بزرگترین دشمن حسابوکتاب دقیق، سختیِ ثبت است. وقتی ثبت یک فاکتور دو سه دقیقه تایپ بخواهد، آدم آن را به «شب» موکول میکند، شب به آخر هفته، و آخر هفته به هیچوقت. راهحل، آسانکردن ثبت است تا حد یک عکس — و اینجاست که هوش مصنوعی وارد میشود.
پشت صحنه: چهار مرحله از عکس تا هزینهی ثبتشده
۱. تشخیص متن (OCR)
اول، تصویر فاکتور به متن تبدیل میشود. فاکتور ساختمانی از سختترین ورودیهای OCR است: کاغذ مچاله، مهر فروشگاه، خط دستنویسِ عجلهای، و ارقامی که فارسی و لاتین قاطی شدهاند. مدلهای امروزی — برخلاف OCRهای قدیمی — کل تصویر را با «درک زمینه» میخوانند؛ یعنی وقتی میبیند «سیم×۲» احتمالاً یعنی دو حلقه سیمان نیست، سیم برق است.
۲. استخراج اطلاعات ساختیافته
متنِ خام کافی نیست؛ باید مبلغ کل، تاریخ (شمسی!)، نام فروشنده و اقلام از دل آن بیرون کشیده شود. چالش واقعی همینجاست: در یک فاکتور دستنویس، «جمع کل» ممکن است پایین صفحه باشد، گوشه باشد، یا اصلاً نوشته نشده باشد و مدل باید از جمع اقلام حسابش کند.
۳. حدس دستهی هزینه
«میلگرد ۱۶» یعنی دستهی آهنآلات، «کابل ۲٫۵» یعنی برق، «نهار کارگر» یعنی هزینههای جانبی. مدل از روی اقلام و نام فروشنده، دستهی هزینه را پیشنهاد میدهد تا گزارشها از همان لحظهی ثبت، تفکیکشده باشند — بدون اینکه تو دستهبندی را حفظ باشی.
۴. تأیید انسانی
هیچ مدلی بیخطا نیست، مخصوصاً روی خط دستنویس. برای همین خروجی همیشه بهصورت پیشنویس نمایش داده میشود تا با یک نگاه تأییدش کنی یا رقم را اصلاح کنی. ترکیب «هوش مصنوعی + تأیید یکثانیهای انسان» هم سریع است هم قابل اعتماد.
چرا این موضوع برای بودجهات مهم است؟
- هزینهای که ثبتش آسان باشد، ثبت میشود؛ و هزینهی ثبتشده قابل کنترل است.
- عکس فاکتور یعنی سند: در تسویه با شریک یا اختلاف با فروشنده، مدرک داری.
- دستهبندی خودکار یعنی گزارش تفکیک هزینه بدون هیچ کار اضافه.
- دادهی کاملتر یعنی هشدارهای هوشمندتر: هزینهی تکراری یا مشکوک زودتر پیدا میشود.
در معمارساز همین حالا میتوانی از فاکتور عکس بگیری تا مبلغ، تاریخ شمسی، فروشنده و دسته خودش پر شود؛ بعد از ثبت هم اگر پروژه شریکی باشد، سهم هر شریک از همان فاکتور خودکار حساب میشود. ثبتی که قبلاً دو دقیقه تایپ میخواست، حالا چند ثانیه است.