[ W skrócie ]
- Nowoczesne modele czytają dokumenty o dowolnym układzie — koniec z szablonami OCR konfigurowanymi per dostawca.
- Rdzeń dobrego systemu to walidacja: sumy kontrolne, zgodność z zamówieniem, progi pewności — dopiero za nimi automatyczny zapis.
- Wyjątki muszą mieć wygodną ścieżkę ręczną — celem jest 80–95% dokumentów bez dotykania, nie sto procent za wszelką cenę.
Co się zmieniło względem klasycznego OCR?
Stary OCR wymagał szablonu: „NIP jest w prawym górnym rogu, kwota w tabeli na dole”. Dziesięciu dostawców — dziesięć szablonów, a każdy przeprojektowany layout psuł odczyt.
Modele multimodalne czytają dokument jak człowiek: rozumieją, że „Sprzedawca” to sprzedawca niezależnie od miejsca na stronie, radzą sobie ze skanami, zdjęciami i tabelami. Wynik dostajesz w ustalonej strukturze:
{
"typ": "faktura",
"sprzedawca": { "nazwa": "TransLog Sp. z o.o.", "nip": "5252344079" },
"numer": "FV/2026/07/114",
"data_wystawienia": "2026-07-04",
"pozycje": [
{ "opis": "Transport Gdansk-Poznan", "netto": 1850.00, "vat": 23 }
],
"suma_brutto": 2275.50,
"pewnosc": 0.97
}Sekret nie leży w odczycie, tylko w walidacji
Odczyt to dziś towar. O jakości systemu decyduje to, co dzieje się między odczytem a zapisem do ERP:
Reguły są przyziemne i bezcenne: czy suma pozycji zgadza się z sumą brutto, czy NIP przechodzi weryfikację, czy faktura ma pokrycie w zamówieniu, czy model deklaruje wysoką pewność odczytu. Cokolwiek nie przejdzie — trafia do człowieka z podświetlonym powodem. Dzięki temu automat nie wprowadza błędów do ksiąg, a ludzie oglądają tylko ułamek dokumentów.
Czego się spodziewać w liczbach?
Realistyczne cele dla dojrzałego wdrożenia: 80–95 procent dokumentów przechodzi bez dotykania, czas obsługi dokumentu spada o rząd wielkości, a błędy przepisywania znikają niemal całkowicie. Scenariusz tego typu z konkretami opisaliśmy w realizacji Document Intelligence.
- dokumenty
- OCR
- faktury
- ERP
- AI
