OCR transforma uma imagem em texto; o resto é outra tarefa
Numa fatura digitalizada, os detalhes fazem inicialmente parte de uma imagem. OCR tenta produzir texto a partir deles. A qualidade depende em parte do quão legível é a fonte. Uma imagem rodada, desfocada ou cortada pode causar caracteres em falta ou confusos.
Mesmo uma sequência numérica perfeitamente lida não informa se se trata de uma fatura, de uma encomenda ou de um número de cliente. Um documento pode mostrar o fornecedor e o comprador e diversas datas. Atribuir significado é outra etapa do processamento. Se isto correr mal, a tabela pode parecer tão organizada como uma saída correta.
Na verificação, concentre-se nos dados que determinam o passo seguinte. Se estiver a separar documentos entre duas empresas, confirme sobretudo o comprador. Um erro no texto de uma linha pode importar menos do que um identificador de empresa corretamente lido, mas colocado no campo errado.
Fonte desta secção: Google: converter PDF e fotografias em texto
Um mesmo valor pode ter vários significados
Imagine um documento de exemplo com um adiantamento, o preço total e o valor ainda por pagar. O sistema lê corretamente os três valores, mas escolhe o adiantamento como valor principal. Não é um algarismo mal lido: é uma interpretação errada do que esse valor representa.
A aplicação também pode confundir o identificador da empresa fornecedora com o da empresa compradora. Lê ambos corretamente, mas atribui o documento à empresa errada. Compare, por isso, o número, a designação que o acompanha e o local do documento de onde foi retirado.
A disposição do documento não é apenas gráfica. Os títulos, as designações próximas e a relação entre as partes ajudam a perceber a quem ou a quê se refere um dado. Em caso de dúvida, abra o PDF original e veja o contexto.
Verifique o que afeta o passo seguinte
Para procurar e entregar um documento, precisa de saber se é relevante, a que empresa pertence e para onde deve seguir. Não precisa de voltar a escrever todos os dados da fatura para verificar a classificação. Precisa, porém, de perceber por que foi escolhida uma empresa ou por que o documento ficou por verificar.
HeyRup utiliza reconhecimento para recolha, classificação e entrega. A primeira versão não produz lançamentos contabilísticos nem análises detalhadas dos artigos adquiridos. Os dados da fatura ajudam a identificar o documento e o destinatário corretos; não são motivo para prometer uma contabilidade completa.
Se outra ferramenta preparar dados para um sistema contabilístico, as suas necessidades de revisão poderão ser mais amplas. Julgue sempre o resultado pela tarefa pretendida, e não pelo número de campos preenchidos.
A incerteza deve levar a uma questão específica
A indicação «por verificar» deve explicar o motivo: comprador desconhecido, duas empresas possíveis ou documento pouco legível. Só assim pode decidir o que esclarecer. Uma percentagem de confiança, por si só, não indica o passo seguinte.
Quando atribuir uma fatura à Alfa, decida se corrige apenas esse documento ou cria uma regra para o futuro. Antes de a confirmar, veja a que outros documentos se aplicará. O mesmo fornecedor pode faturar a outra das suas empresas.
O reconhecimento automático de faturas não verifica se um pedido de pagamento é fiável. Um documento fraudulento pode ter uma estrutura correta e detalhes legíveis. Verifique as mensagens suspeitas separadamente; a classificação “fatura” não é uma aprovação de segurança.