Derfor fejler klassisk OCR på ordredokumenter

De fleste virksomheder, vi taler med, har prøvet at automatisere ordre- eller fakturamodtagelse mindst én gang før. Ofte med et OCR-værktøj, der blev sat op med skabeloner. Og lige så ofte med et resultat, der blev opgivet efter et halvt år.

Problemet er sjældent, at OCR’en læser bogstaverne forkert. Problemet er, at den ikke ved, hvad bogstaverne betyder.

Skabeloner holder kun, til dokumentet ændrer sig

Klassisk OCR-opsætning bygger på zoner: ordrenummeret står i det øverste højre hjørne, varelinjerne starter 40 % nede på siden. Det virker fint på den ene kunde, opsætningen blev bygget til.

Så flytter kunden til et nyt indkøbssystem, tilføjer en logolinje eller sender ordren som fritekst i mailen i stedet for som vedhæftet fil. Zonen rammer forkert, og ordren ryger i fejlkøen. Med 200 kunder, der hver har deres eget dokumentformat, bliver vedligeholdelsen af skabeloner et fuldtidsjob i sig selv.

Det, der er svært, er ikke teksten. Det er matchet

Selv når teksten er læst korrekt, står det egentlige arbejde tilbage. Kunden skriver “Rørbøjning 90° 22mm, 25 stk”. I jeres varekartotek hedder varen RB-90-22 og har beskrivelsen “Bøjning 90 gr. 22 mm kobber”.

Det match er ikke en tekstgenkendelsesopgave. Det er en opgave, der kræver kendskab til jeres varekartotek, kundens historik og de kundevarenumre, der måtte være aftalt. Klassisk OCR leverer en streng tekst og overlader resten til mennesket.

Sprogmodeller ændrer, hvad der kan automatiseres

Moderne sprogmodeller læser dokumentet som helhed i stedet for som zoner. De kan afgøre, at et tal er et antal og ikke en pris, fordi det står i en kolonne med overskriften “Stk”, også selvom kolonnen står et andet sted end på det forrige dokument.

Kombineret med opslag i jeres eget ERP kan modellen foreslå det varenummer, linjen med rimelighed svarer til, og angive hvor sikker den er på matchet. Det flytter opgaven fra “tast hele ordren” til “godkend fem linjer, tjek den ene der er markeret”.

Automatisering uden tillid holder ikke

Det gælder dog stadig, at ingen ordrebehandler tør slippe kontrollen, hvis systemet ikke kan forklare sig. Derfor er tre ting efter vores erfaring afgørende, når et dokumentflow skal automatiseres:

1. Sikkerhed pr. felt. Systemet skal skelne mellem “det her er jeg sikker på” og “det her gætter jeg kvalificeret på”, og kun automatisere det første.
2. Kilde til hvert felt. Man skal kunne se, hvor i dokumentet et felt kom fra, uden at åbne PDF’en ved siden af.
3. En reel fejlkø. Sager, der ikke kan afgøres, skal lande ét sted med afvigelsen markeret, ikke blive oprettet på et gæt.

Uden de tre ting ender automatiseringen med at flytte arbejdet fra indtastning til efterkontrol. Det er sjældent en gevinst.

Hvor det giver mening at starte

Start med det dokumentflow, hvor der er flest ens sager og færrest undtagelser, typisk ordremodtagelse fra faste kunder eller kundeoprettelse fra en fast blanket. Sæt automatikken til at foreslå frem for at oprette i de første uger, og mål, hvor ofte forslaget kunne godkendes uændret.

Er tallet højt, kan I slippe kontrollen gradvist. Er det lavt, ved I hvorfor, og hvad der skal rettes, før noget skrives til ERP.