Document AI: ดึงข้อมูลจาก PDF และเอกสารสแกน

เปลี่ยนกองใบแจ้งหนี้และเอกสารสแกนให้เป็นข้อมูลที่ใช้ได้ เข้าใจ OCR, Layout และ Document AI pipeline ทีละขั้น พร้อมจุดที่ต้องให้คนตรวจ

สิ้นเดือนทีไร พนักงานบัญชีต้องนั่งพิมพ์ข้อมูลจากใบกำกับภาษีที่ซัพพลายเออร์ส่งมาเป็นไฟล์สแกน บางใบเอียง บางใบมีลายมือเขียนทับ บางใบเป็น PDF ที่ copy ข้อความไม่ได้ งานแบบนี้กินเวลามากและผิดพลาดง่าย Document AI คือกลุ่มเทคโนโลยีที่เข้ามาช่วยเปลี่ยนเอกสารพวกนี้ให้เป็นข้อมูลที่ระบบนำไปใช้ต่อได้

Document AI คืออะไร

Document AI คือการใช้ AI อ่าน ทำความเข้าใจ และดึงข้อมูลจากเอกสาร ไม่ว่าจะเป็น PDF ภาพถ่าย หรือไฟล์สแกน มากกว่าแค่ OCR (Optical Character Recognition) ที่แปลงภาพตัวอักษรเป็นข้อความ เพราะต้องเข้าใจด้วยว่าตัวเลขไหนคือยอดรวม ข้อความไหนคือชื่อผู้ขาย และตารางมีกี่คอลัมน์

Document AI ยังเป็นด่านแรกของระบบ RAG ด้วย ถ้าแปลงเอกสารออกมาผิด ทุกขั้นตอนหลังจากนั้นก็จะผิดตาม ตัวอย่างเช่น ตารางอัตราค่าเบี้ยเลี้ยงที่ถูกแปลงจนคอลัมน์สลับกัน จะทำให้ Chatbot ตอบตัวเลขผิดช่องอย่างมั่นใจ

Pipeline ทีละขั้น

1. รับเอกสารและจัดประเภท

เอกสารเข้ามาจากอีเมล สแกนเนอร์ หรือแอปถ่ายรูป ระบบจะแยกก่อนว่าเป็นใบแจ้งหนี้ ใบเสร็จ สัญญา หรือแบบฟอร์ม เพราะแต่ละประเภทต้องดึงข้อมูลต่างกัน

2. ปรับภาพ

หมุนภาพให้ตรง ลบเงา เพิ่มความคมชัด ขั้นนี้ดูธรรมดาแต่มีผลกับความแม่นของขั้นต่อไปมาก

3. อ่านข้อความและโครงสร้าง

OCR อ่านตัวอักษร ส่วน layout analysis ทำความเข้าใจโครงสร้าง เช่น หัวกระดาษ ตาราง คอลัมน์ และลำดับการอ่าน

4. ดึงข้อมูลสำคัญ

ดึงค่าที่ต้องการออกมาเป็นช่อง เช่น ชื่อผู้ขาย เลขที่เอกสาร วันที่ ยอดก่อนภาษี ภาษีมูลค่าเพิ่ม และยอดรวม

5. ตรวจสอบความถูกต้อง

ใช้กฎตรวจซ้ำ เช่น ยอดย่อยรวมกันต้องเท่ากับยอดรวม วันที่ต้องอยู่ในช่วงที่สมเหตุสมผล เลขประจำตัวผู้เสียภาษีต้องมีรูปแบบถูกต้อง รายการที่ไม่ผ่านจะถูกส่งให้คนตรวจ

6. ส่งต่อเข้าระบบ

ข้อมูลที่ผ่านแล้วถูกส่งเข้าระบบบัญชี ERP หรือคลังเอกสารสำหรับ RAG

เครื่องมือที่รองรับภาษาไทย

• Tesseract: เครื่องมือ OCR โอเพนซอร์สที่มีภาษาไทย (tha) อยู่ในรายการภาษาที่รองรับ เหมาะกับเอกสารพิมพ์ที่สะอาด
• Typhoon OCR: โมเดลแบบ vision-language โอเพนซอร์สจาก SCB 10X ที่ฝึกมาเพื่ออ่านเอกสารภาษาไทยและอังกฤษ SCBX ระบุว่ารุ่น 1.5 มีขนาด 2 พันล้านพารามิเตอร์ ช่วยรักษาโครงสร้างตาราง คอลัมน์ และลำดับการอ่าน และครอบคลุมเอกสารอย่างรายงานการเงิน แบบฟอร์มราชการ และใบเสร็จ
• บริการ Document AI บนคลาวด์: ผู้ให้บริการคลาวด์รายใหญ่มีบริการดึงข้อมูลจากเอกสาร ควรตรวจว่ารองรับภาษาไทยในงานของคุณหรือไม่ก่อนเลือก

ตัวอย่างในบริษัทไทย

บริษัทจัดจำหน่ายที่รับใบกำกับภาษีจากซัพพลายเออร์จำนวนมากทุกเดือน เริ่มจากใช้ Document AI ดึงข้อมูลเฉพาะซัพพลายเออร์รายใหญ่ที่ใช้แบบฟอร์มเดิม ระบบดึงข้อมูลแล้วเทียบกับใบสั่งซื้อในระบบ ถ้าตรงกันก็เสนอให้อนุมัติ ถ้าไม่ตรงก็ขึ้นรายการให้พนักงานตรวจ พนักงานบัญชีจึงเปลี่ยนจากคนพิมพ์ข้อมูล เป็นคนตรวจข้อยกเว้นและแก้ปัญหากับซัพพลายเออร์

ข้อควรระวัง

• OCR ไม่เคยแม่น 100% ลายมือ ตราประทับทับข้อความ และภาพความละเอียดต่ำ คือจุดที่พลาดบ่อย
• เลขไทยกับเลขอารบิก และวันที่แบบพุทธศักราชกับคริสต์ศักราช ต้องแปลงให้ถูกก่อนเข้าระบบ
• เอกสารการเงินและบัตรประชาชนเป็นข้อมูลอ่อนไหว ต้องดูว่าส่งไปประมวลผลที่ไหนและเก็บไว้นานแค่ไหนตาม PDPA
• งานที่มีผลทางภาษีหรือกฎหมาย ต้องมีคนตรวจขั้นสุดท้ายเสมอ และควรปรึกษาผู้เชี่ยวชาญด้านบัญชีหรือภาษีเมื่อออกแบบกระบวนการ

Document AI ไม่ได้มาแทนคนตรวจ แต่ทำให้คนตรวจเฉพาะสิ่งที่ควรตรวจ

เริ่มต้นยังไง

1. เลือกเอกสารประเภทเดียวที่มีปริมาณมากและแบบฟอร์มค่อนข้างคงที่
2. รวบรวมตัวอย่างจริง 50 ถึง 100 ใบ รวมใบที่คุณภาพแย่ด้วย
3. ทดลองเครื่องมือ 2 ถึง 3 ตัว แล้ววัดความแม่นรายช่อง ไม่ใช่แค่ดูภาพรวม
4. เขียนกฎตรวจสอบและกำหนดเกณฑ์ว่ารายการไหนต้องให้คนตรวจ
5. เริ่มใช้งานคู่กับกระบวนการเดิมสักระยะ ก่อนจะเปลี่ยนเต็มรูปแบบ

ถ้าคุณทำงานสายบัญชี อ่าน AI ในงานบัญชี ต่อได้ และดูคอร์ส เปิดโลกงานบัญชีด้วย AI-OCR บน Plants.work เพื่อเห็นตัวอย่างการใช้งานจริง