Обробка рахунків-фактур за допомогою AI, OCR та інтеграції з QuickBooks

Ми створили конвеєр обробки рахунків-фактур на основі AI, який поєднує OCR для вилучення тексту, інтелектуальний аналіз полів на основі LLM та інтеграцію з QuickBooks API для автоматичного створення бухгалтерських записів.

Архітектура

• Завантаження даних: Слухач електронної пошти + API завантаження файлів + панель управління з функцією drag-and-drop
• OCR Engine: Хмарний Vision API для вилучення тексту з PDF та сканованих зображень
• AI Parser: LLM для інтелектуального вилучення та інтерпретації полів
• Валідація: Механізм валідації на основі правил з оцінкою достовірності
• Інтеграція з бухгалтерією: QuickBooks Online API для створення рахунків і зіставлення постачальників
• Dashboard: Адміністративний інтерфейс на React для перегляду, затвердження та обробки винятків
• База даних: PostgreSQL для записів рахунків-фактур, аудиторського сліду та мапування постачальників
• Черга: Асинхронна черга завдань для пакетної обробки

Конвеєр обробки

Етап 1: Завантаження даних

Рахунки-фактури надходять до системи через кілька каналів:

• Пересилання електронною поштою — Спеціальна електронна адреса, яка відстежується IMAP слухачем
• Завантаження файлів — Інтерфейс drag-and-drop на адміністративній панелі
• API Upload — Програмне подання з інших систем
• Масовий імпорт — Пакетне завантаження зі спільних дисків

Підтримувані формати: PDF, PNG, JPG, TIFF, HEIC, багатосторінкові PDF

Етап 2: Вилучення тексту за допомогою OCR

1. Попередня обробка — Покращення зображення (вирівнювання перекосів, налаштування контрастності, зменшення шуму) для сканованих документів
2. Вилучення тексту — Cloud Vision API витягує весь текст із просторовим позиціонуванням
3. Аналіз макету — Просторове позиціонування використовується для ідентифікації таблиць, заголовків, нижніх колонтитулів та позицій
4. Оцінка достовірності — Відстежується достовірність OCR для кожного символу; області з низькою достовірністю позначаються для перегляду

Етап 3: Вилучення полів за допомогою AI

LLM отримує необроблений текст OCR і витягує структуровані дані рахунків-фактур, включаючи інформацію про постачальника (назва, адреса), ідентифікатори рахунків-фактур (номер, дати, номер замовлення), фінансові дані (проміжна сума, податок, загальна сума, валюта, умови оплати) та окремі позиції з описами, кількостями та сумами.

Вилучення використовує структуровані вихідні схеми, приклади з кількома зразками для граничних випадків, міркування типу "ланцюжок думок" для неоднозначних полів та оцінку достовірності для кожного поля.

Етап 4: Валідація та збагачення

Перед створенням запису в QuickBooks витягнуті дані проходять валідацію:

Автоматичні перевірки:

• Математична валідація — Суми позицій перевіряються щодо проміжної суми; проміжна сума + податок перевіряються щодо загальної суми
• Виявлення дублікатів — Номер рахунка-фактури + постачальник + сума перевіряються щодо існуючих записів
• Перевірка дат — Дата рахунка-фактури не в майбутньому; дата оплати після дати рахунка-фактури
• Зіставлення постачальників — Нечітке зіставлення назви постачальника зі списком постачальників QuickBooks
• Пропозиція GL Code — AI пропонує рахунок General Ledger на основі історії постачальника та описів позицій
• Поріг суми — Рахунки-фактури, що перевищують настроюваний поріг, позначаються для ручного затвердження

Класифікація достовірності:

• Рахунки-фактури з високою достовірністю автоматично затверджуються (всі поля витягнуто, математичні перевірки пройдені, постачальник зіставлений)
• Рахунки-фактури з середньою достовірністю надходять у чергу перевірки (деякі невизначені поля або новий постачальник)
• Рахунки-фактури з низькою достовірністю вимагають ручного введення (низька якість OCR або неструктурований формат)

Етап 5: Інтеграція з QuickBooks

Зіставлення та створення постачальників:

Витягнуті назви постачальників нечітко зіставляються з існуючим списком постачальників QuickBooks. Якщо знайдено збіг вище порогу достовірності, існуючий постачальник пов'язується. В іншому випадку створюється новий постачальник з витягнутою інформацією, яка кешується для майбутніх рахунків-фактур.

Створення рахунків:

Об'єкти рахунків QuickBooks створюються з перевірених даних рахунків-фактур з позиціями, зіставленими з відповідними GL-рахунками, застосованими податковими сумами, встановленими умовами оплати та прикріпленим оригіналом PDF рахунка-фактури. Внутрішній запис перехресно посилається на ID рахунка QuickBooks.

Мапування GL-рахунків:

• На основі правил — GL-мапування для відомих постачальників
• Запропоновано AI — LLM аналізує описи позицій і пропонує рахунки на основі історичних шаблонів
• Навчальний цикл — Ручні виправлення подаються назад для покращення майбутніх пропозицій
• Резервний варіант за замовчуванням — Незіставлені позиції призначаються до узагальненого рахунку для подальшого перегляду

Інтеграція з QuickBooks API

Автентифікація

• OAuth 2.0 з автоматичним оновленням токена
• Безпечне зберігання облікових даних із шифруванням у стані спокою
• Підтримка кількох компаній для бізнесів з кількома файлами QuickBooks

Обробка помилок

• Дотримання обмежень швидкості API з експоненціальною затримкою
• Логіка повторних спроб після тимчасових збоїв зі збільшенням затримок
• Вирішення конфліктів для запобігання дублюванню записів
• Відкат невдалих часткових створеннь для запобігання появі "осиротілих" записів

Панель управління та робочий процес

Черга рахунків-фактур

Рахунки-фактури організовані за статусом: очікують на перевірку, автоматично затверджені, винятки (невдала валідація або помилки API) та завершені (синхронізовані з QuickBooks).

Інтерфейс перегляду

• Перегляд поруч: оригінал рахунка-фактури разом з витягнутими даними
• Вбудоване редагування виправлених полів з підсвічуванням змін
• Затвердження/відхилення одним кліком з додатковими примітками
• Пакетне затвердження кількох рахунків-фактур від одного постачальника

Аналітика

• Відстеження обсягу обробки (щоденно/щотижнево/щомісячно)
• Моніторинг рівня автоматичного затвердження (ціль: 70%+)
• Середній час обробки одного рахунка-фактури
• Відсоток помилок та поширені причини збоїв
• Економія витрат порівняно з ручною обробкою
• Тенденції точності для конкретних постачальників

Ключові функції

1. Багатоформатний OCR — PDF, скани, фотографії та багатосторінкові документи
2. Вилучення полів за допомогою AI — Парсинг на основі LLM обробляє будь-який макет рахунка-фактури без шаблонів
3. Оцінка достовірності — Автоматична маршрутизація на основі впевненості у вилученні
4. Виявлення дублікатів — Запобігає подвійним платежам від повторно поданих рахунків-фактур
5. Автоматичне зіставлення постачальників — Нечітке зіставлення пов'язує рахунки-фактури з існуючими постачальниками QuickBooks
6. Пропозиція GL Code — AI рекомендує рахунки витрат на основі історичних шаблонів
7. Автоматична синхронізація з QuickBooks — Створення рахунків з позиціями, податком та прикріпленим PDF
8. Навчальний цикл — Ручні виправлення покращують точність вилучення в майбутньому
9. Пакетна обробка — Обробка сотень рахунків-фактур через пересилання електронною поштою або масове завантаження
10. Аудиторський слід — Повний журнал кожної події вилучення, редагування, затвердження та синхронізації