Tag kontakt, hvis du har formularer, ordresedler, rapporter, kontrakter, ansøgningsskemaer, svarkort (kampagner) eller lignende, som du hurtigt vil konvertere til en database.
Vi bruger enten fastforms-dataindsamlingsteknologi (den samme som bruges til spørgeskemaer) eller fleksibel dataindsamlingsteknologi ved tolkning af formularer, da sidstnævnte ikke kræver de registreringsmærker, der normalt bruges med fastformsteknologi, f.eks. spørgeskemaer.
Tolkning af formularer med fleksibel dataindsamlingsteknologi
Tolkning med fleksibel dataindsamlingsteknologi fungerer ganske anderledes end tolkning af faste formularer med referencemærker og felter i faste positioner. I stedet for at tolke faste positioner bygger den på at bruge OCR til at lokalisere foruddefinerede ankerord, såsom "Contract", "contract no.", "Order no.", "Order slip:", "Report no.:" eller lignende, og derefter opstille betingelser for at finde en passende tegnstreng nær ankeret eller i det mindste i forhold til det. Du opstiller betingelser for, hvordan den søgte tegnstreng skal se ud, såsom antal tegn, hvilke tegn der er tilladt, og så videre. Se nedenfor ankerordet "REPORT" i blåt og det indfangede rapportnummer i grønt.
Den samme type kontrakt ser ofte identisk ud, men det kræver blot, at en af kontrakterne er en fotokopi eller trykt på en anden printer, for at den ikke længere matcher en fastforms-skabelon, hvor kravene til millimeterpræcision er høje. Et godt eksempel på, hvornår dette uundgåeligt sker, er, hvis du lægger en PDF ud, der indeholder for eksempel et ansøgningsskema til en ny aktieemission, som derefter downloades af forskellige personer og efterfølgende trykkes på forskellige printere. I så fald er den fleksible dataindsamlingsteknologi til halvstrukturerede formularer at foretrække i stedet.
Datafangst med AI – alternativ og supplement til klassisk OCR
De seneste års AI-modeller til billedtolkning har givet os et stærkt supplement til klassisk OCR og skabelonbaseret datafangst. I stedet for at finde ankerord i faste positioner læser AI'en siden mere, som et menneske gør – den forstår ud fra sammenhængen, hvad et felt betyder, også når blanketten ser anderledes ud end sidste gang. Det gør, at vi kan tage os af materiale, der tidligere ville have krævet manuel registrering.
Hvor AI-læsning gør størst gavn
- Blanketter uden ensartet skabelon: når hvert indsendt eksemplar ser lidt forskelligt ud, og ingen fast skabelon passer.
- Svært læselige originaler: fotokopier, kopi af kopi, skæve skanninger, svage udskrifter og gamle dokumenter.
- Håndskrevne oplysninger: udfyldte felter, marginnoter og signaturlinjer, som traditionel OCR ikke klarer.
- Felter der kræver forståelse: at skelne et personnummer fra et CVR-nummer, finde den rigtige dato blandt flere, eller afgøre hvilket af to numre på siden der er aftalenummeret.
AI som korrekturlæser af OCR-tolkede data
Den måske vigtigste anvendelse hos os er AI'en som et ekstra par øjne. Efter at data er fanget med OCR eller datafangstteknik, lader vi AI'en læse hver usikker oplysning igen direkte fra det skannede billede og sammenligne med det, der er endt i databasen. På den måde fanger vi netop de fejl, der er sværest at opdage maskinelt: tallet 1 læst som bogstavet l eller I, 0 som O, og sammenskrevne eller afhuggede ord.
Vi har bygget denne kontrol til netop den type korte datafelter, som blanketter indeholder – numre, datoer og beløb, men også navne, e-mailadresser og kortere fritekst. Hver usikker oplysning kontrolleres mod originalbilledet inden levering.
Altid kontrolleret mod originalbilledet
En AI-model kan gætte forkert, og et gæt, der ser rimeligt ud, er farligere end en åbenlys OCR-fejl. Derfor bruger vi aldrig AI-læsning ukontrolleret. Hver oplysning valideres dels deterministisk mod regler, vi opstiller – antal tegn, tilladte tegn, kontrolciffer, opslag mod et register – dels visuelt mod det skannede billede. Det, der ikke kan dokumenteres mod billedet, går videre til manuel gennemgang.
Desuden kombineres AI-datafangsten ofte med en sidste runde, hvor jeg selv gennemgår svarene mod billedet med egne øjne. Maskinel validering og AI-kontrol fanger det meste, men det er i den sidste gennemgang, at de enkelte mærkelige fejl plejer at dukke op. Det er også derfor, jeg tør love så høj nøjagtighed på denne type opgaver.
Vi vælger teknik efter materialet
Fast blanketteknik, fleksibel datafangst og AI-læsning udelukker ikke hinanden – vi kombinerer dem ofte i samme opgave og lader hver teknik gøre det, den er bedst til. Send os gerne et par prøvesider, f.eks. billeder taget med mobilen, så vender vi tilbage med forslag til fremgangsmåde og pris.