Ota yhteyttä, jos sinulla on lomakkeita, tilauslappuja, raportteja, sopimuksia, hakemuslomakkeita, vastauskortteja (kampanjat) tai vastaavaa, jonka haluat muuntaa nopeasti tietokannaksi.
Käytämme lomakkeiden tulkinnassa joko kiinteän lomakkeen tietojenkeruutekniikkaa (samaa, jota käytetään kyselyihin) tai joustavaa tietojenkeruutekniikkaa, koska jälkimmäinen ei vaadi rekisteröintimerkkejä, joita normaalisti käytetään kiinteän lomakkeen tekniikassa, esim. kyselyissä.
Lomakkeiden tulkinta joustavalla tietojenkeruutekniikalla
Tulkinta joustavalla tietojenkeruutekniikalla toimii aivan eri tavalla kuin kiinteiden lomakkeiden tulkinta, jossa on kohdistusmerkit ja kentät kiinteissä sijainneissa. Kiinteiden sijaintien tulkinnan sijaan se perustuu OCR:n käyttöön ennalta määriteltyjen ankkurisanojen paikallistamiseksi, kuten "Contract", "contract no.", "Order no.", "Order slip:", "Report no.:" tai vastaavien, ja sen jälkeen ehtojen asettamiseen sopivan merkkijonon löytämiseksi ankkurin läheltä tai ainakin suhteessa siihen. Asetat ehdot sille, miltä etsittävän merkkijonon tulisi näyttää, kuten merkkien lukumäärä, mitkä merkit ovat sallittuja ja niin edelleen. Katso alta ankkurisana "REPORT" sinisellä ja poimittu raporttinumero vihreällä.
Samantyyppinen sopimus näyttää usein identtiseltä, mutta riittää, että yksi sopimuksista on valokopio tai painettu eri tulostimella, jotta se ei enää täsmää kiinteän lomakkeen malliin, jossa millimetrin tarkkuuden vaatimukset ovat korkeat. Hyvä esimerkki tilanteesta, jossa tämä väistämättä tapahtuu, on se, että julkaiset PDF:n, joka sisältää esimerkiksi hakemuslomakkeen uutta osakeantia varten ja jonka eri ihmiset sitten lataavat ja tulostavat myöhemmin eri tulostimilla. Siinä tapauksessa joustava tietojenkeruutekniikka puolistrukturoiduille lomakkeille on sen sijaan parempi.
Tiedonkeruu tekoälyllä – vaihtoehto ja täydennys perinteiselle OCR:lle
Viime vuosien tekoälymallit kuvantulkintaan ovat antaneet meille tehokkaan täydennyksen perinteiselle OCR:lle ja mallipohjaiselle tiedonkeruulle. Sen sijaan että tekoäly etsisi ankkurisanoja kiinteistä kohdista, se lukee sivua enemmän kuin ihminen – se ymmärtää asiayhteydestä, mitä kenttä tarkoittaa, vaikka lomake näyttäisi erilaiselta kuin viime kerralla. Näin voimme ottaa vastaan aineistoa, joka aiemmin olisi vaatinut manuaalista tallennusta.
Milloin tekoälylukemisesta on eniten hyötyä
- Lomakkeet ilman yhtenäistä mallia: kun jokainen palautettu kappale näyttää hieman erilaiselta eikä mikään kiinteä malli sovi.
- Vaikealukuiset alkuperäiskappaleet: valokopiot, kopion kopiot, vinot skannaukset, haaleat tulosteet ja vanhat asiakirjat.
- Käsin kirjoitetut tiedot: täytetyt kentät, reunahuomautukset ja allekirjoitusrivit, joista perinteinen OCR ei selviä.
- Kentät, jotka vaativat ymmärrystä: henkilötunnuksen erottaminen y-tunnuksesta, oikean päivämäärän löytäminen useiden joukosta tai sen ratkaiseminen, kumpi sivun kahdesta numerosta on sopimusnumero.
Tekoäly OCR-tulkitun aineiston oikolukijana
Ehkä tärkein käyttötapa meillä on tekoäly toisena silmäparina. Kun tiedot on kerätty OCR:llä tai tiedonkeruutekniikalla, annamme tekoälyn lukea jokaisen epävarman tiedon uudelleen suoraan skannatusta kuvasta ja verrata sitä siihen, mikä tietokantaan on päätynyt. Näin havaitsemme juuri ne virheet, jotka on vaikeinta löytää koneellisesti: numero 1 luettuna kirjaimena l tai I, 0 kirjaimena O, sekä yhteen kirjoitetut tai katkenneet sanat.
Olemme rakentaneet tämän tarkistuksen juuri sellaisille lyhyille tietokentille, joita lomakkeet sisältävät – numeroille, päivämäärille ja summille, mutta myös nimille, sähköpostiosoitteille ja lyhyemmälle vapaalle tekstille. Jokainen epävarma tieto tarkistetaan alkuperäistä kuvaa vasten ennen toimitusta.
Aina tarkistettu alkuperäistä kuvaa vasten
Tekoälymalli voi arvata väärin, ja uskottavalta näyttävä arvaus on vaarallisempi kuin ilmeinen OCR-virhe. Siksi emme koskaan käytä tekoälylukemista tarkistamatta. Jokainen tieto validoidaan sekä deterministisesti asettamiamme sääntöjä vasten – merkkien määrä, sallitut merkit, tarkistusnumero, haku rekisteristä – että visuaalisesti skannattua kuvaa vasten. Se, mitä ei voida todentaa kuvasta, siirtyy manuaaliseen tarkastukseen.
Lisäksi tekoälyllä tehtävä tiedonkeruu yhdistetään usein viimeiseen kierrokseen, jossa käyn itse vastaukset läpi kuvaa vasten omin silmin. Koneellinen validointi ja tekoälytarkistus havaitsevat suurimman osan, mutta juuri tuolla viimeisellä kierroksella yksittäiset erikoiset virheet tapaavat tulla esiin. Siksi myös uskallan luvata näin korkean tarkkuuden tämäntyyppisissä toimeksiannoissa.
Valitsemme tekniikan aineiston mukaan
Kiinteä lomaketekniikka, joustava tiedonkeruu ja tekoälylukeminen eivät sulje toisiaan pois – yhdistämme niitä usein samassa toimeksiannossa ja annamme kunkin tekniikan tehdä sen, missä se on parhaimmillaan. Lähetä meille mielellään muutama näytesivu, esimerkiksi kännykällä otettuja kuvia, niin palaamme ehdotuksella toteutuksesta ja hinnasta.