Вилучення даних із документів
Вилучення даних: скановані PDF у структуровані дані
Ми перетворюємо скани, PDF, форми й фотографії на поля й таблиці, потрібні вашим системам, у звичному для вас форматі, — з OCR у хмарі, яку ви вже використовуєте, або повністю на ваших власних серверах.
Чи може AI перетворити скановані PDF і зображення на структуровані дані?
Так. Конвеєр читає документ, знаходить потрібні вам поля (сторони, дати, суми, номери, позиції) і записує їх у вашу таблицю, базу даних чи систему, упорядковуючи за вашими правилами.
Який OCR він використовує?
Той, що працює у хмарі, якою ви вже користуєтеся, а не той, що лідирує в бенчмарках: AWS Textract, Azure AI Document Intelligence або Google Document AI. Опубліковані бенчмарки проводять на чистих тестових наборах, тому спершу ми перевіряємо провайдера, яким ви вже користуєтеся, на ваших власних зразках сканів. Робота у власній хмарі економить на передаванні даних і тримає контроль доступу в одному місці.
Коли документи взагалі не можуть залишати вашу інфраструктуру, увесь конвеєр працює локально.
Чи потрібна LLM, щоб вилучати дані з документів?
Часто ні. Вилучати поля з документів — вузька повторювана задача. Коли макет фіксований, достатньо правил. Коли макет різниться, а задача та сама, невелика модель, навчена для вилучення, зазвичай робить це швидше й дешевше за велику мовну модель і без надсилання тексту постачальнику моделі. Велику модель ми застосовуємо там, де документи потребують справжніх міркувань.
Як ви перевіряєте точність?
Ще до початку розробки ми погоджуємо з вами поріг успіху: які поля, яка точність і на яких ваших документах її вимірюємо. До запуску вилучення перевіряється на цьому наборі, і доки поріг не досягнутий, воно не йде в роботу.
Коли це вам не потрібно?
Коли всі документи зроблені за одним шаблоном, парсер на основі правил обійдеться дешевше. Коли йдеться про разову партію на кілька сотень сторінок, ручне введення може коштувати менше, ніж розробка. Що саме підходить вам, ми скажемо на дзвінку.
Запитання про цю послугу
Які документи він може читати?
Скановані й цифрові PDF, зображення та фото документів, форми й таблиці. Принесіть на дзвінок один реальний зразок, і ми скажемо, чого з ним можна досягти.
Чи може він працювати без надсилання документів у хмару?
Так. OCR і вилучення можуть повністю працювати на ваших власних серверах, на невеликих локальних моделях замість хмарного API.
У якому форматі виходять дані?
У вашому: макет електронної таблиці, таблиця бази даних або запис у вашій системі через її API.
Скільки це коштує?
Вартість проєктів із вилучення залежить від документів, тож ми прораховуємо її, побачивши зразок. Пропозиція фіксується до початку роботи.
Принесіть нам один процес. Ми скажемо, що йому потрібно.
30-хвилинний дзвінок. Візьміть на дзвінок один реальний процес або зразок документа. Ми скажемо, чи потрібна тут LLM, невелика модель чи просто скрипт, і що для цього знадобиться. Без презентацій.