzymania, własny interfejs do nauki i własną subskrypcję do opłacenia. Zmęczenie poznawcze wynikające z utrzymania sześciu wyspecjalizowanych aplikacji do skanowania dla sześciu typów dokumentów jest na tyle duże, że większość ludzi wybiera ścieżkę najmniejszego oporu: zrobić zdjęcie aparatem telefonu, upuścić go w folder i mieć nadzieję, że "zdjęcie dokumentu w folderze" to wystarczający system organizacyjny. Nigdy tak nie jest, ale alternatywa użycia wielu wyspecjalizowanych narzędzi wydaje się gorsza.

Skaner na stronie scan.yeb.to przyjmuje fundamentalnie inne podejście. Jeden punkt końcowy obsługuje osiem typów dokumentów. Wgraj zdjęcie jakiegokolwiek obsługiwanego dokumentu, a sztuczna inteligencja identyfikuje typ dokumentu, stosuje odpowiednią logikę ekstakcji dla tego typu i zwraca dane strukturalne sformatowane specjalnie dla zawartości tego dokumentu. Faktura wraca ze nazwa dostawcy, numerem faktury, pozycjami, kwotami podatkowymi i całkowitą należną kwotą. Wizytówka wraca z imieniem, stanowiskiem, nazwą firmy, numerami telefonów, emailem i stroną internetową. Recepta wraca z nazwami leków, dawkami, częstotliwością i lekarzem przepisującym. Ekstakcja jest wyspecjalizowana dla każdego typu dokumentu, ale przepływ pracy jest uniwersalny: sfotografować, wgrać, otrzymać dane.

Co każdy typ dokumentu daje i dlaczego wyspecjalizowana ekstakcja ma znaczenie

Generyczny skaner OCR traktuje każdy dokument w ten sam sposób: czyta tekst na stronie i zwraca blok tekstu. Rezultatem skanowania wizytówki przez generyczny OCR jest ciąg słów i liczb, który może wyglądać mniej więcej tak: "John Smith Marketing Director Acme Corp 555-0123 [email protected]" bez wskazania, która część to imię, które to stanowisko, która to numer telefonu i który to email. Użytkownik musi ręcznie przeanalizować te dane i umieścić każdą informację w odpowiednim polu menedżera kontaktów. Jest to marginalnie lepsze niż ręczne pisanie karty, ale tylko marginalnie.

Wyspecjalizowana ekstakcja całkowicie zmienia równanie. Sztuczna inteligencja nie tylko czyta tekst na wizytówce; rozumie, że wizytówka zawiera specyficzne typy informacji ułożone w przewidywalne wzory. Imiona pojawiają się blisko góry. Stanowiska pojawiają się poniżej imion. Numery telefonów następują po rozpoznawalnych wzorach cyfr. Adresy e-mail zawierają symbol @. Strony internetowe zaczynają się od rozpoznawalnych prefiksów. Rozumiejąc semantykę wizytówki zamiast tylko znaków, ekstakcja daje prawidłowo etykietowane, prawidłowo rozdzielone pola, które mogą przepływać bezpośrednio do bazy danych kontaktów bez żadnego ręcznego analizowania. Ta sama zasada dotyczy każdego typu dokumentu, który skaner obsługuje, każdy z własnym modelem semantycznym i własną logiką ekstakcji.

Faktury są prawdopodobnie najbardziej złożonym typem dokumentu, ponieważ łączą elementy narracyjne (nazwy firm, adresy, warunki płatności, notatki) z elementami tabelarycznymi (pozycje z opisami, ilościami, stawkami i kwotami) oraz elementy obliczeniowe (subtotały, stawki podatkowe, rabaty, razem). Ekstakcja musi jednocześnie obsługiwać wszystkie trzy, analizując informacje dostawcy z nagłówka, poszczególne opłaty z tabeli pozycji i podsumowanie finansowe z stopki. Różne firmy formatują swoje faktury różnie, od minimalistycznych jednokołumnowych układów do rozbudowanych dokumentów wielosekcyjnych z logo, warunkami i postanowieniami oraz wieloma podziałami stawek podatkowych. Sztuczna inteligencja obsługuje tę zmienność, rozumiejąc, co to jest faktura, zamiast tego, jak wygląda konkretny szablon faktury, co oznacza, że działa z fakturami od dowolnego dostawcy bez konieczności wstępnej konfiguracji szablonów.

Recepty stanowią zupełnie inne wyzwanie. Medyczne recepty używają wyspecjalizowanej notacji, która niesie znaczenie wpływające na życie. "500mg BID x 14d" oznacza 500 miligramów dwa razy dziennie przez czternaście dni, a błędne odczytanie jakiejkolwiek części tej notacji ma konsekwencje znacznie poważniejsze niż błędne odczytanie pozycji na fakturze. Ekstakcja recept skanera została zaprojektowana z myślą o tej wrażliwości, analizując nie tylko nazwę leku i dawkę, ale także częstotliwość, czas trwania, nazwę lekarza przepisującego i wszelkie specjalne instrukcje. Strukturalny wynik ułatwia utrzymywanie osobistej historii leków, która obejmuje nie tylko to, co było przepisane, ale kiedy, przez kogo i w jakiej dawce, co jest dokładnie taką informacją, która jest cenna podczas przyszłych konsultacji medycznych, ale prawie nigdy nie jest systematycznie śledzona przez pacjentów.

Wyciągi bankowe i przepływowa pracy finansowych dokumentów

Wyciągi bankowe znajdują się na skrzyżowaniu śledzenia finansów i skanowania dokumentów, ponieważ zawierają dokładnie takie strukturalne, powtarzające się dane, które są najbardziej nużące do ręcznego wpisywania i najbardziej wartościowe po digitalizacji. Miesięczny wyciąg bankowy może zawierać pięćdziesiąt, sto lub kilkaset indywidualnych transakcji, każda z datą, opisem i kwotą. Wpisywanie ich do arkusza kalkulacyjnego lub systemu księgowego to ćwiczenie w wytrzymałości, które większość ludzi całkowicie unika, co oznacza, że szczegółowe dane na poziomie transakcji w wyciągach bankowych pozostają nieużywane przez zdecydowaną większość ludzi, którzy je otrzymują. Wyciąg jest przejrzany, całkowite saldo jest zauważone, a papier trafia do pliku, gdzie nigdy nie będzie patrzony.

Skanowanie wyciągu bankowego przez stronę scan.yeb.to wyodrębnia każdą transakcję jako rekord strukturalny. Każdy rekord zawiera datę, opis (który zwykle zawiera nazwę handlowca lub typ transakcji) i kwotę. Salda otwarcia i zamknięcia są przechwycone, podobnie jak wszelkie sekcje podsumowania, które rozkładają aktywność miesiąca według kategorii. To strukturalne wyjście może być zasilane w oprogramowanie księgowe, porównane z dokumentami w receipts.yeb.to w celu dopasowania paragonów lub po prostu używane jako podstawa osobistego przeglądu wydatków, który byłby niepraktyczny do przeprowadzenia na podstawie drukowanego wyciągu samego.

Połączenie skanowania paragonów i skanowania wyciągów bankowych tworzy szczególnie potężny przepływ pracy finansowej. Paragony zapewniają szczegóły: co zostało zakupione, pozycja po pozycji, u każdego sprzedawcy. Wyciągi bankowe zapewniają kompletność: każdą transakcję, łącznie z tymi, które nie spowodowały drukowanego paragonu. Razem dają kompleksowy pogląd na wydatki, który żaden z nich nie dostarcza samodzielnie. Paragon pokazuje, że opłata 47 euro w sklepie spożywczym składała się z konkretnych artykułów w konkretnych cenach. Wyciąg bankowy pokazuje, że opłata 47 euro miała miejsce we wtorek o 15:14 i że była również opłata 12 euro w kawiarni tego samego dnia, która nie spowodowała godnego skanowania paragonu. Oba warstwy informacji są przydatne, a ujednolicony skaner udostępnia oba poprzez ten sam przepływ pracy.

Osiem typów w praktyce i wybór kiedy skanować

Osiem typów dokumentów obsługiwanych przez skaner to paragony, faktury, recepty, wizytówki, wyciągi bankowe, wyniki badań, dokumenty tożsamości i dokumenty ogólne. Każdy z nich ma własny model ekstakcji, ale wzór użycia dla wszystkich nich przebiega tę samą krzywą adoptacji. Ludzie zaczynają od skanowania typu dokumentu, który rozwiązuje ich najnaglące potrzeby. Dla freelancera jest to zwykle faktury. Dla kogoś zarządzającego swoim zdrowiem są to wyniki badań i recepty. Dla uczestnika konferencji są to wizytówki. Po ukształtowaniu nawyku skanowania wokół jednego typu dokumentu naturalnie rozciąga się na inne, ponieważ przepływ pracy jest identyczny, a bariera do dodania innego typu wynosi zero.

Pytanie, kiedy skanować, jest zasadniczo pytaniem, kiedy dane strukturalne są bardziej wartościowe niż zdjęcie. Dla paragonu z biznesowego lunchu, który musi trafić do raportu wydatków, odpowiedź jest zawsze: skanowanie oszczędza więcej czasu niż go kosztuje. Dla losowego paragonu spożywczego bez konsekwencji podatkowych i śledzenia, odpowiedź zależy od tego, czy śledzenie wydatków jest częścią codziennej rutyny. Dla wyciągu bankowego odpowiedź zależy od tego, czy dane transakcyjne służą celowi poza tym, co już dostarcza portal banku online. Skaner nie przepisuje przepływu pracy; umożliwia każdy przepływ pracy, który użytkownik potrzebuje, od kompleksowego skanowania wszystkiego do dokumentacji ukierunkowanego skanowania wyłącznie dokumentów, które służą bezpośredniemu celowi.

Typ dokumentu ogólnego służy jako koszyk na śmieci dla dokumentów, które nie pasują schludnie do siedmiu innych kategorii. Umowy, listy, formularze, zawiadomienia, certyfikaty, pozwolenia i jakikolwiek inny papierowy dokument zawierający tekst wart digitalizacji mogą być przetwarzane poprzez ogólny potok ekstakcji. Wyjście dla dokumentów ogólnych to pełna zawartość tekstu ze sformatowaną strukturą zachowaną, co czyni ją przydatną do archiwizacji, wyszukiwania i celów referencyjnych nawet bez wyspecjalizowanej ekstakcji pola, którą zapewniają dedykowane typy dokumentów. Oznacza to, że skaner nigdy nie odmawia dokumentu, ponieważ nie pasuje do znanego typu. Wszystko jest skanowalne, a wszystko daje przydatne wyjście, ze wyspecjalizowanymi typami dającymi szczególnie przydatne strukturalne wyjście dostosowane do ich zawartości.