Обробка рахунків-фактур на базі AI з OCR та інтеграцією QuickBooks

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

Архітектура

• Приймання даних: Прослуховувач електронної пошти + API завантаження файлів + панель керування з функцією перетягування
• Механізм OCR: Хмарний Vision API для вилучення тексту з PDF-файлів та відсканованих зображень
• AI-парсер: LLM для інтелектуального вилучення та інтерпретації полів
• Валідація: Механізм валідації на основі правил з оцінкою достовірності
• Інтеграція з бухгалтерським обліком: QuickBooks Online API для створення рахунків та зіставлення постачальників
• Панель керування: Адміністративний інтерфейс React для перегляду, затвердження та обробки винятків
• База даних: PostgreSQL для записів рахунків-фактур, аудиторського сліду та відображень постачальників
• Черга: Асинхронна черга завдань для пакетної обробки

Конвеєр обробки

Етап 1: Приймання даних

Рахунки-фактури надходять до системи через кілька каналів:

• Пересилання електронної пошти — Виділена електронна адреса, що відстежується IMAP-прослуховувачем
• Завантаження файлів — Інтерфейс перетягування на панелі адміністратора
• Завантаження через API — Програмна подача з інших систем
• Масовий імпорт — Пакетне завантаження зі спільних дисків

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

Етап 2: Вилучення тексту за допомогою OCR

1. Попередня обробка — Покращення зображення (вирівнювання, коригування контрасту, зменшення шуму) для відсканованих документів
2. Вилучення тексту — Cloud Vision API вилучає весь текст з просторовим позиціонуванням
3. Аналіз макета — Просторові позиції використовуються 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 на базі AI

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

Вилучення використовує структуровані схеми виводу, кілька прикладів для граничних випадків, міркування "ланцюжка думок" для неоднозначних полів та оцінку достовірності для кожного поля.

Етап 4: Валідація та збагачення

Перед створенням запису в QuickBooks вилучені дані проходять валідацію:

Автоматизовані перевірки:

• Математична перевірка — Суми позицій звіряються з проміжною сумою; проміжна сума + податок звіряються із загальною сумою
• Виявлення дублікатів — Номер рахунку-фактури + постачальник + сума перевіряються на відповідність існуючим записам
• Перевірка дат — Дата рахунку-фактури не в майбутньому; термін оплати після дати рахунку-фактури
• Зіставлення постачальників — Нечітке зіставлення назви постачальника зі списком постачальників QuickBooks
• Пропозиція коду GL — AI пропонує рахунок Головної книги (General Ledger) на основі історії постачальника та описів позицій
• Поріг суми — Рахунки-фактури, що перевищують настроюваний поріг, позначаються для ручного затвердження

Класифікація достовірності:

• Висока достовірність — рахунки-фактури автоматично затверджуються (усі поля вилучені, математичні перевірки пройдені, постачальник зіставлений)
• Середня достовірність — рахунки-фактури надходять до черги на перегляд (деякі невизначені поля або новий постачальник)
• Низька достовірність — рахунки-фактури вимагають ручного введення (низька якість OCR або неструктурований формат)

Етап 5: Інтеграція з QuickBooks

Зіставлення та створення постачальників:

Вилучені 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 вилученою інформацією та кешується для майбутніх рахунків-фактур.

Створення рахунків:

Об'єкти рахунків QuickBooks створюються з перевірених даних рахунків-фактур з позиціями, відображеними на відповідні GL-рахунки, застосованими сумами податків, встановленими умовами оплати та прикріпленим оригінальним PDF-файлом рахунку-фактури. Внутрішній запис перехресно посилається на ID рахунку QuickBooks.

Відображення GL-рахунків:

• На основі правил — Специфічні для постачальника GL-відображення для відомих постачальників
• Запропоновано AI — LLM аналізує описи позицій та пропонує рахунки на основі історичних закономірностей
• Навчальний цикл — Ручні виправлення повертаються для покращення майбутніх пропозицій
• Резервний варіант за замовчуванням — Невідповідні позиції призначаються на загальний рахунок для подальшого перегляду

Інтеграція з QuickBooks API

Автентифікація

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

Обробка помилок

• Дотримання лімітів API за допомогою експоненціальної затримки
• Логіка повторних спроб для тимчасових збоїв зі збільшенням затримок
• Вирішення конфліктів для запобігання дублюванню записів
• Відкат невдалих часткових створень для запобігання "безхатнім" записам

Панель керування та робочий процес

Черга рахунків-фактур

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

Інтерфейс перегляду

• Перегляд пліч-о-пліч: оригінал рахунку-фактури поряд з вилученими даними
• Вбудоване редагування для виправлених полів з підсвічуванням відмінностей
• Затвердження/відхилення одним кліком з необов'язковими примітками
• Пакетне затвердження кількох рахунків-фактур від одного постачальника

Аналітика

• Відстеження обсягу обробки (щоденно/щотижнево/щомісяця)
• Моніторинг рівня автоматичного затвердження (ціль: 70%+)
• Середній час обробки на рахунок-фактуру
• Рівень помилок та поширені причини збоїв
• Економія коштів порівняно з ручною обробкою
• Тенденції точності для конкретного постачальника

Ключові особливості

1. Багатоформатний OCR — PDF-файли, скани, фотографії та багатосторінкові документи
2. Вилучення полів AI — Аналіз на основі LLM обробляє будь-який макет рахунку-фактури без шаблонів
3. Оцінка достовірності — Автоматична маршрутизація на основі достовірності вилучення
4. Виявлення дублікатів — Запобігає подвійним платежам за повторно надісланими рахунками-фактурами
5. Автоматичне зіставлення постачальників — Нечітке зіставлення пов'язує рахунки-фактури з існуючими постачальниками QuickBooks
6. Пропозиція коду GL — AI рекомендує рахунки витрат на основі історичних закономірностей
7. Автоматична синхронізація з QuickBooks — Рахунки створюються з позиціями, податками та прикріпленим PDF-файлом
8. Навчальний цикл — Ручні виправлення покращують точність майбутнього вилучення
9. Пакетна обробка — Обробка сотень рахунків-фактур через пересилання електронної пошти або масове завантаження
10. Аудиторський слід — Повний журнал кожної події вилучення, редагування, затвердження та синхронізації