AI-OCR และ Intelligent Document Processing (IDP) คืออะไร? คู่มือการนำไปใช้เพื่อทำระบบอัตโนมัติสำหรับใบแจ้งหนี้และสัญญา

ในแต่ละเดือนต้องมีการคีย์ข้อมูลจากใบแจ้งหนี้หลายร้อยฉบับด้วยมือ และต้องคอยตรวจสอบเปรียบเทียบกับใบสำคัญจ่ายอย่างละเอียด ในสายงานบัญชีและกฎหมาย งานที่ดูเรียบง่ายเหล่านี้กำลังกัดกินเวลาของเจ้าหน้าที่ไปอย่างเงียบๆ Intelligent Document Processing (IDP) คือหนึ่งในเทคโนโลยีที่จะเข้ามาเปลี่ยนสถานการณ์นี้ โดยเป็นกลไกที่นำ AI-OCR มาผสมผสานกับเทคโนโลยีการประมวลผลภาษาธรรมชาติ (Natural Language Processing) เพื่ออ่านข้อมูลที่จำเป็นจากใบแจ้งหนี้หรือสัญญาที่เป็นกระดาษและไฟล์ PDF แล้วนำไปบันทึกลงในระบบงานโดยอัตโนมัติ

บทความนี้จัดทำขึ้นโดยมุ่งเน้นกลุ่มเป้าหมายที่เป็นเจ้าหน้าที่ฝ่ายบัญชี ฝ่ายกฎหมาย และฝ่ายสนับสนุนส่วนหลัง (Back Office) ที่ต้องเสียเวลากับการคีย์ข้อมูลด้วยมือและการตรวจสอบด้วยสายตา โดยจะสรุปความแตกต่างจาก OCR แบบเดิม ขั้นตอนการนำไปใช้งาน และประเด็นสำคัญในการเลือกเครื่องมือ เพื่อให้ผู้อ่านสามารถประเมินได้ว่างานเอกสารของบริษัทตนเองนั้นสามารถนำระบบอัตโนมัติมาประยุกต์ใช้ได้มากน้อยเพียงใด

Intelligent Document Processing (IDP) คือกลไกที่รวมการอ่านตัวอักษรด้วย AI-OCR เข้ากับการทำความเข้าใจความหมายด้วย LLM โดย AI-OCR จะทำหน้าที่เพียง "แปลงภาพเป็นตัวอักษร" เท่านั้น แต่จะไม่สามารถตัดสินได้ว่าเนื้อหาที่เขียนอยู่นั้นตรงกับหัวข้อใดในใบแจ้งหนี้ หรือเป็นข้อกำหนดใดในสัญญา IDP จะเข้ามาทำหน้าที่ในขั้นตอนถัดไปนี้ โดยการนำข้อความที่อ่านได้มาจัดโครงสร้างให้เป็นข้อมูลทางธุรกิจ

ตัวอย่างเช่น ในกรณีของใบแจ้งหนี้ AI-OCR จะอ่านข้อความอย่าง "บริษัท 〇〇 จำกัด" และ "150,000 เยน" แยกกัน แต่การเชื่อมโยงว่าข้อมูลใดคือชื่อคู่ค้าและข้อมูลใดคือยอดเงินที่เรียกเก็บนั้นเป็นบทบาทของ IDP แม้ว่ารูปแบบเอกสารจะแตกต่างกันไปในแต่ละคู่ค้า แต่เนื่องจาก LLM สามารถตัดสินได้จากบริบทของเอกสารทั้งฉบับว่า "นี่คือช่องของยอดเงินที่เรียกเก็บ" จึงทำให้สามารถดึงข้อมูลออกมาได้โดยไม่ถูกจำกัดด้วยเทมเพลต สำหรับสัญญา ตัวอย่างการใช้งานทั่วไปคือการดึงข้อมูลระยะเวลาสัญญาหรือเงื่อนไขค่าปรับออกมาโดยอัตโนมัติจากหัวข้อของข้อกำหนดและโครงสร้างของเนื้อความ

กล่าวคือ AI-OCR ถือเป็นเทคโนโลยีที่จุดเริ่มต้น ส่วน IDP คือกลไกที่เปลี่ยนผลลัพธ์นั้นให้เป็นรูปแบบที่สามารถนำไปใช้งานทางธุรกิจได้ ทั้งสองอย่างนี้ไม่ได้แข่งขันกัน แต่ตั้งอยู่บนสมมติฐานที่ว่าความแม่นยำในการอ่านของ AI-OCR จะเป็นตัวกำหนดคุณภาพการประมวลผลโดยรวมของ IDP

Intelligent Document Processing (IDP) คือกลไกที่ไม่เพียงแต่อ่านเอกสารที่เป็นกระดาษหรือ PDF เท่านั้น แต่ยังรวมถึงการทำความเข้าใจเนื้อหาและแปลงเป็นข้อมูลที่มีโครงสร้าง (Structured Data) เพื่อนำไปใช้ในระบบธุรกิจได้อีกด้วย จุดเด่นของมันไม่ได้หยุดอยู่แค่การจดจำตัวอักษร (OCR) เท่านั้น แต่ยังครอบคลุมไปถึงการตีความหมาย เช่น "รายการใดคือยอดเงินที่เรียกเก็บ" หรือ "ใครคือผู้สั่งซื้อ"

ขั้นตอนการประมวลผลแบ่งออกเป็น 4 ระยะ ได้แก่ การนำเข้าเอกสารเป็นรูปภาพเพื่อวิเคราะห์เค้าโครง (Layout), การอ่านตัวอักษร, การจำแนกและดึงข้อมูลตามรายการที่อ่านได้ และการส่งผลลัพธ์ไปยังระบบธุรกิจ หากยกตัวอย่างใบแจ้งหนี้ ระบบจะวิเคราะห์เค้าโครงเพื่อระบุตำแหน่งของ "ผู้เรียกเก็บเงิน", "วันที่เรียกเก็บ", "จำนวนเงิน" และ "รายการสินค้า" จากรูปภาพที่นำเข้า จากนั้นจึงอ่านตัวอักษรจากแต่ละพื้นที่ หลังจากนั้นระบบจะตัดสินความหมายว่าข้อความที่อ่านได้นั้นเป็นจำนวนเงินหรือวันที่ และจัดรูปแบบให้พร้อมสำหรับการเชื่อมต่อกับระบบ ERP (Enterprise Resource Planning) หรือระบบบัญชี โดยดำเนินการทั้งหมดโดยอัตโนมัติโดยไม่ต้องใช้แรงงานคน ความแตกต่างที่สำคัญระหว่าง IDP กับเครื่องมือถอดความทั่วไปก็คือส่วนของ "การตีความหมายจนถึงขั้นสร้างโครงสร้างข้อมูล" นี่เอง

อย่างไรก็ตาม หากเป็นเอกสารที่มีรูปแบบการเขียนแตกต่างกันมากหรือมีลายมือปะปนอยู่ ความแม่นยำอาจลดลง ซึ่งจำเป็นต้องมีการออกแบบขั้นตอนการตรวจสอบในภายหลังแยกต่างหาก

OCR แบบดั้งเดิมเป็นเทคโนโลยีที่จดจำตัวอักษรที่พิมพ์ในตำแหน่งที่กำหนดไว้เป็นรูปแบบภาพ ซึ่งมีแนวโน้มที่ความแม่นยำในการอ่านจะลดลงอย่างมากหากรูปแบบเปลี่ยนไปเพียงเล็กน้อย บทบาทของ OCR แบบดั้งเดิมคือ "การหยิบตัวอักษรที่เขียนในรูปแบบที่กำหนดไว้ในตำแหน่งที่แน่นอน" เช่น เลขที่ใบแจ้งหนี้หรือช่องวันที่ในรูปแบบฟอร์มมาตรฐาน เปรียบเสมือนพนักงานส่งของที่จำที่อยู่ได้ขึ้นใจ แต่หากเลขที่บ้านเปลี่ยนไปก็จะเกิดความสับสน

AI-OCR เป็นเทคโนโลยีการอ่านที่พัฒนาขึ้นโดยใช้การเรียนรู้ของเครื่อง (Machine Learning) เพื่อให้สามารถรองรับตัวอักษรที่เขียนด้วยลายมือหรือความไม่คงที่ของเลย์เอาต์ได้ แม้รูปแบบจะผิดเพี้ยนไปบ้างก็ยังสามารถจดจำตัวอักษรได้ แต่จะไม่ตัดสินว่าตัวอักษรที่ดึงออกมานั้น "หมายถึงอะไร"

IDP เป็นกลไกที่รวมเอาการทำความเข้าใจโครงสร้างเอกสารและการให้ความหมายของรายการโดยใช้ LLM เข้ากับการจดจำตัวอักษรด้วย AI-OCR รวมถึงการเชื่อมต่อเข้ากับระบบงานต่างๆ ไว้อย่างครบวงจร โดยจะตัดสินจากบริบทว่าตัวเลขใดในใบแจ้งหนี้คือยอดก่อนภาษีและตัวเลขใดคือยอดรวม และรับหน้าที่ส่งข้อมูลดังกล่าวเข้าสู่ระบบ ERP (Enterprise Resource Planning) โดยตรง

กล่าวคือ OCR แบบดั้งเดิมคือ "การหยิบตัวอักษร", AI-OCR คือ "การหยิบตัวอักษรที่ผิดเพี้ยน", และ IDP คือ "การเข้าใจความหมายของข้อมูลที่หยิบมาและส่งต่อเข้าสู่กระบวนการทำงาน" ซึ่งเป็นความแตกต่างในแต่ละระดับ การเปรียบเทียบเพียงแค่ความแม่นยำเพียงอย่างเดียวอาจทำให้เข้าใจผิดเกี่ยวกับบทบาทที่แท้จริงของแต่ละเทคโนโลยีได้

ปัจจัยหลายประการส่งผลให้ IDP ได้รับความสนใจในขณะนี้

ปัจจัยที่สำคัญที่สุดคือการบังคับใช้กฎหมายการจัดเก็บข้อมูลทางอิเล็กทรอนิกส์ (Electronic Book Preservation Act) ซึ่งกำหนดให้ต้องจัดเก็บข้อมูลธุรกรรมทางอิเล็กทรอนิกส์ การสแกนใบแจ้งหนี้ที่เป็นกระดาษแล้วจบไปนั้นไม่เพียงพออีกต่อไป แต่จำเป็นต้องจัดเก็บข้อมูลในรูปแบบที่รับประกันความสามารถในการสืบค้นและความถูกต้องของข้อมูลได้ แม้แต่ในแบบตรวจสอบที่กรมสรรพากรเผยแพร่ออกมา ก็มีการกำหนดข้อกำหนดในการจัดเก็บข้อมูลธุรกรรมไว้อย่างละเอียด ซึ่งทำให้การจัดเก็บเป็นเพียงรูปภาพธรรมดาอาจไม่เพียงพอต่อการรองรับสถานการณ์ต่างๆ ความจำเป็นที่ "รอไม่ได้" ในการปฏิบัติตามกฎระเบียบนี้เองที่เป็นเหตุผลให้หลายบริษัทเริ่มพิจารณาใช้ IDP

นอกจากนี้ ยังไม่สามารถมองข้ามการแพร่หลายของ Generative AI และ LLM ที่ทำให้การทำความเข้าใจความหมายจากเอกสารที่ไม่เป็นรูปแบบ (Unstructured Documents) เข้าสู่ระดับที่ใช้งานได้จริง แม้จะเป็นบันทึกที่เขียนด้วยลายมือซึ่ง OCR แบบเดิมไม่สามารถอ่านได้ หรือสัญญาที่มีรูปแบบแตกต่างกันไปในแต่ละครั้ง ก็สามารถดึงข้อมูลโดยตีความเนื้อหาไปพร้อมกันได้แล้ว

สถานการณ์ในหน้างานอย่างปัญหาการขาดแคลนบุคลากรในแผนกบัญชีและกฎหมายก็เป็นสิ่งที่ละเลยไม่ได้ งานที่ต้องตรวจสอบใบแจ้งหนี้ด้วยสายตาซึ่งมีรูปแบบแตกต่างกันไปตามคู่ค้าแต่ละรายนั้น สร้างภาระให้กับผู้รับผิดชอบอย่างมากและเป็นงานที่มักจะพึ่งพาความสามารถเฉพาะบุคคลสูง หากใช้ IDP จะสามารถเปลี่ยนงานตรวจสอบจากการ "อ่าน" เป็นการ "ยืนยันความถูกต้อง" ทำให้สามารถรักษาปริมาณการประมวลผลไว้ได้แม้จะมีจำนวนพนักงานน้อยลง

นอกจากนี้ การจัดทำกรอบการทำงานอย่าง ISO/IEC 42001 ซึ่งเป็นมาตรฐานสากลสำหรับระบบการจัดการ AI ก็เป็นปัจจัยหนึ่งที่ช่วยกระตุ้นความสนใจในการออกแบบกระบวนการทำงานโดยมี AI เป็นพื้นฐาน การที่ทั้งการปฏิบัติตามกฎระเบียบและการใช้ประโยชน์จาก AI ได้เริ่มขับเคลื่อนไปพร้อมกันนี้เอง คือสิ่งที่นำไปสู่ความต้องการ IDP ในปัจจุบัน

IDP มีความเชี่ยวชาญในการอ่านเอกสารทั้งแบบที่มีรูปแบบตายตัว (Structured) และไม่มีรูปแบบตายตัว (Unstructured) ที่อยู่ในรูปแบบกระดาษหรือ PDF เพื่อนำข้อมูลเข้าสู่ระบบธุรกิจโดยอัตโนมัติ การที่ต้องมานั่งตรวจสอบและคีย์ข้อมูลใบแจ้งหนี้ที่มีรูปแบบแตกต่างกันไปในแต่ละคู่ค้า หรือสัญญาที่มีการจัดเรียงข้อสัญญาไม่เหมือนกันทีละฉบับนั้น ถือเป็นภาระหนักที่แผนกบัญชีและแผนกกฎหมายต้องแบกรับมาอย่างยาวนาน ในความเป็นจริง ความต้องการในการทำระบบอัตโนมัติมักจะกระจุกตัวอยู่ใน 2 ส่วนงานหลัก ได้แก่ การประมวลผลใบแจ้งหนี้ในแผนกบัญชี และการตรวจสอบหรือจัดการสัญญาในแผนกกฎหมายและแผนกขาย ในหัวข้อ H3 ต่อไปนี้ เราจะมาดูรายละเอียดกันว่า IDP สามารถเข้ามาทดแทนงานในแต่ละส่วนได้อย่างไรบ้าง

การประมวลผลใบแจ้งหนี้เป็นหนึ่งในงานที่เห็นผลลัพธ์ของ IDP ได้ชัดเจนที่สุด สำหรับใบแจ้งหนี้ที่มีรูปแบบแตกต่างกันไปในแต่ละคู่ค้า พนักงานต้องคอยตรวจสอบด้วยสายตาและคีย์ข้อมูลด้วยตนเองตามรูปแบบที่เปลี่ยนไปเรื่อยๆ แต่ IDP สามารถจัดการกับความแตกต่างของรูปแบบเหล่านี้ได้ โดยจะดึงข้อมูลต่างๆ เช่น วันที่ออกเอกสาร, ชื่อผู้ออกใบแจ้งหนี้, จำนวนเงิน และประเภทภาษีออกมาโดยอัตโนมัติ

เมื่อสแกนหรือนำเข้าใบแจ้งหนี้ที่มาในรูปแบบกระดาษหรือ PDF แล้ว AI-OCR จะอ่านตัวอักษร จากนั้น LLM จะทำหน้าที่ตัดสินบริบท เช่น "นี่คือยอดรวมใบแจ้งหนี้หรือยอดภาษี" ก่อนจะเชื่อมโยงข้อมูลเข้ากับ ERP หรือระบบบัญชี เมื่อกระบวนการนี้กลายเป็นมาตรฐาน บทบาทของพนักงานจะเปลี่ยนไปเป็นการตรวจสอบความถูกต้องระหว่างผลลัพธ์ที่ดึงออกมากับเอกสารต้นฉบับ ซึ่งจะช่วยลดงานคีย์ข้อมูลลงได้อย่างมาก ในความเป็นจริง สำหรับแผนกบัญชีที่ต้องประมวลผลใบแจ้งหนี้หลายร้อยฉบับต่อเดือน มักจะสามารถเปลี่ยนเวลาที่เคยใช้ไปกับการคีย์ข้อมูลมาเป็นการตรวจสอบแทนได้

ในงานบัญชีนั้น ข้อกำหนดในการจัดเก็บข้อมูลธุรกรรมอิเล็กทรอนิกส์ตามกฎหมายว่าด้วยการจัดเก็บเอกสารทางบัญชีด้วยวิธีอิเล็กทรอนิกส์ (Electronic Book Preservation Act) เป็นสิ่งที่ละเลยไม่ได้ หากจัดเก็บข้อมูลที่อ่านได้จาก IDP โดยตรง ก็จะช่วยให้มั่นใจได้ถึงความสามารถในการสืบค้นและความถูกต้องของข้อมูล

อย่างไรก็ตาม ใบแจ้งหนี้ที่มีมูลค่าต่ำหรือใบเสร็จที่เขียนด้วยลายมือซึ่งเป็นรูปแบบไม่ตายตัว มักจะมีความแม่นยำในการดึงข้อมูลต่ำกว่า ดังนั้น วิธีการที่เหมาะสมในทางปฏิบัติคือการเริ่มขยายขอบเขตการใช้งานจากธุรกรรมที่มีมูลค่าสูงหรือใบแจ้งหนี้ที่มีรูปแบบมาตรฐานก่อน แล้วจึงค่อยๆ ขยายไปยังส่วนอื่นๆ เมื่อยืนยันความแม่นยำได้แล้ว

ในงานด้านสัญญา การสกัดข้อสัญญา การตรวจจับจุดเสี่ยง และการจัดการวันหมดอายุถือเป็นเป้าหมายหลักของระบบอัตโนมัติ เนื่องจากสัญญาแตกต่างจากใบแจ้งหนี้ตรงที่ไม่มีรูปแบบ (Layout) ที่ตายตัว อีกทั้งลำดับของข้อสัญญาและถ้อยคำที่ใช้ยังแตกต่างกันไปตามคู่สัญญาแต่ละราย การเรียนรู้ตำแหน่งของรายการแบบง่ายๆ จึงไม่สามารถรองรับได้ ในระบบ IDP จึงมีการนำความเข้าใจบริบทด้วย LLM มาใช้ โดยใช้วิธีสกัดเนื้อหาจากความหมายของข้อสัญญา เช่น "ระยะเวลาสัญญา" "ข้อสัญญาการต่ออายุอัตโนมัติ" "ค่าปรับ" และ "เงื่อนไขการยกเลิก"

สำหรับการนำไปใช้งานนั้น ส่วนใหญ่จะเน้นไปที่การทำรายการวันหมดอายุของสัญญาเพื่อแจ้งเตือนก่อนถึงกำหนด การติดธงอัตโนมัติสำหรับข้อสัญญาที่เบี่ยงเบนไปจากสัญญามาตรฐาน (เช่น ข้อกำหนดพิเศษที่เสียเปรียบ) และการเพิ่มประสิทธิภาพในการตรวจสอบสัญญาจำนวนมากที่มีอยู่เพื่อเปรียบเทียบเงื่อนไขในภาพรวม โดยเฉพาะในบริษัทที่มีคู่ค้าหลายร้อยราย การพลาดการต่ออายุจนเกิดการต่อสัญญาอัตโนมัติหรือการมองข้ามข้อสัญญาที่เบี่ยงเบนไปอาจนำไปสู่ความเสียหายจริงได้ ดังนั้นความคุ้มค่าในการลงทุน (ROI) ในด้านนี้จึงค่อนข้างชัดเจน

ในทางกลับกัน เนื่องจากการตีความสัญญามีผลต่อการตัดสินใจทางกฎหมายขั้นสุดท้าย ผลลัพธ์ที่สกัดได้จึงต้องถือเป็นเพียงร่างสำหรับการตรวจสอบเท่านั้น มีรายงานกรณีที่เกิดการสกัดข้อมูลตกหล่นหรือการตีความนัยสำคัญผิดพลาด ดังนั้นสำหรับสัญญาที่สำคัญจึงมีข้อกำหนดเบื้องต้นว่าต้องให้เจ้าหน้าที่ฝ่ายกฎหมายเป็นผู้ตรวจสอบเสมอ นอกจากนี้ เนื่องจากเป็นเอกสารที่มีเงื่อนไขการทำธุรกรรมที่เป็นความลับสูง จึงจำเป็นต้องใช้ความระมัดระวังในการจัดการสิทธิ์การเข้าถึงโครงสร้างพื้นฐานในการประมวลผลและวิธีการจัดเก็บข้อมูลมากกว่าเอกสารทั่วไป

กระบวนการของ IDP แบ่งออกเป็น 3 ขั้นตอนหลัก ได้แก่ ขั้นตอนการจดจำเลย์เอาต์ของเอกสารเพื่อจัดทำโครงสร้าง, ขั้นตอนที่ LLM ทำความเข้าใจความหมายจากบริบทเพื่อดึงข้อมูล และขั้นตอนสุดท้ายคือการเชื่อมโยงผลลัพธ์ที่ดึงข้อมูลได้เข้ากับระบบธุรกิจ เช่น ERP

ในบรรดาขั้นตอนเหล่านี้ สิ่งที่ส่งผลต่อความแม่นยำมากที่สุดคือขั้นตอนที่ 2 ซึ่งเป็นการประมวลผลการดึงข้อมูลโดย LLM โดยความแม่นยำในการอ่านในขั้นตอนนี้จะเป็นตัวกำหนดความน่าเชื่อถือของงานโดยรวม แม้ในกรณีที่เป็นเอกสารที่เลย์เอาต์ไม่สมบูรณ์หรือมีลายมือปนอยู่ LLM ก็สามารถคาดเดาความหมายของรายการต่างๆ ได้จากบริบท จึงมีแนวโน้มที่จะรับมือได้อย่างยืดหยุ่นกว่า OCR แบบ Template Matching แบบเดิม ในขณะเดียวกัน ความสามารถในการเชื่อมโยงผลลัพธ์ที่ดึงข้อมูลได้เข้ากับระบบนั้นขึ้นอยู่กับการออกแบบ API และความพร้อมของ Connector ของผลิตภัณฑ์ IDP แต่ละตัว ซึ่งเป็นส่วนที่จำเป็นต้องตรวจสอบข้อมูลจำเพาะก่อนการนำไปใช้งาน

ขั้นตอนที่ 3 คือการเชื่อมโยงกับระบบธุรกิจ ซึ่งเป็นส่วนที่ผลิตภัณฑ์แต่ละตัวมักมีความแตกต่างกันในด้านผลงานการเชื่อมต่อกับ ERP หรือเครื่องมือ Workflow ในการพิจารณานำไปใช้งาน นอกจากความแม่นยำในการดึงข้อมูลแล้ว ควรตรวจสอบด้วยว่าสามารถเชื่อมโยงกับระบบที่มีอยู่เดิมได้อย่างราบรื่นเพียงใด

ในขั้นตอนแรกของการประมวลผลเอกสารนี้ ระบบจะอ่านเอกสารที่เป็นกระดาษหรือไฟล์ PDF ให้เป็นรูปภาพ จากนั้นจึงสกัดข้อความและข้อมูลตำแหน่งออกมา โดย AI-OCR จะทำหน้าที่จดจำตัวอักษร พร้อมทั้งวิเคราะห์เลย์เอาต์ของเส้นตารางและหัวข้อ เพื่อคาดการณ์ว่าพื้นที่ใดคือ "วันที่ออกใบแจ้งหนี้" "จำนวนเงิน" หรือ "ชื่อคู่ค้า" ทั้งนี้ ความแม่นยำในการจดจำอาจผันผวนได้หากมีลายมือเขียนปะปนอยู่ หรือหากเอกสารที่สแกนมีความเอียงหรือรอยเปื้อน

หลายคนมักเข้าใจว่าการใช้เครื่องสแกนที่มีความละเอียดสูงจะช่วยเพิ่มความแม่นยำในการอ่านโดยอัตโนมัติ แต่ในความเป็นจริงแล้ว ความสามารถในการรับมือกับความหลากหลายของเลย์เอาต์ต่างหากที่เป็นตัวกำหนดผลลัพธ์ เนื่องจากแม้จะเป็นใบแจ้งหนี้เหมือนกัน แต่ตำแหน่งของรายการและรูปแบบการเขียนของคู่ค้าแต่ละรายนั้นแตกต่างกัน การจดจำตัวอักษรเพียงอย่างเดียวจึงไม่สามารถนำไปสู่การจัดโครงสร้างข้อมูลได้

ด้วยเหตุนี้ IDP ในยุคปัจจุบันจึงนิยมออกแบบโดยการนำโมเดลวิเคราะห์เลย์เอาต์ที่สามารถเข้าใจโครงสร้างเชิงตรรกะของเอกสารมาใช้ควบคู่ไปกับการจดจำตัวอักษร โดยจุดสำคัญที่สุดของขั้นตอนนี้คือการแบ่งข้อมูลรูปแบบตารางออกเป็นแถวและคอลัมน์ และส่งต่อไปยังขั้นตอนถัดไปโดยยังคงรักษาความสัมพันธ์ระหว่างหัวข้อและค่าข้อมูลเอาไว้ได้

หลังจากที่ข้อมูลโครงสร้างของเอกสารมีความพร้อมแล้ว บทบาทในการอ่านและตีความรายการต่างๆ จะเป็นหน้าที่ของ LLM (Large Language Model) ในขณะที่ AI-OCR แบบดั้งเดิมทำได้เพียง "ตัดข้อความที่อยู่ในตำแหน่งที่กำหนดไว้" เท่านั้น แต่ LLM สามารถเข้าใจความหมายโดยพิจารณาจากบริบท และสามารถคาดการณ์รายการที่เกี่ยวข้องได้แม้ว่ารูปแบบเลย์เอาต์จะเปลี่ยนไปก็ตาม

ตัวอย่างเช่น ในกรณีของใบแจ้งหนี้ แม้ว่ารูปแบบเอกสารจะละหัวข้อ "ยอดเงินที่เรียกเก็บ" และเขียนไว้เพียงว่า "รวม" LLM ก็มีแนวโน้มที่จะระบุยอดเงินรวมได้จากตัวเลขและข้อความโดยรอบ ส่วนในสัญญาจ้าง แม้ว่าหัวข้อของข้อกำหนดจะใช้คำที่แตกต่างกันไปในแต่ละบริษัท แต่ LLM ก็สามารถจำแนกและดึงเนื้อหาที่เทียบเท่ากับ "เงื่อนไขการชำระเงิน" หรือ "ข้อกำหนดการยกเลิกสัญญา" ออกมาได้โดยอาศัยความเข้าใจในเชิงความหมาย

อย่างไรก็ตาม มีจุดที่ควรระวังคือ เนื่องจาก LLM เป็นกลไกที่ใช้การคาดการณ์จากบริบท จึงมีความเสี่ยงที่จะเกิดอาการประสาทหลอน (Hallucination) หรือการเติมค่าที่ไม่มีอยู่จริงในกรณีที่เป็นเอกสารที่มีเนื้อหาคลุมเครือหรือข้อมูลไม่ครบถ้วน ดังนั้น การเลือกใช้เครื่องมือที่มีฟังก์ชัน "แสดงหลักฐานอ้างอิง" (Grounding) ซึ่งระบุตำแหน่งที่มาของข้อมูลในเอกสารต้นฉบับสำหรับผลลัพธ์ที่ดึงออกมา จะช่วยลดภาระในการตรวจสอบได้

นอกจากนี้ หากมีการออกแบบที่สามารถเพิ่มหรือแก้ไขรายการที่ต้องการดึงข้อมูลได้อย่างยืดหยุ่น ก็จะช่วยให้รองรับรูปแบบเอกสารที่แตกต่างกันไปตามประเภทธุรกิจหรือคู่ค้าได้ง่ายขึ้น ในส่วนถัดไปที่จะกล่าวถึงการเชื่อมต่อกับระบบงาน (Business System) ประเด็นสำคัญจะอยู่ที่วิธีการส่งผ่านผลลัพธ์การดึงข้อมูลเหล่านี้ไปใช้งานต่อ

ข้อมูลรายการที่สกัดออกมานั้นไม่ได้มีมูลค่าในตัวของมันเอง การประมวลผลใบแจ้งหนี้หรือการจัดการสัญญาจะเสร็จสมบูรณ์ได้ก็ต่อเมื่อมีการเชื่อมต่อเข้ากับระบบ ERP หรือระบบบัญชีอย่างถูกต้องเท่านั้น

วิธีการเชื่อมต่อแบ่งออกเป็น 3 กรณีหลัก ดังนี้:

• การเชื่อมต่อผ่าน API: กรณีที่สามารถส่งข้อมูลการลงบัญชีไปยัง ERP ได้แบบเรียลไทม์ หากระบบเดิมมีการเปิด API ไว้ จะถือเป็นวิธีที่มีความยืดหยุ่นมากที่สุด
• การเชื่อมต่อผ่านไฟล์ CSV: กรณีที่เป็นการนำเข้าข้อมูลเป็นระยะด้วยการประมวลผลแบบแบตช์ (Batch processing) เหมาะสำหรับระบบหลัก (Core system) รุ่นเก่าที่ไม่มี API รองรับ
• การเชื่อมต่อผ่านการควบคุมหน้าจอโดยใช้ RPA: เป็นทางเลือกทดแทนในกรณีที่การปรับปรุงระบบทำได้ยาก ซึ่งมักมีความเสถียรน้อยกว่าการเชื่อมต่อผ่าน API

สิ่งที่มักมองข้ามไปในขณะเชื่อมต่อคือความละเอียดของการทำ Mapping ข้อมูล หาก "ชื่อคู่ค้า" ที่ IDP สกัดออกมาไม่ตรงกับ "รหัสคู่ค้า" ในฝั่ง ERP จำเป็นต้องมีการสร้างกระบวนการตรวจสอบกับข้อมูลหลัก (Master data) แยกต่างหาก มีรายงานว่าการตรวจสอบอัตโนมัติล้มเหลวเนื่องจากความแตกต่างของรูปแบบการเขียน (เช่น การวางตำแหน่งคำว่า "บริษัทจำกัด") ดังนั้น การจัดเตรียมกฎการรวมข้อมูล (Data cleansing/Matching rules) จึงเป็นเงื่อนไขเบื้องต้นสำหรับการใช้งานจริง

นอกจากนี้ หากต้องรองรับข้อกำหนดตามกฎหมายการจัดเก็บเอกสารทางอิเล็กทรอนิกส์ (Electronic Book Preservation Act) จำเป็นต้องรวมข้อกำหนดในการจัดเก็บ เช่น ความสามารถในการสืบค้นเอกสารที่นำเข้า และการเก็บรักษาประวัติการแก้ไขหรือลบข้อมูล ไว้ในการออกแบบการเชื่อมต่อด้วย เนื่องจากข้อกำหนดทางเทคนิคของระบบปลายทางอาจมีการเปลี่ยนแปลงได้ จึงควรตรวจสอบข้อมูลจำเพาะการเชื่อมต่อล่าสุดจากเอกสารทางการในขณะที่เริ่มใช้งาน

เมื่อพิจารณาการนำ IDP มาใช้งาน มักมีกรณีที่ความเชื่อเดิมๆ เกี่ยวกับความแม่นยำและการจัดการเทมเพลตทำให้การตัดสินใจล่าช้า หากตั้งสมมติฐานว่าต้องมีความแม่นยำในการอ่านที่สมบูรณ์แบบ หรือคิดว่าการลงทะเบียนเทมเพลตล่วงหน้าเป็นสิ่งจำเป็น ก็จะทำให้การนำระบบมาใช้งานจริงกลายเป็นเรื่องไกลตัว เราจะมาสรุปความเข้าใจผิดที่สวนทางกับการใช้งานจริง และตรวจสอบความคาดหวังที่สมเหตุสมผลกันครับ

ในการพิจารณานำ IDP มาใช้งาน หลายคนมักคิดว่า "หาก AI มีความแม่นยำในการอ่านไม่ถึง 100% ก็ไม่สามารถนำมาใช้ในงานจริงได้" แต่ในความเป็นจริง ข้อสันนิษฐานนี้มักกลายเป็นอุปสรรคที่ทำให้การนำระบบมาใช้ยากขึ้นโดยไม่จำเป็น

โดยปกติแล้ว การป้อนข้อมูลด้วยมือและการตรวจสอบด้วยสายตาของมนุษย์เองก็มีโอกาสเกิดการมองข้ามหรือความผิดพลาดในการป้อนข้อมูลอยู่บ้าง สิ่งที่จำเป็นสำหรับ IDP คือการประเมินเชิงเปรียบเทียบว่าระบบสามารถสร้างความได้เปรียบทั้งในด้านความแม่นยำและความเร็วเมื่อเทียบกับการทำงานของมนุษย์ได้หรือไม่

ในทางปฏิบัติ การกำหนดคะแนนความเชื่อมั่น (Confidence Score) ให้กับผลลัพธ์ที่ AI อ่านได้ และให้มนุษย์ตรวจสอบเฉพาะรายการที่มีคะแนนต่ำหรือรายการที่มีความสำคัญสูง เช่น ช่องจำนวนเงิน เป็นวิธีการที่นิยมใช้กันทั่วไป กลไกนี้ช่วยลดปริมาณงานตรวจสอบลงได้อย่างมากเมื่อเทียบกับการให้มนุษย์ตรวจสอบเอกสารทุกฉบับด้วยสายตา อีกทั้งยังมีแนวโน้มที่จะช่วยลดความเสี่ยงจากข้อผิดพลาดได้อีกด้วย

สำหรับเกณฑ์ในการตัดสินใจ การออกแบบการใช้งานตามความสำคัญของเอกสารถือเป็นแนวทางที่สมเหตุสมผล เช่น เอกสารที่เป็นรูปแบบมาตรฐานและหากตัวเลขผิดพลาดจะส่งผลกระทบต่องานมากอย่างใบแจ้งหนี้ (Invoice) ควรออกแบบขั้นตอนการตรวจสอบให้รัดกุม ส่วนเอกสารที่มีผลกระทบน้อยอย่างบันทึกภายใน ควรเพิ่มสัดส่วนการประมวลผลอัตโนมัติให้มากขึ้น การสร้างกลไกที่สามารถตรวจพบและแก้ไขข้อผิดพลาดได้เมื่อเกิดขึ้นนั้น จะช่วยให้เห็นผลลัพธ์จากการนำระบบมาใช้ได้รวดเร็วกว่าการพยายามทำให้ความแม่นยำเข้าใกล้ 100%

ใน OCR แบบดั้งเดิม เมื่อรูปแบบเอกสารเปลี่ยนไป จำเป็นต้องลงทะเบียนเทมเพลตใหม่โดยการระบุพิกัดเสมอ จากประสบการณ์นี้ทำให้เกิดความเข้าใจผิดบ่อยครั้งว่า "IDP ก็จำเป็นต้องลงทะเบียนล่วงหน้าเช่นเดียวกัน"

อย่างไรก็ตาม เนื่องจาก IDP มีการนำความสามารถในการเข้าใจเนื้อหาด้วย LLM มาประยุกต์ใช้ จึงไม่ได้จดจำเลย์เอาต์ด้วยพิกัด แต่ใช้วิธีคาดการณ์จากบริบทว่า "มีอะไรเขียนอยู่ที่ไหน" จุดที่แตกต่างอย่างมากจาก OCR แบบดั้งเดิมคือ สามารถดึงข้อมูลที่เกี่ยวข้องออกมาได้จากความสัมพันธ์เชิงตำแหน่งของชื่อรายการและจำนวนเงิน แม้จะเป็นใบแจ้งหนี้ที่มีรูปแบบต่างกันไปในแต่ละคู่ค้า หรือสัญญาที่มีบันทึกด้วยลายมือปะปนอยู่ก็ตาม

แน่นอนว่าการลงทะเบียนเทมเพลตไม่ใช่เรื่องไร้ความหมาย สำหรับเอกสารที่เป็นรูปแบบตายตัวและมีปริมาณการทำธุรกรรมมาก การตั้งค่าเทมเพลตอาจช่วยเพิ่มความเร็วและความเสถียรในการประมวลผลได้ ในทางกลับกัน สำหรับเอกสารที่ไม่เป็นรูปแบบ (Non-structured) ซึ่งมีความหลากหลายของรูปแบบสูง หรือในงานที่มีคู่ค้ารายใหม่เข้ามาบ่อยครั้ง การเลือกใช้เครื่องมือที่มีฟังก์ชันการอ่านแบบทั่วไป (General-purpose) โดยไม่พึ่งพาเทมเพลต จะช่วยลดภาระในการดำเนินงานได้มากกว่า

ในการนำมาใช้งานจริง เกณฑ์การตัดสินใจที่เหมาะสมไม่ใช่การพิจารณาว่า "จำเป็นต้องมีเทมเพลตหรือไม่" แต่ควรพิจารณาจาก "ความคงที่ของรูปแบบเอกสารเป้าหมาย" แล้วจึงออกแบบโดยใช้ทั้งแบบที่ใช้เทมเพลตและแบบที่อ่านข้อมูลทั่วไปควบคู่กันไปครับ

กุญแจสำคัญในการทำให้การนำ IDP มาใช้ประสบความสำเร็จ คือการดำเนินการเป็นขั้นตอน เริ่มจากการสำรวจงานที่เกี่ยวข้อง ไปจนถึงการตรวจสอบความแม่นยำผ่าน PoC และเข้าสู่การใช้งานจริงโดยมีขั้นตอนการตรวจสอบโดยมนุษย์รวมอยู่ด้วย การเริ่มต้นด้วยการทดลองในขอบเขตเล็กๆ แล้วค่อยขยายผล แทนที่จะเริ่มใช้กับงานทั้งหมดในคราวเดียว จะช่วยหลีกเลี่ยงความสับสนในการปฏิบัติงานจริงได้ดีกว่า

จุดเริ่มต้นของการนำ IDP มาใช้ไม่ใช่การเลือกเครื่องมือ แต่คือการตรวจสอบเอกสารเป้าหมายและขั้นตอนการทำงาน (Workflow) หากกำหนดขั้นตอนไว้ก่อน มักจะเกิดกรณีที่พยายามนำเอกสารที่เครื่องมือไม่สามารถประมวลผลได้อย่างแม่นยำมาใช้งาน จนนำไปสู่การแก้ไขงานในภายหลัง

สิ่งแรกที่ควรตรวจสอบคือประเภทและปริมาณของเอกสารเป้าหมาย หากเป็นใบแจ้งหนี้ ต้องดูว่ารูปแบบ (Layout) ของแต่ละผู้ออกเอกสารมีความแตกต่างกันมากน้อยเพียงใด หากเป็นสัญญา ต้องทำความเข้าใจเรื่องการมีหรือไม่มีลายเซ็นด้วยมือและการประทับตรา รวมถึงความแตกต่างของคุณภาพไฟล์สแกน ในกรณีที่มีผู้ออกเอกสารมากกว่าหลายสิบราย ความหลากหลายของรูปแบบจะส่งผลโดยตรงต่อความแม่นยำ ดังนั้น การตัดสินใจจำกัดขอบเขตในระยะแรกให้เหลือเพียงเอกสารที่มีรูปแบบค่อนข้างชัดเจน เช่น ใบแจ้งหนี้จากคู่ค้าหลัก จึงเป็นทางเลือกที่มีประสิทธิภาพ

ขั้นตอนถัดมาคือการแยกย่อยขั้นตอนการทำงานปัจจุบันออกเป็นส่วนๆ หากจัดระเบียบได้ว่าในแต่ละขั้นตอน ตั้งแต่การรับเอกสาร การคัดแยก การป้อนข้อมูล การอนุมัติ ไปจนถึงการบันทึกเข้าระบบนั้น ใครเป็นผู้ตัดสินใจในเรื่องใด จะทำให้เห็นขอบเขตที่ชัดเจนระหว่างงานที่ควรให้ AI รับผิดชอบและงานที่มนุษย์ต้องดูแล ตัวอย่างเช่น การตรวจสอบยอดเงินเป็นสิ่งที่ทำให้เป็นอัตโนมัติได้ง่าย ในขณะที่การตัดสินความสมเหตุสมผลของธุรกรรมนั้น เหมาะกับการออกแบบให้มนุษย์เป็นผู้ตรวจสอบมากกว่า

หากในขั้นตอนนี้การทำให้ขั้นตอนการทำงานเห็นภาพชัดเจน (Visualization) เป็นเรื่องยาก การทบทวนบันทึกการประมวลผลที่มีอยู่เดิมด้วยมุมมองแบบ Process Mining ก็เป็นแนวทางหนึ่งที่น่าสนใจ หากความละเอียดในการตรวจสอบไม่เพียงพอ จะทำให้เกณฑ์ความแม่นยำที่ต้องใช้ในการทดสอบ PoC ในขั้นตอนถัดไปมีความคลุมเครือ

เมื่อการทำรายการสินค้าคงคลังเสร็จสิ้น จะเข้าสู่ขั้นตอนการตรวจสอบความแม่นยำด้วยการทำ PoC (Proof of Concept) โดยใช้ตัวอย่างเอกสารจริง หากตรวจสอบโดยไม่ใช้ข้อมูลจริง มักจะเกิดกรณีที่ความแม่นยำในการสกัดข้อมูลลดลงเนื่องจากรูปแบบเอกสารที่ไม่คาดคิดหลังจากเริ่มใช้งานจริงอยู่เสมอ

ในการตรวจสอบ ให้เตรียมตัวอย่างจากใบแจ้งหนี้และสัญญาในช่วงไม่กี่เดือนที่ผ่านมา โดยจงใจรวมเอกสารที่มาจากผู้ออกเอกสารและรูปแบบที่แตกต่างกันไว้ด้วย สิ่งที่ควรระวังเป็นพิเศษคือความเอนเอียงของรูปแบบ หากทดสอบด้วยรูปแบบของคู่ค้าเพียงรายใดรายหนึ่ง ความแม่นยำจะดูสูงเกินจริงและทำให้ไม่พบช่องว่างเมื่อใช้งานจริง

เกณฑ์ในการประเมินไม่ได้มีเพียงแค่ความแม่นยำในการสกัดข้อมูลแต่ละรายการเท่านั้น แต่ยังรวมถึงการทำความเข้าใจแนวโน้มของจุดที่มักเกิดการอ่านผิดพลาด เนื่องจากเอกสารที่มีลายมือเขียนปนอยู่หรือไฟล์ PDF ที่สแกนมาโดยที่ตารางผิดเพี้ยนมักจะมีความแม่นยำในการสกัดข้อมูลลดลง การระบุรูปแบบเหล่านั้นไว้ล่วงหน้าจะช่วยให้การออกแบบระบบสำหรับการใช้งานจริงทำได้ง่ายขึ้น

นอกจากนี้ การตรวจสอบความแม่นยำไม่ใช่เพียงการประเมินประสิทธิภาพของเครื่องมือเพียงอย่างเดียว แต่ยังเป็นข้อมูลสำหรับตัดสินใจว่าจะออกแบบขั้นตอนการตรวจสอบในลำดับถัดไปอย่างไร ตามที่ได้กล่าวไว้ใน PoC คืออะไร? ตั้งแต่พื้นฐานของ Proof of Concept ไปจนถึงค่าใช้จ่าย วิธีการดำเนินการ และการเลือกผู้รับจ้างที่ไม่ให้ล้มเหลว สิ่งสำคัญคือการจำกัดวัตถุประสงค์ของ PoC ไว้ที่ "การตัดสินใจนำไปใช้งาน" และดำเนินการให้เล็กและรวดเร็ว ผลลัพธ์จากการตรวจสอบจะส่งผลโดยตรงต่อการออกแบบในขั้นตอนการใช้งานจริงต่อไป

สิ่งแรกที่จะต้องเผชิญในการใช้งานจริงคือการขีดเส้นแบ่งว่า "จะให้ AI รับผิดชอบถึงระดับไหน และจุดไหนที่มนุษย์ต้องเข้ามาตรวจสอบ" หากให้คนตรวจสอบทั้งหมด ประสิทธิภาพของระบบอัตโนมัติก็จะลดน้อยลง แต่ในทางกลับกัน หากปล่อยให้ AI จัดการทั้งหมด ก็จะมีความเสี่ยงเรื่องการชำระเงินผิดพลาดจากการอ่านข้อมูลผิดหรือความเสี่ยงด้านสัญญา

การออกแบบที่สมเหตุสมผลคือการปรับขอบเขตการตรวจสอบตามคะแนนความเชื่อมั่น (Confidence Score) ของผลลัพธ์ที่สกัดออกมา โดยให้เชื่อมโยงข้อมูลที่มีความเชื่อมั่นสูงเข้าสู่ระบบโดยตรง ส่วนรายการที่มีความเชื่อมั่นต่ำ หรือรายการที่มีผลกระทบสูง เช่น จำนวนเงินหรือชื่อคู่ค้า ให้เจ้าหน้าที่ตรวจสอบด้วยสายตา วิธีนี้จะช่วยลดภาระงานตรวจสอบไปพร้อมกับการบริหารจัดการความเสี่ยงได้

สำหรับเกณฑ์การแบ่งเงื่อนไขนั้น กฎที่จัดการได้ง่ายคือ หากเป็นใบแจ้งหนี้รูปแบบมาตรฐานและมีความเชื่อมั่นสูง ให้ระบบนำผลลัพธ์ที่ AI สกัดได้มาใช้โดยอัตโนมัติ แต่หากเป็นเอกสารรูปแบบไม่ตายตัวหรือเกี่ยวข้องกับคู่ค้ารายใหม่ ให้มนุษย์เป็นผู้รับผิดชอบ ซึ่งใกล้เคียงกับแนวคิด HITL โดยการเริ่มระดับการมีส่วนร่วมของมนุษย์แบบ In the Loop (อนุมัติทุกครั้ง) แล้วค่อยๆ ปรับเปลี่ยนไปสู่แบบ On the Loop (แทรกแซงเฉพาะกรณีที่เป็นข้อยกเว้น) เมื่อความแม่นยำของรายการนั้นๆ มีความเสถียรแล้ว ถือเป็นแนวทางปฏิบัติที่ทำได้จริง

นอกจากนี้ การสร้างกลไกจัดเก็บผลการตรวจสอบไว้เป็นประวัติการแก้ไขและทบทวนแนวโน้มการอ่านข้อมูลผิดพลาดอย่างสม่ำเสมอ จะช่วยให้ปรับปรุงความแม่นยำไปพร้อมกับการใช้งานจริงได้ง่ายขึ้น รายละเอียดเกี่ยวกับการออกแบบขั้นตอนการตรวจสอบโดยมนุษย์ สามารถอ่านเพิ่มเติมได้ที่ Human-in-the-Loop (HITL) คืออะไร? พื้นฐานการออกแบบ "แบบมีมนุษย์ร่วม" เพื่อสร้างระบบอัตโนมัติด้วย AI ให้ยั่งยืน

เครื่องมือ IDP มีฟังก์ชันและราคาที่หลากหลาย หากเกณฑ์การเปรียบเทียบไม่ชัดเจนมักจะทำให้การคัดเลือกยืดเยื้อ สิ่งที่ควรตรวจสอบเป็นพิเศษคือความสามารถในการรองรับหลายภาษาและเอกสารที่ไม่มีรูปแบบตายตัว (non-structured documents) รวมถึงความสามารถในการเชื่อมต่อกับระบบเดิมและเรื่องของต้นทุน การใช้สองประเด็นนี้เป็นแกนหลักในการพิจารณาว่าเหมาะสมกับปริมาณเอกสารและขั้นตอนการทำงานของบริษัทหรือไม่ จะเป็นทางลัดในการคัดเลือกเครื่องมือที่เหมาะสมที่สุด

ใบแจ้งหนี้และสัญญาจะมีภาษาและรูปแบบที่แตกต่างกันไปตามผู้ออกเอกสาร ความสามารถในการรับมือกับความหลากหลายนี้จึงเป็นจุดตัดสินในการเลือกเครื่องมือ ในการทำงานจริงมักมีเอกสารที่ไม่เป็นไปตามรูปแบบมาตรฐานจำนวนมาก เช่น ใบแจ้งหนี้ที่มีทั้งภาษาไทย ภาษาอังกฤษ และภาษาญี่ปุ่นปะปนกัน สัญญาที่มีการจดบันทึกด้วยลายมือ หรือไฟล์ PDF ที่มีคุณภาพการสแกนต่ำ

เกณฑ์การตัดสินใจประการแรกคือการตรวจสอบขอบเขตของภาษาที่รองรับ หากเป็นเครื่องมือที่มาพร้อมกับ Multilingual NLP มักจะสามารถดึงข้อมูลรายการต่างๆ ได้โดยไม่ต้องเตรียมเทมเพลตแยกตามภาษา ซึ่งความสามารถนี้จะส่งผลอย่างมากต่อประสิทธิภาพการทำงานหากต้องติดต่อกับคู่ค้าข้ามชาติ

ประการถัดมาคือความสามารถในการจัดการกับเอกสารที่ไม่เป็นรูปแบบตายตัว (Non-structured documents) ซึ่งเป็นจุดที่ควรพิจารณา IDP ที่มีการนำ LLM มาประยุกต์ใช้มักจะสามารถเข้าใจความหมายและดึงข้อมูลได้แม้ว่ารูปแบบเอกสารจะเปลี่ยนไปในแต่ละครั้ง ทำให้มีความยืดหยุ่นมากกว่า OCR แบบดั้งเดิมที่ยึดติดกับรูปแบบคงที่ อย่างไรก็ตาม มีรายงานว่าความแม่นยำในการอ่านอาจลดลงในกรณีที่เป็นตัวเขียนด้วยลายมือหรือภาพที่ไม่ชัดเจนมากนัก จึงควรทำการทดสอบ PoC ด้วยเอกสารตัวอย่างล่วงหน้า และตรวจสอบโดยคำนึงถึงความหลากหลายของประเภท ภาษา และคุณภาพของเอกสารที่บริษัทใช้งานจริง สำหรับส่วนที่ยังมีความกังวลเรื่องความแม่นยำ การนำขั้นตอนการตรวจสอบโดยมนุษย์มาปรับใช้ร่วมด้วยถือเป็นวิธีแก้ปัญหาที่สมเหตุสมผลที่สุด

"เรามักจะได้ยินเสียงสะท้อนว่า 'ถึงจะติดตั้งระบบไปแล้ว แต่สุดท้ายก็ยังต้องมานั่งคีย์ข้อมูลเข้า ERP ด้วยมืออยู่ดี'" คุณค่าของ IDP นั้นขึ้นอยู่กับว่าสามารถส่งข้อมูลที่สกัดได้ไปยังระบบเดิมที่มีอยู่ได้อย่างราบรื่นเพียงใด

เมื่อพิจารณาถึงความสามารถในการเชื่อมต่อ (Connectivity) ไม่เพียงแต่ต้องดูว่ามี API หรือไม่ แต่ยังต้องตรวจสอบด้วยว่าสามารถทำ Mapping ข้อมูลกับนิยามฟิลด์ของ ERP หรือระบบบัญชีได้โดยอัตโนมัติมากน้อยเพียงใด เครื่องมือที่ทำได้เพียงส่งออกไฟล์ CSV และต้องอาศัยการนำเข้าข้อมูลด้วยมือ (Manual Import) นั้น แม้จะดูเหมือนมีราคาถูกในตอนแรก แต่มีแนวโน้มที่ต้นทุนการดำเนินงานจะสะสมเพิ่มขึ้นเรื่อยๆ

ในการเปรียบเทียบต้นทุน นอกเหนือจากค่าติดตั้งเริ่มต้นและค่าธรรมเนียมรายเดือนแล้ว การพิจารณาประเด็นต่อไปนี้ถือเป็นแนวทางปฏิบัติที่เหมาะสม:

• รูปแบบการคิดค่าบริการ: คิดตามปริมาณงาน (Transaction) หรือคิดตามจำนวนผู้ใช้งาน
• มีค่าใช้จ่ายเพิ่มเติมหรือไม่เมื่อต้องเพิ่มหรือแก้ไขเทมเพลต
• มีตัวเชื่อมต่อ (Connector) สำหรับ ERP (Enterprise Resource Planning) หรือระบบบัญชีที่มีอยู่เดิมให้มาเป็นมาตรฐานหรือไม่

โดยเฉพาะในอุตสาหกรรมที่ปริมาณงานมีความผันผวน การคิดค่าบริการตามการใช้งานจริง (Pay-as-you-go) อาจช่วยลดต้นทุนรวมได้มากกว่าการจ่ายค่าบริการรายเดือนแบบคงที่ ในทางกลับกัน หากระบบไม่รองรับการเชื่อมต่อแบบมาตรฐาน ก็จำเป็นต้องเผื่อใจไว้สำหรับค่าใช้จ่ายในการพัฒนา Middleware เพิ่มเติมด้วย

Q1. AI-OCR และ IDP เป็นสิ่งเดียวกันหรือไม่? AI-OCR หมายถึงเทคโนโลยีในการอ่านตัวอักษรโดยตรง ส่วน IDP เป็นกลไกที่รวมเอา AI-OCR เข้ากับการใช้ LLM เพื่อทำความเข้าใจเนื้อหาและการเชื่อมต่อกับระบบงานต่างๆ เข้าไว้ด้วยกัน การมองว่า AI-OCR เป็นองค์ประกอบหนึ่งที่ประกอบกันเป็น IDP จะช่วยให้เข้าใจได้ง่ายขึ้น

Q2. สามารถรองรับตัวอักษรที่เขียนด้วยลายมือหรือเอกสารที่มีรูปแบบไม่เป็นระเบียบได้หรือไม่? ความสามารถในการรองรับลายมือหรือรูปแบบเอกสารที่ไม่เป็นมาตรฐานจะแตกต่างกันไปตามแต่ละเครื่องมือ แม้ว่ามาตรฐานการทดสอบคุณภาพ OCR เช่น ISO/IEC 30116 จะสามารถใช้เป็นเกณฑ์อ้างอิงในการประเมินความแม่นยำในการอ่านได้ แต่การตรวจสอบความแม่นยำกับเอกสารที่ใช้ในงานจริงผ่านการทำ PoC นั้นเป็นสิ่งที่ขาดไม่ได้

Q3. ต้องใช้ระยะเวลานานเท่าใดในการนำมาใช้งาน? ระยะเวลาจะขึ้นอยู่กับประเภทของเอกสารและความซับซ้อนของระบบปลายทางที่ต้องการเชื่อมต่อ หากดำเนินการเป็นขั้นตอนตั้งแต่การสำรวจประเภทเอกสาร การทำ PoC ไปจนถึงการใช้งานจริง แนวทางที่สมเหตุสมผลคือการเริ่มต้นจากขอบเขตงานที่จำกัดก่อน แล้วค่อยๆ ขยายผลในขณะที่ตรวจสอบความแม่นยำและขั้นตอนการทำงานไปพร้อมกัน

Q4. การนำ IDP มาใช้สามารถรองรับกฎหมายการจัดเก็บเอกสารทางบัญชีอิเล็กทรอนิกส์ (Electronic Book Preservation Act) ได้หรือไม่? IDP ช่วยเพิ่มประสิทธิภาพในการอ่านข้อมูลธุรกรรมอิเล็กทรอนิกส์และการดึงข้อมูลตามหัวข้อ แต่ข้อกำหนดในการจัดเก็บเอกสารนั้นจำเป็นต้องตรวจสอบแยกต่างหากจากฟังก์ชันของ IDP สิ่งสำคัญคือต้องอ้างอิงจากแบบฟอร์มตรวจสอบข้อกำหนดการจัดเก็บข้อมูลธุรกรรมอิเล็กทรอนิกส์ที่กรมสรรพากรประกาศใช้ เพื่อตรวจสอบเป็นรายกรณีว่าวิธีการจัดเก็บของบริษัทตนเองนั้นเป็นไปตามข้อกำหนดหรือไม่

Q5. บริษัทขนาดเล็กคุ้มค่าที่จะนำ IDP มาใช้หรือไม่? หากปริมาณเอกสารที่ต้องประมวลผลมีน้อย จำเป็นต้องพิจารณาความคุ้มค่าของการลงทุนอย่างรอบคอบ อย่างไรก็ตาม สำหรับบริษัทที่ต้องใช้แรงงานคนจำนวนมากในการตรวจสอบใบแจ้งหนี้หรือสัญญา การออกแบบให้มนุษย์เป็นผู้ควบคุมขั้นตอนการตรวจสอบในขณะที่ให้ AI รับหน้าที่ในการอ่านและเปรียบเทียบข้อมูล จะช่วยให้บุคลากรที่มีอยู่อย่างจำกัดสามารถรองรับปริมาณงานที่เพิ่มขึ้นได้ง่ายขึ้น

IDP คือเทคโนโลยีที่ก้าวข้ามขีดจำกัดของ OCR แบบดั้งเดิมที่ทำได้เพียง "การอ่าน" โดยการนำความสามารถในการทำความเข้าใจเนื้อหาและการจัดโครงสร้างข้อมูลด้วย LLM มาใช้เพื่อทำให้อัตโนมัติในการประมวลผลเอกสารกึ่งโครงสร้าง (Non-structured documents) เช่น ใบแจ้งหนี้และสัญญา กุญแจสำคัญของการใช้งานจริงไม่ใช่การมุ่งหวังความแม่นยำที่ 100% แต่เป็นการออกแบบโดยมีขั้นตอนการตรวจสอบโดยมนุษย์ (HITL: Human-in-the-Loop) เป็นพื้นฐาน

ในการนำไปใช้งาน ควรดำเนินการเป็นขั้นตอน ตั้งแต่การสำรวจเอกสารเป้าหมาย การตรวจสอบความแม่นยำในขั้นตอน PoC ไปจนถึงการใช้งานจริง ซึ่งแนวทางการเริ่มจากจุดเล็กๆ แล้วค่อยๆ ปรับปรุงให้ดีขึ้นนั้น มักจะทำให้เกิดการใช้งานอย่างยั่งยืนได้ง่ายกว่าการมุ่งหวังจะขยายผลไปทั่วทั้งองค์กรในทันที สำหรับการเลือกเครื่องมือ สิ่งสำคัญคือการเปรียบเทียบและพิจารณาความสามารถในการรองรับหลายภาษา การเชื่อมต่อกับระบบเดิมที่มีอยู่ และความสมดุลของต้นทุน

การนำ IDP มาบูรณาการเข้ากับขั้นตอนการทำงานของบริษัท โดยคำนึงถึงการปฏิบัติตามกฎหมายว่าด้วยการจัดเก็บเอกสารทางบัญชีอิเล็กทรอนิกส์ (Electronic Book Preservation Act) และกรอบการจัดการ AI เช่น ISO/IEC 42001 จะช่วยลดภาระของแผนกบัญชีและแผนกกฎหมายได้ นอกจากนี้ โปรดศึกษาแนวคิดเรื่อง HITL (Human-in-the-Loop) คืออะไร? พื้นฐานการออกแบบ "แบบมีมนุษย์เข้ามามีส่วนร่วม" เพื่อสร้างระบบอัตโนมัติด้วย AI ให้ยั่งยืน ซึ่งเป็นการออกแบบระดับการมีส่วนร่วมของมนุษย์ที่เหมาะสมประกอบไปด้วย