采购文档识别错了,怎么回到原件更正?
项目原名:Google Document AI Human-in-the-Loop:采购文档识别后人工更正
识别错了一个字段,后面的系统可能跟着用错。没有对照原件更正的流程,错误就会继续流转。
项目解决的业务问题:机器提取字段可能有误,缺少人工更正流程会把错误带入下游核算。
项目采取的做法:相关产品资料介绍按字段和置信度送复核、编辑预测并记录反馈的机制;使用前需核实服务当前可用性。
对财务工作的意义:识别错了要能回到原件修改,修正记录也能帮助团队看清哪些版式最容易出错。
这个功能接在流程的哪一段
人工复核机制值得借鉴,但相关服务的当前支持范围需要选型时确认。字段更正也应保留记录,方便追查。
系统按什么顺序处理
Google Cloud 的可用功能和审批选项会随版本、企业配置而变;上线前先核对本企业实际使用的设置。
相关产品资料介绍按字段和置信度送复核、编辑预测并记录反馈的机制;使用前需核实服务当前可用性。
模型改进要靠可追溯的人工更正
Human-in-the-Loop 把低置信预测交给审核员修改,再记录审核状态与字段差异。更正能反馈模型,但审核人仍要看原文;错误更正若没留来源,模型学到的也可能是错的。
低置信字段怎样进入人工校正队列
- Invoice/Expense等processor输出预测
- 按字段/置信度将单据放进HITL审核
- 审核员编辑预测并提交反馈
- 监控字段差异及处理状态
准备预测结果、原始文档和审核标注
选择采购发票、费用单或公用事业票据,保存处理器预测、字段置信度、原始文档和人工核准值。把不同处理器和字段类型分开统计。
- 发票或费用票据图像
- 解析预测字段
并排显示预测、人工更正和原始文本
审核工作项保留原文位置、模型预测、人工改值、提交状态和处理时间。用字段差异回看训练效果,未提交或未完成审核的记录不要混入已确认样本。
- 人工确认/修订后的字段
- 反馈记录
产品资料披露到什么程度
厂商资料介绍了发票接收与识别功能,没有披露可比较的企业上线结果。实际效果要用本企业同类业务记录核对。
检查人工修订是否解决了低置信错误
拿已完成审核的文档重放低置信和字段异常样本,检查其是否进入正确队列、审核员能否定位原文、修订是否被准确记录。随后再用另一批文档比较错误类型和处理时间。
- 监控字段差异、审核状态和积压时间。
- 确认修订样本与模型训练数据分开管理。
票据真伪、业务真实性和入账由谁确认
- 逐项核验金额、税号、支付信息;不能把private GA当普遍可用或自动审计
- 来源明确HITL当时为Private GA,访问需白名单;GA processor本身与HITL成熟度要分开。
分别统计识别错误和业务差异
- 人工修改率
- 字段准确率
- 审核负载
- 反馈修复后错误率
项目接入哪些系统?
- Google Document AI采购处理器
- HITL平台/审核工作台
继续看进项发票的其他做法
机动车发票字段多,拍照后能少填哪些信息?
业务卡点:机动车销售发票字段繁多,经销商大量逐张录入容易遗漏或填错。
你可以先核对:机动车票拍照识别后,票号、金额等字段仍要能回到原票核验;识别率不能代替票据审核。
打开详情,看做法和适用范围 →水电气供应商各用一套版式,发票怎样批量录入?
业务卡点:公用事业账单来自不同供应商,版式、字段位置和计费项目各不相同。财务要逐份找金额和期间,再录进应付流程。
你可以先核对:账单量大、版式多时,可以先核对识别字段和校验规则,再观察异常是否能落到具体账单。
打开详情,看做法和适用范围 →供应商发票积压,先把录入和核验拆开处理
业务卡点:采购订单发票与非订单发票并存,跨地区人工录入、核对和追审批造成积压。
你可以先核对:把人员注意力转向订单差异和识别错误。
打开详情,看做法和适用范围 →这项工作还会影响哪些环节
如果项目走到这里还要交接资料或核对结果,可以顺着相关业务继续看。
同一份票据,整理后才能核账
邮件、扫描件和系统里的发票信息先归成统一字段,后续才能查验和入账。
辅助步骤参考;不代表某个案例已部署相同功能。
AI 可读出票号、金额、税额和明细,统一格式并提示重复项,财务再核对票面和业务。
继续看这个业务环节 →发票信息进入报销审核
报销金额、费用明细和附件需要能对应到员工提交的发票。
辅助步骤参考;不代表某个案例已部署相同功能。
AI 可读出票面字段、提示重复票和附件缺失,并标出对应费用规定供审核人查看。
继续看这个业务环节 →采购发票和付款申请互相核对
付款前要把发票与合同或订单、收货及验收记录放在一起查。
辅助步骤参考;不代表某个案例已部署相同功能。
AI 可比对供应商、金额、品类和付款条件,把差异定位到对应原件。
继续看这个业务环节 →