Muhasebede Yapay Zekayı Nasıl İşe Koyduk ve Sonuçları
OpenAI
Infosystems Jet'ten Alexandra Tsareva, Rus ödeme faturalarından yapılandırılmış verileri 1C'ye çıkarmak için şirket içi bir Büyük Dil Modeli (LLM) ve Optik Karakter Tanıma (OCR) hattı oluşturmayı anlatıyor. Çözüm, çeşitli karmaşık belge formatlarını işler, doğrulama kuralları uygular ve altı aydır üretimde çalışarak test setinde %100 doğruluk elde etmiştir.
Proje, muhasebecilerin ML ekibinden yapay zekaya fatura okumayı öğretmelerini istemesiyle başladı. Faturalar kaotik formatlardaydı: eski Excel dosyaları, CID fontlu belgeler, Word tabloları, çok sayfalı PDF'ler ve hatta fotoğraflar. Ekip, ticari açıdan hassas verileri şirket içinde tutmak için şirket içi bir LLM seçti ve taramalar ile görüntüler için OCR (PaddleOCR) kullandı. Ön işleme adımı, yapıyı koruyarak tüm girdileri Markdown'a dönüştürür ve ardından LLM, 1C ile entegre olan bir JSON sözleşmesine alanları çıkarır. Ardından zorlu doğrulama kontrolleri gelir: alan türleri ve uzunlukları için resmi kontrollerin yanı sıra BIK, muhabir hesap, KPP ve INN sağlama toplamları gibi Rus banka bilgileri için konuya özgü kurallar. Ekip başlangıçta qwen3-thinking-30b-a3b kullandı ancak üretim için openai/gpt-oss-120b'ye geçti ve hesap numaralarını sayı olarak ele alıp baştaki sıfırları düşüren bir hatayla karşılaştı. Boru hattı test setinde %100 doğruluk elde etti ve üretimde altı ay sonra manuel işi azalttı ve fatura işlemeyi hızlandırdı; daha fazla belge türünü ele almak için planlar var.
Kaynak: Habr — хаб ИИ —
orijinal