WhatsApp Makbuz OCR'ı — Yapay Zekâ Makbuzu Nasıl Okur ve Nerede Yanılır

Bir döviz bürosunun günlük iş yükünün en büyük payı makbuzları elle yazmaktır. Müşteri WhatsApp'ta bir fotoğraf gönderir, operatör bakar ve tutarı, tarihi, takip numarasını ve bankayı belgeye elle girer. Günde yüz makbuz, aynı işin yüz kez tekrarı demektir — ve her biri bir yazım hatası fırsatı.

Yapay zekâ bu yazmayı ortadan kaldırabilir: makbuz fotoğrafını okuyup alanları kendisi doldurur. Ama "yapay zekâ ile makbuz okuma", ne kadar faydalıysa, ona körü körüne güvenirseniz o kadar da tehlikelidir. Bu yazı, bu okumanın tam olarak nasıl çalıştığı, nerede yanıldığı ve çıktısının neden her zaman doğrulanabilir kalması gerektiği hakkındadır.

Bu yazı Ödeme Makbuzlarının Doğrulanması yazısını tamamlar. O yazı "para gerçekten geldi mi" sorusunu ele alır; bu yazı ise "makbuz nasıl okunur" sorusunu. Çıkarım ve doğrulama iki ayrı iştir ve hiçbiri diğerinin yerini tutmaz.

İki aşama: önce ucuz sınıflandırma, sonra tam çıkarım

Yaygın hata, yapay zekânın gelen her fotoğrafı tek seferde ve eksiksiz okuduğunu sanmaktır. Uygulamada, doğru bir boru hattının iki aşaması vardır ve sıralaması önemlidir.

Birinci aşama — ucuz sınıflandırma: herhangi bir çıkarımdan önce, hafif ve ucuz bir kontrol, bu fotoğrafın "hiç mali bir belge olup olmadığına" karar verir. Bir döviz bürosunun WhatsApp grubunda her şey el değiştirir: selfie, çıkartma, bir meslektaşın fotoğrafı, alakasız bir ekran görüntüsü. Her fotoğrafta tam çıkarım çalıştırırsanız, yapay zekâ maliyetini alakasız şeylere harcamış olursunuz.

İkinci aşama — tam çıkarım: yalnızca birinci aşamanın "mali belge" olarak tanımladığı fotoğraflar, alanların çıkarılması için tam modele gider: tutar, tarih, takip numarası, kaynak ve hedef banka.

Bu ayrım neden önemli? Maliyet yüzünden. Bir GPT modeliyle tam bir çıkarım yaklaşık 1,5 ila 3 sent tutar. Günde 300 fotoğraf gruplara gelir ve bunların yalnızca 100'ü gerçek makbuzsa, ucuz sınıflandırma aşaması olmadan 200 alakasız fotoğrafın maliyetini de ödüyorsunuz demektir.

Nexto'da bu ön sınıflandırma aşaması tam olarak bunu yapar ve mali olmayan fotoğraflar, ücretli bir modele gönderilmek yerine yerel ve ücretsiz olarak (tesseract gibi yerel bir araçla) atlanır. Sonuç şu ki, yalnızca gerçekten makbuz olan şey için ödeme yaparsınız.

Yapay zekâ nerede yanılır

İşin en önemli kısmı tam burasıdır. Yapay zekâ metin okumada güçlüdür, ama hatasız değildir — ve hataları tam olarak en hassas kısımlara düşer: rakamlar.

• Birbirine benzeyen harf ve rakamlar: l harfi ile 1 rakamı, ya da O harfi ile 0 rakamı. Uzun bir takip numarasında tek bir yer değişikliği, otomatik eşleşmeyi bozmaya yeter.
• Belirsiz rakamlar: 1 ile 7, 0 ile 5, 3 ile 8, düşük kaliteli bir makbuzda veya bulanık bir fotoğrafta kolayca yer değiştirmiş okunur.
• Binlik ayırıcı: bazen tutarın noktası veya virgülü silinir ya da eklenir, 1.200.000 sayısı 120.000 olur — bir sıfır eksik, on kat hata.
• Tarih: farklı biçimler (Hicri Şemsi/Miladi, elle yazılmış) sık bir tarih hatası kaynağıdır.

Basit bir sayısal örnek bunun neden önemli olduğunu gösterir. Gerçek makbuzun 48.500.000 riyal olduğunu ve yapay zekânın beşinci rakamı 5 yerine 8 okuduğunu varsayın: 48.800.000. Fark 300.000 riyaldir. Bu sayı doğrudan doğrulama olmadan belgeye girerse, kasa tutarsızlığı daha sonra bulunur — bulunması daha zor olduğunda.

Bu gerçeklerin pratik sonucu tek bir ilkedir: yapay zekânın çıktısı bir öneridir, bir gerçek değil.

Çıktı neden doğrulanabilir ve düzeltilebilir olmalı

Yapay zekâ bazen hata yapıyorsa, doğru tasarım onu asla yanılmayacak kadar daha doğru yapmak değildir — bu mümkün değildir. Doğru tasarım, çıktıyı operatörün bir bakışta görüp düzeltebileceği şekilde göstermektir.

Yani belge formu, önerilen alanları makbuz fotoğrafının yanında dolu ve hazır göstermelidir, öyle ki operatör ekrandaki tutarı fotoğraftaki tutarla karşılaştırabilsin. Onay, bir bakış ve bir tık olmalı; yanlış bir sayının düzeltilmesi de bir bakış ve kısa bir yazım olmalı.

Bu, "yapay zekâ kendisi kaydetsin ve gitsin" durumundan tamamen farklıdır. Fark sorumluluktadır:

• Tam otomatik modda, bir yapay zekâ hatası doğrudan deftere girer ve bir tutarsızlığa kadar kimse fark etmez.
• Öner-ve-onayla modunda, yapay zekâ yorucu işi (yazmayı) üstlenir, insan ise önemli işi (muhakeme ve kontrolü) elinde tutar.

Operatör artık yüz makbuzun yazıcısı değildir; yüz önerinin onaylayıcısıdır. Bu hem daha hızlı hem daha güvenlidir.

Nexto'da WhatsApp'tan gelen makbuzlar yapay zekâ ile okunur ve önerilen belge alanları — tutar, tarih, takip numarası, banka — doldurulur, ama nihai kayıt operatör onayıyladır. İşte bu yüzden yapay zekâsı olan bir döviz bürosu muhasebe yazılımı, çıkarımı ne kadar ciddiye alıyorsa onaylama ve düzeltme imkânını da o kadar ciddiye almalıdır.

Çıkarım, doğrulama değildir

Sık karıştırılan son bir nokta: yapay zekânın makbuz tutarını "doğru okumuş" olması "para geldi" anlamına gelmez. Çıkarım, fotoğraftaki sayının doğru görüldüğü demektir; doğrulama, o yatırımın gerçekten banka hesap hareketinize oturduğu ve geri dönmeyeceği demektir.

Bir fotoğraf düzenleyiciyle yapılmış sahte bir makbuz tamamen temiz ve okunaklı olabilir — ve yapay zekâ onu kusursuz çıkarabilir. Temiz bir çıkarım, paranın gerçekliği hakkında hiçbir şey söylemez. İşte bu yüzden çıkarımdan sonra gerçek hesap hareketiyle eşleştirme gereklidir — bu yazının başında değinilen, çıkarımın doğrulamadan aynı ayrımı.

Kontrol listesi: doğru bir OCR boru hattında neler bulunur

1. Maliyet alakasız fotoğraflara harcanmasın diye tam çıkarımdan önce ucuz sınıflandırma aşaması.
2. Mali olmayan fotoğraflar için yerel ve ücretsiz atlama.
3. Ham metin değil, belirli alanlara (tutar, tarih, takip, banka) yapılandırılmış çıkarım.
4. Hızlı görsel karşılaştırma için öneriyi fotoğrafın yanında gösterme.
5. Kayıttan önce tek alan düzeltme imkânı — çıktı bir öneridir, bir gerçek değil.
6. Çıkarımdan sonra hesap hareketiyle eşleştirme — çünkü çıkarım, doğrulama değildir.

Özet

Yapay zekâ makbuzların elle yazılmasını ortadan kaldırabilir ve bu gerçek bir tasarruftur. Ama bunu doğru yapmak şu demektir: maliyet boşa gitmesin diye önce ucuz sınıflandırma, sonra tam çıkarım; hassas rakamlarda yanıldığını kabul etmek; ve çıktıyı her zaman doğrulanabilir ve düzeltilebilir olacak şekilde tasarlamak. Yapay zekâ yorucu işi üstlenir, ama nihai sayının sorumluluğu insanda kalır.

WhatsApp makbuzunun otomatik okunmasının ve onaylanmasının pratikte nasıl çalıştığını görmek ister misiniz? Nexto döviz bürosu muhasebe yazılımından özel bir demo oluşturun ve bir makbuzu WhatsApp mesajından onaylanmış belgeye kadar izleyin.