Как извлечь реквизиты из PDF-счёта с ИИ и проверить результат

Реальный пример: Wolt и Rossum

В клиентском кейсе Rossum Wolt описывает получение invoices по почте, извлечение и проверку данных, передачу во внутреннюю систему исполнения, затем в NetSuite. Отдельно упомянута сверка строк с заказом и поставкой. Это подтверждает процесс шире простого OCR. Кейс Wolt.

Показатели публикует поставщик. Международный invoice не следует автоматически считать эквивалентом любого местного первичного документа. Для первого опыта ниже используется полностью вымышленный учебный PDF без платёжных реквизитов.

Шаг 1. Определите набор полей

Начните с номера, даты, поставщика, получателя, валюты, позиций, количества, цены, суммы строк и итога. При необходимости добавьте идентификатор заказа и другие поля вашего процесса.

Для каждого значения задайте тип и допустимое отсутствие. Номер счёта — строка: ведущие нули и буквы нельзя терять. Дату нужно хранить однозначно, а валюту — отдельно от числа.

Не заставляйте модель заполнять все поля. Если банковский счёт не указан, ожидаемый ответ — null или «не указан», а не реквизиты похожей компании из памяти.

Шаг 2. Проверьте сам файл

Откройте PDF и посчитайте страницы. Убедитесь, что письмо не содержит несколько счетов в одном вложении, дубликат или приложение, которое меняет итог. Сохраните исходный файл и ID поступления.

Текстовый PDF и скан читаются по-разному. Для скана нужны достаточная читаемость, правильная ориентация и проверка распознавания. Если цифра неразборчива, отметьте проблему и запросите уточнение.

Не меняйте исходный документ ради улучшения результата. Рабочую копию можно подготовить отдельно, сохранив связь с оригиналом и сведения о преобразовании.

Шаг 3. Повторите пример на учебном PDF

Скачайте учебный счёт. На нём прямо указано, что он создан для обучения и не предназначен для оплаты. Поставщик и покупатель вымышленные, банковские реквизиты отсутствуют.

В учебном файле не определён налоговый статус. Отсутствие выделенной суммы налога не разрешает самостоятельно написать «без НДС» или рассчитать ставку.

Оригинальный учебный документ. Не является счётом реальной организации и не предназначен для оплаты.

Шаг 4. Попросите результат со ссылкой на источник

Извлеки поля из приложенного PDF без внешнего поиска.
Для каждого поля верни значение, номер страницы и точную цитату.
Номер документа и идентификаторы сохраняй строками.
Для отсутствующего поля верни null, для неразборчивого — статус.
Покажи строки: название, количество, цена, сумма, валюта.
Не придумывай реквизиты, налоговый статус и условия оплаты.
Отдельно перечисли противоречия и вопросы проверяющему.

Для примера номер INV-DEMO-001 должен остаться именно таким. Подмена буквы O нулём или исчезновение дефиса может помешать поиску дублей. Не делайте «исправление» идентификатора без проверки изображения.

Структуру JSON можно задать заранее. Но синтаксически правильный JSON не подтверждает истинность значений; важны исходные места и дальнейшие проверки.

Шаг 5. Проверьте арифметику отдельно

В примере пересчитываются две строки и общий итог: 3 × 1 200 = 3 600, 2 × 700 = 1 400, сумма — 5 000 ₽. Эти вычисления доступны таблице или короткому скрипту и не требуют доверия к свободному тексту.

Если сумма строк отличается от итога, не заменяйте одно значение другим автоматически. Причиной может быть скидка, отдельная доставка, налог, округление или ошибка документа. Нужно найти явное основание.

Проверьте десятичные разделители и валюту. Число 1,200 в разных форматах может означать разные значения. Используйте согласованные правила импорта и сохраняйте исходную строку.

Шаг 6. Сверьте контрагента и дубли

Поставщик сопоставляется с утверждённым справочником, а не только по похожему названию. Если реквизиты отличаются от ранее подтверждённых, направьте документ на проверку по принятому процессу.

Кандидат в дубль обычно определяется сочетанием поставщика, номера, даты, суммы и других признаков системы. Совпадение суммы у двух документов не доказывает дубль. Разные PDF могут быть повторной отправкой одного и того же счёта.

Привяжите результат к ID поступления. Повторная отправка в систему учёта не должна создавать вторую запись. Возвращаемый статус интеграции также нужно сохранять.

Шаг 7. Передайте проверенный результат

Проверяющий видит оригинал, поля, исключения и результаты сверок. Отдельно подтверждаются основание операции и соответствие заказу или поставке. Чтение бумаги не подтверждает факт исполнения.

Передавать в учёт удобно только разрешённые поля с историей происхождения. Непроверенные значения остаются в очереди. Операции оплаты выполняются по действующему процессу компании.

Не давайте тексту документа право управлять инструментами. Формулировки внутри PDF обрабатываются как содержимое счёта; они не должны отменять заданные правила проверки.

Как оценить первый опыт

Соберите разные форматы поставщиков, сканы, несколько страниц и заведомо отсутствующие поля. Измеряйте точность каждого важного поля и долю документов, полностью пригодных после проверки.

Например, 99% правильных полей не означает 99% полностью правильных документов. Если в документе много независимых полей, вероятность хотя бы одной ошибки растёт. Это вопрос определения метрики, а не доказательство качества конкретной модели.

Считайте время до подтверждённой записи, включая исправления и разбор исключений. Быстро полученный текст с неверными реквизитами не является полезным ускорением.

Частые вопросы