Pereiti prie turinio

Sąskaitoms dar reikia OCR? Išbandžiau 4 AI modelius

Atnaujinta

Žiūrėti kaip MarkdownAtidaryti per ClaudeAtidaryti per ChatGPTAtidaryti per Perplexity

Klausimas taip pat nukopijuojamas. Jei pokalbis atsidaro tuščias, įklijuokite jį.

Šiame puslapyje
  1. Ką AI nuskaito teisingai, o ką klaidingai sąskaitose?
  2. Ar vis dar reikia OCR sąskaitų duomenims išgauti?
  3. Kaip buvo parengtas testas?
  4. Kodėl sumų patikra nepagavo beveik nieko?
  5. Kokios patikros pagauna klaidas?
  6. Kurį modelį naudoti sąskaitų duomenų nuskaitymui?
  7. Ar apskritai reikia modelio?
  8. Kaip laukai patenka į Excel ar apskaitos sistemą?
  9. Ko šis testas neįrodo?
  10. Kaip pakartoti su savo sąskaitomis
  11. Mano panašus atvejis

Trumpai

Su švariomis skaitmeninėmis sąskaitomis trys iš keturių išbandytų modelių teisingai nuskaitė visus devynis laukus 30 iš 30 sąskaitų. Su imituotais tų pačių sąskaitų skenavimais geriausias susidorojo su 22 iš 30. Klaidos beveik niekada nebuvo sumose. Jos buvo PVM mokėtojų kodų ir sąskaitų numeriuose, o įprastas saugiklis, tikrinantis, ar suma be PVM plius PVM lygi bendrai sumai, pažymėjo tik 3 iš 63 neteisingų sąskaitų. Dvi paprastos PVM kodų taisyklės pagavo 31 iš 32 neteisingų sąskaitų, kurias padarė trys geriausi modeliai. Pigiausias modelis kainavo USD 0,43 už 1 000 sąskaitų, bet su skenavimais jis nebeprilygo 17 kartų brangesniam modeliui: 14 iš 30 prieš 22. Gemini 3.8 Flash prilygo Sonnet 22 už maždaug perpus mažesnę kainą.

Šį testą pakartojau 2026 m. spalio 22 d. su nauju fiktyvių sąskaitų rinkiniu. Visi šio straipsnio skaičiai gauti pakartotinio paleidimo metu.

Esu Denys, full-stack ir AI inžinierius. Šiais metais sukūriau sąskaitų duomenų nuskaitymo prototipą: internetinę programą ir API, kurie paverčia PDF sąskaitas laukais, o neužtikrintus laukus pažymi žmogui. Jis veikia su pavyzdiniais duomenimis, be modelio. Todėl prieš rašydamas apie sąskaitų duomenų nuskaitymą, atlikau tikrą testą: 30 fiktyvių Čekijos, Vokietijos ir Portugalijos tiekėjų sąskaitų, keturi modeliai, 240 iškvietimų, USD 0,76 išleista.

Ką AI nuskaito teisingai, o ką klaidingai sąskaitose?

Kiekvienas modelis nuskaitė kiekvieną sąskaitą du kartus: kaip švarų atvaizdą, tokį, kokį gaunate PDF iš apskaitos programos, ir kaip imituotą skenavimą: pilką, šiek tiek pasuktą, išplaukusį ir suspaustą. Sąskaita laikoma teisinga tik tada, kai sutampa visi devyni laukai: sąskaitos numeris, išrašymo data, apmokėjimo terminas, tiekėjo PVM kodas, pirkėjo PVM kodas, valiuta, suma be PVM, PVM suma ir bendra suma.

Modelis Švari, visi 9 laukai teisingi Skenuota, visi 9 laukai teisingi USD už 1 000 sąskaitų Mediana, sekundės vienai sąskaitai
Claude Haiku 5.5 30 iš 30 14 iš 30 0,43 6,13
Claude Sonnet 5.5 30 iš 30 22 iš 30 7,18 8,50
Gemini 3.8 Flash 30 iš 30 22 iš 30 3,51 8,43
GPT-5.6 Luna 29 iš 30 0 iš 30 1,52 10,85
Skenuotos sąskaitos su visais 9 teisingais laukais. Iš 30 imituotų skenavimų kiekvienam modeliui. Ta pati užklausa, temperatūra 0. Claude Haiku 5.5: 14; Claude Sonnet 5.5: 22; Gemini 3.8 Flash: 22; GPT-5.6 Luna: 0.
Mano testas, 2026 m. spalio 22 d.: 30 fiktyvių Čekijos, Vokietijos ir Portugalijos sąskaitų, imituoti skenavimai, per OpenRouter.

Kaina yra tai, ką OpenRouter išrašė už kiekvieną iškvietimą, o ne kainoraščio įvertis. Su švariomis sąskaitomis Claude Haiku 5.5 ir Claude Sonnet 5.5 buvo vienodai teisingi, abu 30 iš 30. Su skenavimais Sonnet nuskaitė 22 teisingai, o Haiku 14, ir kainavo apie 17 kartų daugiau.

Ar vis dar reikia OCR sąskaitų duomenims išgauti?

Šiame teste atskiro žingsnio nereikėjo. Visi keturi modeliai gavo puslapį kaip vaizdą ir tiesiogiai grąžino devynis laukus, be OCR sluoksnio tarp jų. Rezultatą keičia puslapio kokybė. Švarus PDF iš apskaitos programos turi teksto sluoksnį, skenavimas jo neturi: tai tik pikseliai. Aukščiau esančios lentelės stulpelis „skenuota“ yra būtent OCR kokybės klausimas, ir čia modeliai skiriasi: geriausias teisingai nuskaitė 22 iš 30 skenuotų sąskaitų, o silpniausias nė vienos.

Klasikinių OCR variklių ar šablonais pagrįstų įrankių netestavau, todėl negaliu pasakyti, kaip jie susidorotų su tomis pačiomis 30 sąskaitų. Testas parodo, kur slypi rizika, kai modelis skaito skenavimą: PVM kodų ir sąskaitų numeriuose, kuriuos pagauna žemiau aprašytos patikros.

Kaip buvo parengtas testas?

Sąskaitas sugeneravau skriptu, todėl kiekviena tikroji reikšmė žinoma iki cento. Sąskaitos fiktyvios: įmonių pavadinimuose yra Vzor, Muster, Beispiel arba Exemplo, o kiekviena sąskaita apačioje turi vietos kalba parašytą užrašą „SAMPLE - fictitious invoice / no real company“. Kiekvienoje yra spąstų, su kuriais toje šalyje susiduria tikras mokėtinų sumų buhalteris:

  • Vietiniai skaičių formatai. 175 011,84 Kč čekų kalba, 10.465,61 € vokiečių kalba, o Portugalijos sąskaitose ir 1 234,56, ir 1.234,56.
  • Antras identifikatorius šalia sąskaitos numerio. Čekijos kintamasis simbolis, Vokietijos kliento numeris, Portugalijos ATCUD kodas.
  • Antra data. Čekijos apmokestinamojo tiekimo data ir Vokietijos paslaugos data stovi šalia išrašymo datos.
  • Du PVM kodai viename puslapyje, taip pat Vokietijos mokesčių numeris (Steuernummer), kuris atrodo kaip PVM kodas, bet juo nėra.
  • Sudėtingi atvejai. Skirtingi PVM tarifai, sąskaita be PVM, sąskaita su atvirkštiniu apmokestinimu, kreditinė sąskaita su neigiamomis sumomis ir devynių eilučių sąskaita kiekvienoje šalyje.

Kiekvienas PVM kodas turi teisingą kontrolinį skaitmenį, patikrintą su python-stdnum biblioteka, ir nė vienas nėra užregistruotas: kiekvieną iš 33 naudotų kodų (30 tiekėjų kodų ir po vieną pirkėjo kodą kiekvienai šaliai) patikrinau ES VIES paslaugoje, ir ji visiems atsakė „not valid“. Čekijos kodus pagrindžiančius 11 čekiškų įmonių numerių taip pat patikrinau Čekijos verslo registre ARES ir jų neradau. Visi keturi modeliai gavo tą pačią užklausą, esant temperatūrai 0, vienas iškvietimas vienam vaizdui.

Kaip buvo atliktas testas. Tas pats raginimas ir nustatymai kiekvienam modeliui. 30 sąskaitų iš Čekijos, Vokietijos ir Portugalijos: Skriptas → 30 sąskaitų → Švari + skenuota → 4 modeliai → Vertinimas.
Mano testas, 2026 m. spalio 22 d. 30 sąskaitų × 2 versijos × 4 modeliai = 240 užklausų.
Čekiškos testinės sąskaitos viršus, numeris FV-2026-0738, su SAMPLE užrašu apačioje. Viršuje: švarus atvaizdas, ryškus ir lengvai skaitomas. Apačioje: tos pačios sąskaitos imituotas skenavimas, pilkas, išplaukęs ir pasuktas, kuriame sąskaitos numerio 3 sunku atskirti nuo 5.
Testinė sąskaita cz09, švari ir kaip imituotas skenavimas. Claude Haiku 5.5 nuskaitytą numerį perskaitė kaip FV-2026-0758.

Kodėl sumų patikra nepagavo beveik nieko?

Patikra, ar suma be PVM plius PVM lygi bendrai sumai, yra pirmoji taisyklė, kurią prideda dauguma duomenų nuskaitymo sistemų, ir būtent ją naudoja mano prototipas. Šiame teste ji pažymėjo 3 iš 63 neteisingų sąskaitų visuose keturiuose modeliuose: vieną Gemini 3.8 Flash skenavimą (cz06, neteisinga bendra suma), vieną GPT-5.6 Luna skenavimą (cz08, kuriame buvo neteisingi išrašymo data, pirkėjo PVM kodas, suma be PVM ir PVM) ir vieną Luna švarią sąskaitą (pt02, neteisinga suma be PVM).

Priežastis yra ta, kur buvo klaidos. Claude Haiku 5.5, Claude Sonnet 5.5 ir Gemini 3.8 Flash kartu padarė 32 neteisingus nuskaitymus, ir tik dviejuose buvo neteisinga suma: aukščiau minėtame Gemini skenavime ir Haiku skenavime (cz09), kuriame suma be PVM ir PVM buvo šiek tiek nukrypusios, bet suma be PVM plius PVM vis tiek lygi bendrai sumai, todėl patikra tylėjo. Likusiose klaidingai perskaitytas skaitmuo PVM kode arba sąskaitos numeryje, pavyzdžiui, FV-2026-0738 perskaityta kaip FV-2026-0758. GPT-5.6 Luna sumas iš tikrųjų klaidingai nuskaitė 7 sąskaitose, ir 5 iš jų suma be PVM, PVM ir bendra suma vis tiek sutapo. Modelis nuskaito bendrą sumą, suderintą su visu kitu, ką nuskaitė, todėl aritmetinė patikra daugumą jo klaidų praleidžia.

Kokios patikros pagauna klaidas?

Dvi PVM kodų taisyklės, kiekviena – kelios kodo eilutės:

  1. Kontrolinis skaitmuo. PVM kodo pabaigoje yra kontrolinis skaitmuo, apskaičiuotas iš kitų skaitmenų: modulis 11 Čekijos įmonės numeriui, kuriuo remiasi DIČ, ir Portugalijos NIF, ISO 7064 Vokietijos USt-IdNr. Bibliotekos, tokios kaip python-stdnum, įgyvendina visus tris. Neteisingai perskaitytas skaitmuo jį beveik visada sugadina.
  2. Jūsų pačių PVM kodas. Gautoje sąskaitoje pirkėjas esate jūs. Bet koks pirkėjo PVM kodas, kuris nėra jūsų, yra klaidingas, arba sąskaita buvo skirta ne jums.
32 neteisingos sąskaitos pagal tai, kas jas pagavo. Claude Haiku 5.5, Claude Sonnet 5.5 ir Gemini 3.8 Flash, 180 nuskaitymų. Pagautos dviejų PVM kodų taisyklių: 31; Pagautos tik modelio neužtikrintumo žymos: 0; Nepagautos nei taisyklių, nei žymos: 1.
Mano testas, 2026 m. spalio 22 d. Taisyklės: PVM kodo kontrolinis skaitmuo ir mūsų pačių PVM kodas. Žyma: laukas, kurį modelis nurodė kaip neužtikrintą. Vienintelį atvejį, kurio nepagavo nei viena, pažymėjo sumų patikra.

Likusi viena, Gemini skenavimas cz06, turėjo neteisingą bendrą sumą. Jokia PVM kodo taisyklė to nepamato, o Gemini niekada nenurodo neužtikrintų laukų, todėl pagavo tik sumų patikra. Paprašiau kiekvieno modelio išvardyti laukus, dėl kurių jis neužtikrintas:

Modelis Neteisingos sąskaitos Pagautos dviejų taisyklių Pagautos tik neužtikrintumo žyma Nepagautos Teisingos sąskaitos, kurias vis tiek pažymėjo
Claude Haiku 5.5 16 16 0 0 13 iš 44
Claude Sonnet 5.5 8 8 0 0 19 iš 52
Gemini 3.8 Flash 8 7 0 1 0 iš 52
GPT-5.6 Luna 31 30 0 1 0 iš 29

Gemini 3.8 Flash niekada nenurodė lauko kaip neužtikrinto, todėl jam belieka tik patikros; čia dvi taisyklės pagavo 7 iš 8 jo neteisingų sąskaitų, o aštuntą pagavo sumų patikra. Claude modeliai žymėjo per daug, o ne per mažai: Haiku pažymėjo 13 iš savo 44 teisingų sąskaitų (30 %), o Sonnet 19 iš 52 (37 %), visos buvo skenuotos; nė vienas nepažymėjo nė vienos švarios sąskaitos. Tokį kompromisą ir norite matyti mokėtinų sumų apskaitoje, kur buhalterio žvilgsnis kainuoja mažiau nei klaidingas mokėjimas.

Išryškėjo dar du dalykai. GPT-5.6 Luna klaidos neapsiribojo kodais: iš jos 31 neteisingos sąskaitos 30 buvo skenavimai, 20 turėjo neteisingą sąskaitos numerį, 13 neteisingą išrašymo datą ir 15 neteisingą apmokėjimo terminą, o 15 sumų laukų buvo neteisingi 7 sąskaitose. Jos vienintelė sąskaita stulpelyje „Nepagautos“ yra švari, pt02, su neteisinga suma be PVM: dviejų taisyklių ir jos neužtikrintumo žymos nepagavo, bet sumų patikra pagavo. O kontrolinis skaitmuo negali pagauti kiekvienos klaidos, nes kai kurie neteisingi numeriai irgi galioja; šiame paleidime nė vienas neteisingas PVM kodas nepraėjo abiejų taisyklių.

Kurį modelį naudoti sąskaitų duomenų nuskaitymui?

Šiame rinkinyje skenavimų rezultatai buvo tokie: Claude Sonnet 5.5 22 iš 30 su 8 neteisingomis sąskaitomis už USD 7,18 už 1 000; Gemini 3.8 Flash taip pat 22 iš 30 su 8 neteisingomis sąskaitomis už USD 3,51, apie perpus pigiau; Claude Haiku 5.5 14 iš 30 su 16 neteisingų už USD 0,43. Gemini tikslumu prilygo Sonnet už maždaug perpus mažesnę kainą, bet niekada nenurodo neužtikrintų laukų: jo neteisingas sąskaitas pagavo dvi PVM kodų taisyklės (7) ir sumų patikra (1), o Sonnet dar pažymėjo 19 iš savo 52 teisingų sąskaitų. Su patikromis nė viena Haiku ar Sonnet neteisinga sąskaita nepaliko tylos, taigi pigiausias modelis reiškia daugiau neteisingų sąskaitų taisyti (16, ne 8), o ne daugiau klaidų knygoje. Jei kiekvieną sąskaitą siunčiate modeliui, pats modelis retai būna didžiausia išlaida; AI agento kaina susidaro taip pat. GPT-5.6 Luna šiame teste skenavimams netinka.

Šis reitingas gautas viename teste su 30 sąskaitų. Prieš renkantis, paleiskite savo sąskaitas per du ar tris modelius.

Ar apskritai reikia modelio?

Dažnai ne, o kai kuriose šalyse kasmet vis mažiau. Prieš siųsdami sąskaitos vaizdą modeliui, patikrinkite, ar duomenys jau yra faile:

  • Portugalija. Kiekviena sertifikuotos programinės įrangos sąskaita turi turėti QR kodą su abiem NIF, data, sąskaitos numeriu, ATCUD ir apmokestinamąja verte bei PVM pagal tarifą (Portaria n.º 195/2020, AT QR kodo specifikacija). Nuskaičius QR kodą, tiksliai gaunama dauguma laukų.
  • Vokietija. Nuo 2025 m. sausio 1 d. paprastas PDF tarp Vokietijos verslų nebelaikomas e. sąskaita. Popierinės ir PDF sąskaitos leidžiamos pereinamuoju laikotarpiu, kuris visiems verslams baigiasi 2027 m. pabaigoje (Federalinės finansų ministerijos DUK). XRechnung ir ZUGFeRD sąskaitose yra struktūrizuotų duomenų, kuriuos galima skaityti tiesiogiai.
  • Čekija. Daug apskaitos įrankių PDF viduje įterpia ISDOC duomenų sluoksnį; Fakturoid jį prideda prie visų savo PDF sąskaitų nuo 2022 m. gruodžio (Fakturoid).

Taigi tinkama tvarka tokia: skaitykite duomenų sluoksnį, jei jis yra, modeliui siųskite tik likusį, tada paleiskite patikras. Modelis yra atsarginis variantas, o ne pirmas žingsnis.

Pirmiausia duomenys iš failo, likusi dalis modeliui. Du keliai gautai sąskaitai. Sąskaita su duomenų sluoksniu (QR kodas, e. sąskaitos XML): Sąskaita → Skaityti duomenis → Patikros → Apskaita; Paprastas PDF arba skenuota: Sąskaita → AI modelis → Patikros → Buhalteris → Apskaita.
Patikros: PVM kodo kontrolinis skaitmuo, jūsų pačių PVM kodas, laukai, kuriuos modelis pažymėjo kaip neaiškius. Duomenų sluoksnis: QR kodas Portugalijoje, XRechnung arba ZUGFeRD Vokietijoje, ISDOC Čekijoje.

Kaip laukai patenka į Excel ar apskaitos sistemą?

Žemiau nurodytame archyve jau yra CSV su visais rezultatais, viena eilutė vienam nuskaitymui, todėl rezultatas Excel atsidaro iškart. Mano sąskaitų duomenų nuskaitymo prototipas programos lygiu veikia taip pat: jis eksportuoja patvirtintus laukus, o vienas API iškvietimas priima PDF ir grąžina kiekvienos sąskaitos laukus kaip JSON.

Iš ten CSV ar XLSX failą galima importuoti į apskaitos sistemą, kuri priima failų importą, o JSON galima perduoti nedideliu skriptu. Prototipas veikia su pavyzdiniais duomenimis ir nesu jo prijungęs prie jokio konkretaus apskaitos produkto. Apie PDF konvertavimą į Excel su sąskaitos eilutėmis ir dviejų lapų failu žr. PDF sąskaita į Excel: kada reikia AI, o kada ne.

Jei dar svarstote, kurią įmonės dalį verta automatizuoti, padedu ją pasirinkti ir paskui ją sukuriu: žr. DI konsultantas smulkiam verslui. Klientų žinutės yra kitas dažnas pirmasis AI darbas mažoje įmonėje: kiek kainuoja WhatsApp pokalbių robotas už vieną atsakymą, įskaitant Meta mokestį.

Ko šis testas neįrodo?

  • Sąskaitos fiktyvios. Vienas maketas kiekvienai šaliai, sugeneruotas skriptu, su pavyzdiniais įmonių pavadinimais. Tikros tiekėjų sąskaitos skiriasi daug labiau.
  • Skenavimai imituoti. Išplaukimas, pasukimas, triukšmas ir JPEG suspaudimas ant švaraus atvaizdo, o ne popierius per skenerį ar nuotrauka telefonu.
  • Vienas iškvietimas vienai sąskaitai, vienas 30 sąskaitų rinkinys. Rezultatai tarp rinkinių labai skiriasi. Šis straipsnis iš pradžių buvo atliktas su kitu 30 sąskaitų rinkiniu, kuriame Haiku, Sonnet ir Gemini skenavimų rezultatai buvo 22, 22 ir 17 iš 30; su šiuo rinkiniu jie yra 14, 22 ir 22. Kiekviena šalis turi vieną pirkėjo PVM kodą, pasikartojantį 10 sąskaitų, todėl viena klaidingai perskaityta eilutė gali sugadinti iki 10 sąskaitų iš karto.
  • Kainos keičiasi. Kaina yra tai, ką OpenRouter išrašė 2026 m. spalio 22 d.
  • Tik devyni laukai. Be eilučių, IBAN ar apmokėjimo sąlygų.

Kaip pakartoti su savo sąskaitomis

  1. Pasirinkite 30–50 tikrų sąskaitų, įskaitant blogiausius gaunamus skenavimus. Tikras reikšmes užrašykite rankomis.
  2. Naudokite vieną užklausą ir fiksuotą išvesties schemą su neužtikrintų laukų sąrašu, esant temperatūrai 0.
  3. Paleiskite du ar tris modelius ir fiksuokite išrašytą kainą už iškvietimą, o ne kainoraščio kainą.
  4. Vertinkite ištisas sąskaitas, o ne atskirus laukus: vienas neteisingas skaitmuo PVM kode reiškia neteisingą sąskaitą.
  5. Pridėkite kontrolinio skaitmens taisyklę ir savo PVM kodo taisyklę ir išmatuokite, ką jos pagauna.
  6. Kur tiekėjų programinė įranga jį pateikia, pirmiausia skaitykite duomenų sluoksnį.

Skriptai, sugeneruotos sąskaitos ir visi rezultatai yra viename archyve: generatorius, paleidimo, vertinimo skriptai ir CSV su visais 240 nuskaitymų. Jei norite tai įdiegti į savo mokėtinų sumų procesą, tai yra darbo eigų automatizavimo dalis.

Jei norite tokį duomenų nuskaitymą pridėti prie jau veikiančio proceso, tai darau pagal AI integravimas į esamus produktus.

Taip pat skaitykite: Dokumentų valdymo sistema smulkiam verslui: kainos ir ribos.

Mano panašus atvejis

Sukūriau paslaugą, kuri nekilnojamojo turto pažymą, kuri užtrukdavo 2–3 savaites ir kainuodavo EUR 200–300, paverčia pažyma per 2–3 minutes už EUR 99, su skriptais ir vision AI. Kūrimas aprašytas nekilnojamojo turto dokumentų automatizavimo atvejyje.

Sąskaitų duomenis išgaunate rankomis ar įrankiu, kuriuo netikite? Parašykite man, ir kartu išsirinksime geriausią variantą.

Vis dar rankomis suvedate sąskaitų duomenis?

Parašykite man, ką turite dabar ir ko jums reikia. Atsakysiu variantu, kurį pasirinkčiau pats.

Parašykite man

© 2026 Denys Zaichenko. Originalus straipsnis: https://madsalt.tech/lt/blog/invoice-data-extraction-with-ai/