Обробка рахунків-фактур за допомогою AI, OCR та інтеграції з QuickBooks
Середній бізнес, який щомісяця обробляє сотні рахунків-фактур від постачальників, потребував усунення ручного введення даних шляхом автоматичного вилучення даних рахунків-фактур за допомогою AI/OCR та їх прямої синхронізації з QuickBooks для ведення бухгалтерського обліку та відстеження платежів.
Обговоріть Ваш Проєкт
Виклик
Ручна обробка рахунків-фактур була повільною, схильною до помилок і головною перешкодою в розрахунках з постачальниками:
- Обсяг — 300-500 рахунків-фактур на місяць від понад 100 постачальників у різних форматах (PDF, скановані зображення, вкладення електронних листів)
- Ручне введення — Кожен рахунок-фактура вимагав 3-5 хвилин ручного введення в QuickBooks (загалом: 25-40 годин/місяць)
- Відсоток помилок — 5-8% помилок при введенні даних призводили до розбіжностей у платежах та суперечок з постачальниками
- Невідповідність форматів — Кожен постачальник використовував інший макет рахунка-фактури, що робило OCR на основі шаблонів ненадійним
- Відсутні поля — Рахунки-фактури часто не мали чіткої розбивки по позиціях, що вимагало інтерпретації
- Виявлення дублікатів — Дублікати рахунків-фактур іноді призводили до подвійних платежів
- Мапування GL Code — Призначення правильного рахунку General Ledger вимагало інституційних знань
Наше Рішення
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
- Попередня обробка — Покращення зображення (вирівнювання перекосів, налаштування контрастності, зменшення шуму) для сканованих документів
- Вилучення тексту — Cloud Vision API витягує весь текст із просторовим позиціонуванням
- Аналіз макету — Просторове позиціонування використовується для ідентифікації таблиць, заголовків, нижніх колонтитулів та позицій
- 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
- 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
- Багатоформатний OCR — PDF, скани, фотографії та багатосторінкові документи
- Вилучення полів за допомогою AI — Парсинг на основі LLM обробляє будь-який макет рахунка-фактури без шаблонів
- Оцінка достовірності — Автоматична маршрутизація на основі впевненості у вилученні
- Виявлення дублікатів — Запобігає подвійним платежам від повторно поданих рахунків-фактур
- Автоматичне зіставлення постачальників — Нечітке зіставлення пов'язує рахунки-фактури з існуючими постачальниками QuickBooks
- Пропозиція GL Code — AI рекомендує рахунки витрат на основі історичних шаблонів
- Автоматична синхронізація з QuickBooks — Створення рахунків з позиціями, податком та прикріпленим PDF
- Навчальний цикл — Ручні виправлення покращують точність вилучення в майбутньому
- Пакетна обробка — Обробка сотень рахунків-фактур через пересилання електронною поштою або масове завантаження
- Аудиторський слід — Повний журнал кожної події вилучення, редагування, затвердження та синхронізації
Результати
Технологічний Стек
caseStudyDetail.more Кейси
Ознайомтесь з іншими нашими технічними впровадженнями
Вставка реклами на стороні клієнта (CSAI) з парсингом маркерів SCTE-35 та інтеграцією багатоплатформного плеєра
Платформа потокового відео потребувала впровадження вставки реклами на стороні клієнта (CSAI) для веб-, мобільних програм та програм для підключених телевізорів — що забезпечує персоналізований рекламний досвід на рівні пристрою з повною підтримкою взаємодії з рекламою (натискні оверлеї, супутні банери, кнопки пропуску), який не може забезпечити вставка на стороні сервера.
Платформа для скрапінгу та генерації контенту блогів на базі AI
Медіакомпанії була потрібна інтелектуальна контент-платформа, яка могла б автоматизувати створення контенту для блогів шляхом скрапінгу наявного веб-контенту, його аналізу за допомогою AI та генерації оригінальних, SEO-оптимізованих дописів у блогах з видобутих даних.
Готові Трансформувати Свій Бізнес?
Давайте обговоримо, як ми можемо застосувати подібні рішення для ваших завдань.