Yapay Zekâ ve Otomasyon / Uygulama ve satın alma rehberi

Yapay Zekâ ile Doküman İşleme: İnsan Onayı Nerede Gerekir?

Bir belgedeki metni okumak, o metinden doğru iş kaydı oluşturmakla aynı değildir. Doküman otomasyonunda çıkarılan değer, kaynak konumu, doğrulama sonucu ve onay kararı birlikte yönetilmelidir.

Okuma, çıkarma ve karar aşamalarını ayırın

İlk aşama dosyadaki metni veya tabloyu okumaktır. İkinci aşama hangi değerin sipariş numarası, miktar veya tarih olduğunu belirlemektir. Üçüncü aşama ise bu değerlerle işletme kaydı oluşturmak olabilir. Bir aşamanın başarılı olması diğerinin de doğru olduğu anlamına gelmez. Örneğin metin doğru okunurken miktar yanlış ürün satırına bağlanabilir.

Her aşamanın çıktısını ve hata sorumlusunu belirleyin. Kaynak belgenin okunamadığı durum ile ürün kodunun katalogda bulunmadığı durum farklı inceleme gerektirir. Kullanıcıya tek bir “AI hatası” mesajı göstermek yerine düzeltebileceği bağlamı sunun.

Dil ve belge türünü gerçek örneklerle doğrulayın

Bir araç başka dildeki düzgün basılmış belgeyle iyi çalışabilir, fakat Türkçe karakterler veya düzensiz tablolar için aynı sonuç varsayılmamalıdır. AWS Textract rehberi desteklenen dillerin ve giriş kalitesinin kontrol edilmesini özellikle vurgular; Türkçe bu rehberdeki destek listesinde yer almamaktadır. [1] Burada hizmet, Türkiye için doğrudan ürün önerisi değil teknik değerlendirme örneğidir.

Prova setinde gerçek kullanımınıza benzeyen, uygun biçimde anonimleştirilmiş veya sentetik dosyalar kullanın. Döndürülmüş sayfa, soluk yazı, birleşik hücre ve aynı belgede birden fazla tarih gibi durumları ekleyin. Yalnızca en temiz örneklerle alınan sonuç bütün belge ailesini temsil etmez.

Örnek: tedarikçi sipariş formundan kayıt oluşturma

Varsayımsal formda aynı ürün iki satırda farklı teslim tarihleriyle bulunuyor. Sistem satırları birleştirirse toplam miktar doğru görünse de teslim planı kaybolabilir. Bu yüzden alan doğruluğunun yanında satır ilişkisi ve iş anlamı da denetlenmelidir. İnsan incelemesi, yalnızca yazım hatası düzeltme ekranı olmamalıdır.

Örnek karar ve kabul kontrolleri
AlanDoğrulama sorusuİnceleme ekranında gösterin
Ürün koduKatalogda tek eşleşme var mı?Kaynak satır ve eşleşen ürün
MiktarBirim ve değer tutarlı mı?Orijinal değer ve dönüşüm
Teslim tarihiHangi satıra ait?Belgedeki konum
Sipariş kimliğiDaha önce işlendi mi?Önceki kayıt ilişkisi

Örnek, finansal belgeyi otomatik onaylama tavsiyesi değildir. Yetki ve risk düzeyi işletmenin kendi kontrol sürecinde değerlendirilmelidir.

Güven skorunu doğruluk garantisi saymayın

Araç bir güven skoru verebilir, ancak bu skorun hangi tahmine ait olduğu anlaşılmalıdır. Karakter okuma güveni, ürün eşleştirmesinin doğruluğunu tek başına açıklamaz. AWS rehberi de eşiklerin uygulamanın hassasiyetine göre değerlendirilmesini ele alır. [1] Tek bir evrensel yüzdeyi bütün alanlara uygulamayın.

Önerilen iş akışında kritik alanlar için kurallı doğrulama ile insan incelemesi birlikte kullanılabilir. Toplamın satırlarla uyuşmaması veya aynı kimliğin başka belgede bulunması, yüksek okuma skoruna rağmen inceleme gerektirebilir. Bu kuralların nedenleri ve sonuçları kullanıcıya açıklanmalıdır.

Şema kontrolünden sonra iş kuralını çalıştırın

JSON Schema alan türlerini, zorunluluğu ve izin verilen ek alanları tanımlamak için kullanılabilir. [2] Şemaya uygun bir tarih yine de yanlış teslim tarihi olabilir. Bu nedenle yapı doğrulaması ile katalog, miktar ve durum kontrolünü ayrı katmanlarda tasarlayın.

Model çıktısını doğrudan ERP’ye yazmak yerine önce taslak iş kaydı oluşturmak değerlendirilebilir. Onaylayan kişi düzeltme yaptığında hangi alanı neden değiştirdiği kayıtlı olsun. Tekrar işlenen dosyanın ikinci sipariş üretmemesi için dosya ve iş kimliği ilişkisi korunmalıdır.

Kabul testini alan bazında raporlayın

Bütün belge için tek başarı yüzdesi kritik alan hatalarını gizleyebilir. Ürün, miktar, tarih ve kimlik doğruluğunu ayrı inceleyin. Yanlış değeri kabul etme ile doğru değeri gereksiz incelemeye gönderme farklı sonuçlardır. İnceleme süresini de toplam iş maliyetine dahil edin.

Teslim paketinde örnek test seti, alan sözlüğü, kaynak gösterimi, tekrar kontrolü ve insan onay akışı bulunsun. Hangi belge türlerinin kapsam dışında kaldığını açıkça yazın. Desteklenmeyen dosyalara kendinden emin sonuç üretmek yerine kontrollü yönlendirme sağlanmalıdır.

Sık sorulan sorular

### Yüksek güven skoru varsa insan kontrolünü kaldırabilir miyim? Tek başına bu gerekçe yeterli değildir. Alanın iş etkisi, gerçek test sonuçları ve diğer doğrulamalar birlikte değerlendirilmelidir.

Aynı şablonu kullanan bütün belgeler eşit kalitede işlenir mi?

Hayır. Görüntü kalitesi, dil, tablo düzeni ve içerik değişebilir. Temsilî örnekler ve istisnalarla düzenli kontrol gerekir.

Teknik kaynaklar

  1. AWS: doküman kalitesi ve güven skorları
  2. JSON Schema: alan ve nesne doğrulama

Kaynaklar teknik kavramları destekler. Örnek tablolar ve senaryolar önerilen çalışma araçlarıdır; gerçek müşteri sonucu, bağımsız denetim veya platform garantisi değildir. Uygulama öncesinde kullanılan ürünün güncel koşulları kontrol edilmelidir.

Bu ihtiyacı çalışan bir sisteme dönüştürelim.

Mevcut sisteminizi, sorun yaşadığınız iş akışını ve beklediğiniz sonucu paylaşın. Ganz Dijital ile projenizin kapsamını ve kabul koşullarını netleştirin.

İlgili hizmeti inceleWhatsApp üzerinden görüşelim →

Hazırlama notu: İçerik, belirtilen kaynaklar ve özgün örnek senaryolar kullanılarak yapay zekâ desteğiyle hazırlanmıştır. Sayısal örnekler aksi belirtilmedikçe varsayımsaldır. İşletmeye özel güvenlik, hukuki ve operasyonel gereksinimler ayrıca değerlendirilmelidir.