Kdy se firmě vyplatí AI třídění dokumentů

Schránka s přílohami, sdílený disk, účetní systém a interní portál často obsahují stejný problém v různých podobách: dokumenty přicházejí rychleji, než je lidé stíhají správně zařadit. AI třídění dokumentů může tuto práci výrazně omezit. Není to ale tlačítko, které z každého PDF samo udělá bezchybný záznam ve správné složce. Funguje tehdy, když má jasně určené místo ve firemním procesu.

Pro B2B firmy bývá přínos největší tam, kde se opakuje velký objem podobných úkonů. Někdo otevře přílohu, pozná, zda jde o fakturu, smlouvu nebo objednávku, zkontroluje několik údajů a pošle dokument dál. Jednotlivě jde o minuty. V součtu jsou to zbytečné fronty, chybné zařazení a závislost na tom, kdo zrovna rozumí konkrétní agendě.

Kde AI třídění dokumentů dává největší smysl

Nejlepší kandidát není nutně firma s největším archivem. Je to proces, kde dokument po rozpoznání typu vyvolá další konkrétní akci. Přijatá faktura má jít ke schválení, objednávka do evidence, životopis do náborového systému, reklamace do fronty podpory a dodatek ke smlouvě k odpovědné osobě.

Samotné přejmenování souborů nebývá dostatečný důvod pro vlastní řešení. Hodnota vzniká až ve chvíli, kdy systém zkrátí celý tok práce. Dokument přijme z e-mailu, formuláře nebo úložiště, přečte jeho obsah, určí kategorii, vytěží potřebná pole a předá výsledek do systému, kde s ním tým skutečně pracuje.

Dobře definovaný případ může vypadat jednoduše: e-mail dorazí s PDF v příloze, systém rozpozná fakturu, vytáhne dodavatele, částku, datum splatnosti a číslo dokladu. Pokud si je dostatečně jistý, založí záznam a pošle jej do schvalovacího procesu. Pokud ne, připraví dokument člověku ke kontrole. Právě poslední krok rozhoduje, zda automatizace bude použitelná i mimo prezentaci.

Naopak opatrnost je na místě, pokud každý dokument vypadá jinak a správné rozhodnutí závisí na informaci, která není nikde napsaná. Například volné posouzení obchodního rizika smlouvy nelze poctivě zaměnit za klasifikaci dokumentu. AI může připravit podklady, označit chybějící části nebo najít relevantní pasáže. Odpovědnost za rozhodnutí však zůstává na člověku.

Nejdřív proces, potom model

Před výběrem technologie potřebujeme rozumět vstupu a cíli. Kolik dokumentů přichází, jakými kanály, v jakých formátech a jazycích? Jaké typy firma rozlišuje? Kdo dnes rozhoduje o zařazení a co přesně udělá dál? Bez těchto odpovědí se snadno postaví řešení, které hezky čte text, ale nepomůže provozu.

Důležité je také oddělit tři různé úlohy. První je převod naskenovaného obrazu na text pomocí OCR. Druhá je klasifikace, tedy určení, zda jde například o fakturu nebo smlouvu. Třetí je vytěžení konkrétních údajů a jejich ověření. Každá část má jinou chybovost, jiné vstupy i jiný způsob kontroly.

Často dává smysl kombinace pevně daných pravidel a AI. Pokud soubor přišel z konkrétní schránky, má známé označení nebo obsahuje jednoznačný identifikátor, pravidlo bude levnější a předvídatelnější. AI je vhodná pro proměnlivý jazyk, různé šablony a neúplné podklady. Nasadit model na vše jen proto, že umí pracovat s textem, zpravidla zbytečně zvyšuje složitost i náklady na provoz.

Přesnost není jediné měřítko

Otázka „jak přesné to bude?“ je správná, ale sama o sobě nestačí. Záleží, co se stane při chybě. Špatně přiřazený interní dokument lze opravit později. Chybně vytěžené číslo účtu nebo částka na faktuře může vytvořit podstatně větší problém. Systém proto musí pracovat s mírou jistoty a podle ní volit další krok.

Prakticky to znamená nastavit alespoň tři režimy. U jednoznačných případů proběhne automatické zpracování. U nejistých případů člověk jen potvrdí nebo opraví připravený návrh. U dokumentů mimo známé kategorie se vytvoří výjimka pro ruční zpracování. Tím se lidé nezmění v kontrolory každého souboru, ale zároveň neztratí kontrolu nad rizikovými případy.

Hranice pro automatické zpracování nemá být stejná pro všechny agendy. U interní evidence může být rozumné přijmout více automatických rozhodnutí. U účetních, právních nebo personálních dokumentů bývá správnější přísnější režim. Dobré řešení dokáže tato pravidla nastavit pro konkrétní typ dokumentu, zdroj i navazující akci.

Integrace rozhoduje, zda se práce opravdu zkrátí

AI třídění dokumentů obvykle není samostatná aplikace, kterou někdo otevře jednou denně. Má být součástí pracovního toku. Napojení na e-mail, datové úložiště, ERP, CRM, účetní systém nebo vlastní administraci proto není technický detail, ale podstata projektu. Podrobněji o tom, co takové napojení musí zvládnout v provozu, píšeme u API integrace systémů.

Zároveň je potřeba počítat s realitou provozu. Příloha může být poškozená, stejné PDF může dorazit dvakrát, zdrojový systém může mít výpadek a dodavatel může změnit formát faktury. Aplikace musí umět dokument bezpečně zařadit do fronty, uložit stav zpracování, zabránit duplicitě a upozornit odpovědnou osobu, když předání selže.

Důležitá je dohledatelnost. U každého dokumentu by mělo být jasné, odkud přišel, jaký model nebo pravidlo ho vyhodnotilo, jaké údaje systém vytěžil, kdo provedl případnou opravu a do jakého systému byl výsledek odeslán. Nejde jen o audit. Když se objeví chyba, tým ji dokáže najít a opravit v procesu místo dlouhého hledání v e-mailech.

Citlivá data a evropský provoz

Dokumenty často obsahují osobní údaje, finanční informace nebo obchodní podmínky. Při návrhu proto řešíme, kde se soubory ukládají, jak dlouho se uchovávají, kdo k nim má přístup a které části dat skutečně potřebuje externí AI služba vidět.

Neexistuje univerzálně správná architektura. Pro některé firmy je vhodné posílat vybrané dokumenty do spravované služby a minimalizovat předávaná data. Jindy je nutné zpracování v izolovaném prostředí, případně provoz modelu v infrastruktuře zákazníka. Volba ovlivní funkce, náklady, údržbu i rychlost nasazení, proto patří na začátek projektu, ne do právní kontroly těsně před spuštěním. Podobné rozhodnutí z širšího úhlu rozebírá článek Jak nasadit AI do firemního software.

Přístupová práva musí odpovídat realitě firmy. Náborář nemá automaticky vidět účetní doklady a účetní nemusí mít přístup k personálním dokumentům. Třídicí služba tato oprávnění sama nevyřeší, ale může je respektovat, pokud jsou správně navržena v cílové aplikaci a napojených systémech.

Jak nasadit řešení bez velkého rizika

Rozumný začátek není pokus automatizovat celý archiv. Vybereme jednu agendu s dostatečným objemem, zřetelným cílem a dostupnými historickými vzorky. Na nich lze ověřit, jaké typy dokumentů skutečně přicházejí, kde OCR selhává a které výjimky budou vyžadovat člověka.

Pak vznikne produkční část procesu, ne izolovaný experiment: příjem dokumentů, fronta, klasifikace, obrazovka pro kontrolu, předání do cílového systému a logování. Je rozumné spustit ji nejdříve v režimu, kdy lidé výsledky porovnávají se svou dosavadní prací. Teprve z reálných oprav poznáme, kde mají být pravidla přísnější a kde naopak automatizace může převzít více práce.

Systém má sbírat opravy jako zpětnou vazbu, ale neměl by se nekontrolovaně měnit po každé jednotlivé úpravě. Kvalitní provoz vyžaduje pravidelné vyhodnocení chyb, testovací sadu typických i problematických dokumentů a řízené úpravy pravidel nebo modelu. To je rozdíl mezi jednorázovým nasazením a softwarem, za kterým někdo stojí i po spuštění.

Když v Nextrey stavíme podobné řešení, nezačínáme otázkou, jaký model použít. Začínáme konkrétním rozhodnutím, které dnes člověk opakuje, a systémem, do kterého má výsledek bezpečně doputovat. Teprve potom vybíráme technologii a rozsah automatizace.

Nejlepší první krok je vzít deset až padesát skutečných dokumentů z jedné agendy, projít jejich cestu firmou a označit místa, kde lidé pouze přepisují, přeposílají nebo hledají informaci, která už v dokumentu je. Právě tam bývá prostor pro automatizaci, která nebude působit efektně jen na papíře, ale uvolní kapacitu pro práci, kde je lidský úsudek opravdu potřeba. Širší pohled na toky dokumentů a techniky popisují způsoby automatizace zpracování dokumentů.