จาก OCR สู่ Document Intelligence: อ่านเอกสารให้เป็นข้อมูลที่ใช้งานได้

หลายองค์กรมีเอกสารสแกนนับหมื่นหน้าเก็บไว้ แต่แทบนำมาใช้ประโยชน์ไม่ได้นอกจากเปิดดูทีละไฟล์ ปัญหาไม่ได้อยู่ที่การจัดเก็บ แต่อยู่ที่เอกสารเหล่านั้นยังไม่ถูกแปลงเป็น “ข้อมูล” ที่ค้นหา กรอง และส่งต่อให้ระบบอื่นได้

OCR เป็นแค่จุดเริ่มต้น

OCR (Optical Character Recognition) แปลงภาพตัวอักษรเป็นข้อความ ซึ่งจำเป็นแต่ไม่เพียงพอ ข้อความดิบหนึ่งหน้าที่ไม่รู้ว่าส่วนใดคือเลขที่เอกสาร ส่วนใดคือชื่อผู้ยื่น และส่วนใดคือตาราง ยังห่างไกลจากข้อมูลที่ระบบงานนำไปใช้ได้ โดยเฉพาะเอกสารภาษาไทยที่ไม่มีช่องว่างระหว่างคำ มีสระอยู่เหนือและใต้บรรทัด และมักปนภาษาอังกฤษในหน้าเดียวกัน

องค์ประกอบของ Document Intelligence

• การวิเคราะห์โครงสร้างหน้า (Layout Analysis) เพื่อแยกหัวเรื่อง ย่อหน้า ตาราง และช่องกรอก
• การสกัดข้อมูลเป็นฟิลด์ตามแบบเอกสารแต่ละประเภท พร้อมค่าความมั่นใจกำกับทุกค่า
• การตรวจสอบความถูกต้องกับกติกาทางธุรกิจและฐานข้อมูลที่มีอยู่
• กระบวนการตรวจทานโดยมนุษย์สำหรับรายการที่ระบบไม่มั่นใจ
• การส่งข้อมูลที่ยืนยันแล้วเข้าระบบปลายทางผ่าน API

หัวใจของระบบที่ใช้ได้จริงคือการยอมรับว่าระบบจะไม่มั่นใจในบางรายการเสมอ การออกแบบที่ดีไม่ใช่การไล่ตามความแม่นยำร้อยเปอร์เซ็นต์ แต่คือการรู้ว่ารายการใดควรให้มนุษย์ตรวจทาน และทำให้การตรวจทานนั้นรวดเร็วที่สุดเท่าที่จะเป็นได้

เริ่มอย่างไรให้สำเร็จ

โครงการที่ได้ผลมักเริ่มจากเอกสารประเภทเดียวที่มีปริมาณมากและโครงสร้างค่อนข้างคงที่ วัดผลอย่างตรงไปตรงมา แล้วจึงขยายไปยังเอกสารประเภทถัดไป การพยายามรองรับเอกสารทุกแบบตั้งแต่วันแรก คือสาเหตุอันดับต้นที่ทำให้โครงการลักษณะนี้ไปไม่ถึงการใช้งานจริง