Odbiór dokumentów
skan + pdf
- zasila
- OCR
Wszystkie case studies
LLMRAGDocument AI4 miesiące
Document Intelligence (OCR, ekstrakcja, RAG)
Każda faktura była czytana i przepisywana ręcznie. Teraz cztery na pięć przechodzą bez ingerencji człowieka.
Przetwarzanie bez ingerencji
81%
Ekstrakcja kierowana według pewności
Było
0%
Każdy dokument wprowadzany ręcznie
Prostymi słowami
Czym to jest.
W tej sekcji nie ma żargonu. Opis techniczny jest niżej.
Co szło nie tak
Umowy i faktury przychodziły jako skany o bardzo różnej jakości. Pracownicy je czytali i przepisywali wartości, co było powolne, podatne na błędy i nie pozwalało wykazać, skąd pochodzi dana liczba.
Co zbudowaliśmy
Zbudowaliśmy ekstrakcję, która odczytuje dokumenty, podaje swoją pewność dla każdej wartości i przekazuje człowiekowi tylko wątpliwe — a każda wartość jest powiązana z dokładnym miejscem na stronie, z którego pochodzi.
Co się zmieniło
Cztery na pięć dokumentów przechodzą teraz bez udziału człowieka, praca ręczna ogranicza się do rzeczywistych wyjątków, a zamknięcie miesiąca nie czeka już na papiery. Każdą liczbę można prześledzić do jej strony.
Architektura
Jak to się ze sobą łączy.
Proszę przewinąć etapy. Wszystko oznaczone jako dodane to komponent, który nie istniał przed tym projektem.
OCR
z układem strony
- otrzymuje z
- Odbiór dokumentów
- zasila
- Ekstrakcja · Indeks RAGfragmenty
Ekstrakcja
47 pól
- otrzymuje z
- OCR
- zasila
- Kolejka weryfikacjiniska pewność
Indeks RAG
cytowania
- otrzymuje z
- OCRfragmenty
Kolejka weryfikacji
według pewności
- otrzymuje z
- Ekstrakcjaniska pewność
- zasila
- Synchronizacja z ERP
Synchronizacja z ERP
zwalidowana
- otrzymuje z
- Kolejka weryfikacji
Odbiór dokumentów
skan + pdf
- zasila
- OCR
OCR
z układem strony
- otrzymuje z
- Odbiór dokumentów
- zasila
- Ekstrakcja · Indeks RAGfragmenty
Ekstrakcja
47 pól
To dodaliśmy- otrzymuje z
- OCR
- zasila
- Kolejka weryfikacjiniska pewność
Indeks RAG
cytowania
To dodaliśmy- otrzymuje z
- OCRfragmenty
Kolejka weryfikacji
według pewności
To dodaliśmy- otrzymuje z
- Ekstrakcjaniska pewność
- zasila
- Synchronizacja z ERP
Synchronizacja z ERP
zwalidowana
- otrzymuje z
- Kolejka weryfikacji
Opis
Jak by to zbudować.
Zbiór danych, podejście, docelowe metryki i stack. Napisane dla tego, kto będzie to weryfikował.
LLMRAGDocument AI4 miesiące
Document Intelligence (OCR, ekstrakcja, RAG)
Zamiana plików PDF na ustrukturyzowane dane i przeszukiwalną wiedzę z cytowaniami.
Problem
Umowy i faktury przychodziły jako skany o różnej jakości. Ręczne wprowadzanie danych było powolne i podatne na błędy, a nie było śladu audytowego łączącego pole ze stroną, z której pochodzi.
Zbiór danych
- wiersze
- 840 tys. stron
- cechy
- 47 wyodrębnianych pól
- źródła
- Skany, pliki PDF, załączniki e-mail
- okno
- 30 miesięcy
Podejście
- 01OCR z zachowaniem układu, aby struktura tabel przetrwała ekstrakcję
- 02Ekstrakcja pól z pewnością dla każdego pola i pochodzeniem na poziomie fragmentu
- 03Indeks RAG na korpusie do wyszukiwania w języku naturalnym z cytowaniami
- 04Kolejka weryfikacji kierowana według pewności, z poprawkami wracającymi do modelu
Metryki
- 96.8%
- trafność pól +14.2pp
- 81%
- bez ingerencji bez udziału człowieka
- $0.07
- koszt / dokument -$1.90
- 100%
- pokrycie cytowaniami powiązane z fragmentem
Dowody
- źródło
- Projekt referencyjny
- liczby
- Poglądowe — typowe wartości dla tego projektu
- pomiar
- Nie mierzono. Typowe wartości dla projektu referencyjnego tego rodzaju, nie zaobserwowane w systemie klienta.
- referencje
- Niedostępne dla tego projektu
- ostatnia weryfikacja
- 2026-08-25
Wpływ na biznes
- Ręczne wprowadzanie ograniczone wyłącznie do obsługi wyjątków
- Każdą wyodrębnioną wartość można prześledzić do strony i ramki na niej
- Zamknięcie miesiąca nie czeka już na przetwarzanie dokumentów
Stack technologiczny
- Python
- Tesseract
- DocTR
- LayoutLM
- PostgreSQL
- Qdrant
- FastAPI
- Next.js
Dalej
Potrzebują Państwo takiego systemu?
Proszę odpowiedzieć na sześć pytań, a powiemy, czy ten kształt pasuje do Państwa problemu — także wtedy, gdy nie pasuje.