印刷體電子檔已經很實用,掃描歪斜、蓋章遮字、手寫註記是三大失準來源,這三種別期待全包。「準不準」問錯了,要問「用哪種口徑算」:欄位級正確率跟整件直通率差很多,供應商講的多半是前者,財務在乎的是後者。驗收前先講清楚口徑,再用自家單據驗。
這篇是數位勞動力有限公司顧問團隊的評論,評的是「AI 辨識單據」這件事在不同單據型態下的實用度,不評任何具名產品。立場先說:這幾年辨識技術確實進步很多,但客戶被說服的方式幾乎沒變,還是拿十張乾淨的樣本跑給你看。所以這篇花最多篇幅的,是教你怎麼自己驗。
哪些單據型態辨識得好、哪些別期待?
電子檔與平放清楚的印刷體掃描很實用;翻拍歪斜要靠前處理;蓋章遮字與整段手寫先別算進自動化範圍。實用度取決於單據怎麼來的,不取決於辨識引擎多厲害。
| 單據型態 | 實用度 | 顧問備註 |
|---|---|---|
| 電子發票、系統產出的 PDF | 很實用 | 文字本來就是文字,幾乎不用辨識,重點在欄位對應與勾稽 |
| 印刷體紙本掃描(平放、清楚) | 實用 | 主要失準在表格線切到字、小字號;版型固定的供應商學得快 |
| 手機翻拍、歪斜、反光 | 看情況 | 前處理(轉正、裁切)做得好才能用;來源能改成掃描就改 |
| 蓋章、簽名、貼紙遮到關鍵欄位 | 容易失準 | 遮到金額或統編就是整件轉人工;要從作業習慣改,不是從辨識改 |
| 手寫品名、備註、數量 | 不推期待 | 工整數字與勾選有機會,整段手寫先別算進自動化範圍 |
| 同一供應商每次版型都不同 | 實用但要給時間 | 判讀型辨識不靠固定版型,但例外樣本要先餵過,驗收期要拉長 |
表裡有個反直覺的地方:「同一供應商每次版型都不同」反而不是大問題。早期的辨識靠固定版型的座標抓欄位,版型一變就全錯;現在判讀型的做法是讀懂「這是金額、那是統編」,版型亂一點也撐得住。但它需要例外樣本先餵過,所以驗收期要拉長,不能用兩週定生死。IDP 與傳統 OCR 的差別那篇把這兩種做法的能力差異列成表。
真正要命的是蓋章跟手寫。發票上的統編被公司章蓋掉一半,人看得出來,辨識就是猜。這種情況要改的是作業習慣(章蓋在別的地方),不是換辨識引擎。數位勞動力有限公司在盤點時遇到蓋章遮字的比例高到不行,但這句是定性觀察,沒有統計數字。
欄位級正確率跟整件直通率,差在哪?
欄位級正確率算「所有欄位裡對了幾個」,整件直通率算「有幾張單據從頭到尾不用人碰」。前者數字好看,後者才是省到的工時。供應商講前者,財務在乎後者,驗收前要先講清楚用哪個。
舉個算法上的例子(不是實測數字):一張發票抓十個欄位,九個對、統編錯一個,欄位級算九成對;但這張單據還是要人改一下才能入帳,整件直通率算零。十張發票每張都錯一個不同欄位,欄位級正確率依然九成,直通率是零,等於沒省到任何人。
所以評實用度的時候,數位勞動力有限公司看的是直通率,而且分欄位看哪些欄位最常拖累直通。常常是某一兩個欄位(手寫備註、蓋章區的統編)拖累全部,把那一兩個欄位改成人填或從源頭改作業習慣,直通率就會跳上去。兩種口徑的正式定義在名詞辭典的正確率條目,PoC 驗收的 8 項檢核也把「正確率口徑事先約定」列為必做。
「辨識準不準從來不是一個數字,是一張表:哪些欄位、哪種單據、用什麼口徑。只給一個數字的,多半是給你最好看的那個。」
辨識錯了會不會直接入帳?規則驗證是做什麼的?
正確的設計不會直接入帳。辨識結果要先過規則驗證,過了才進草稿分錄,不確定的轉人工。沒有這一層的辨識方案,再準也不推上線。
規則驗證做的事很樸素:統編要八碼而且檢核碼要對、稅額要等於未稅金額乘以稅率、品號要在主檔裡找得到、同一張發票號碼不能重複入帳。辨識把「圖」變成「字」,規則驗證確認「這些字合不合理」。兩層加起來,辨識錯了一個數字,多半在勾稽那一關就被擋下來。
這也是為什麼評實用度不能只看辨識引擎。引擎再好,後面沒有勾稽跟人工覆核,錯的那幾張就直接進帳了,等月底對帳才發現。完整的四步驟管線(取件、辨識擷取、規則驗證、入帳分流)在發票自動化指南,出錯怎麼接住的設計原則在AI 員工會出錯嗎。
怎麼用自家單據驗收,才不會被漂亮的示範騙到?
三件事:用自家過去三個月的真實單據(含歪的、蓋章的、手寫的)、事先寫下用哪種口徑、逐件記錄哪張錯在哪。做到這三件,示範再漂亮也騙不了你。
真實單據的意思是去識別化後的真單據,不是供應商準備的、也不是你挑最乾淨的那幾張。異常件一定要入樣,比例照實際情況放,不要特意挑掉。驗收樣本量多少才夠、怎麼逐件記錄,PoC 驗收清單有一整套,這裡只講辨識特有的兩點。
第一點,分欄位看。不要只拿一個總數,要列出每個欄位各錯幾張、錯的單據是哪種型態。這張表會直接告訴你該改作業習慣、還是該把某個欄位改成人填。
第二點,問「不確定時它會怎樣」。好的方案會對每個欄位給信心分數,低於門檻的轉人工;差的方案每個欄位都硬填一個答案,看起來全對,其實是在猜。驗收時故意放幾張很糊的進去,看它是轉人工還是硬猜,答案就很清楚。
最後補一句立場:單據辨識是數位勞動力有限公司看過最常「示範很好、上線很慘」的一類,原因全在驗收用的樣本。先驗再簽,不要反過來。導入前其他常卡住的問題,整理在中小企業導入 AI 員工的常見問題。
會計軟體內建的辨識入帳功能跟獨立辨識方案怎麼比,見會計軟體內建 AI 功能夠用嗎;本系列其他工具類型的評論,見顧問對十種工具與做法的評論。
還不確定你的流程適不適合?
先用三分鐘快篩自評,或直接請顧問做免費流程盤點。
常見問題 FAQ
AI 辨識發票的正確率到底有多少?
數位勞動力有限公司不給一個通用數字,因為那個數字沒有意義。同一套辨識,印刷體電子檔跟歪斜的手機翻拍可以差很多;同一批單據,用欄位級正確率算跟用整件直通率算也可以差很多。要問的是「用我家過去三個月的真實單據、用哪種口徑算、結果是多少」,而且要自己驗,不要看供應商準備的樣本。
手寫的單據 AI 讀得出來嗎?
工整的手寫數字與勾選欄位有機會,整段手寫的品名、備註、潦草字跡就不要期待。比較實際的做法是從源頭減少手寫:把常手寫的欄位改成勾選或代碼,或者承認那幾個欄位就是要人看,讓辨識只負責其他欄位。硬要辨識手寫,驗收時會很難看。
辨識出來的數字錯了怎麼辦?會不會直接入帳?
正確的設計是不會直接入帳。辨識結果要過規則驗證:統編格式、稅額與金額的勾稽、品號對得上對不上,過了才進草稿分錄,不確定的進人工覆核。辨識錯但勾稽對的情況極少,因為錯一個數字勾稽多半就對不起來。沒有規則驗證那一層的辨識,數位勞動力有限公司不推直接上線。
只有幾十張單據的公司,值得做嗎?
通常不值得。辨識管線的固定成本攤在幾十張上面不划算,人看三十張單據比建一套系統快。每月幾百張起跳、單據格式又來自很多家供應商,辨識才真的省時間。件數規模是本站 DW-Fit 8 快篩的第一個維度,可以先自己篩。
