Dowolny dokument na wejściu, gotowe pola w JSON na wyjściu. Co to zmienia w obsłudze dokumentów w urzędzie

Jeden z kierunków, który w ostatnich miesiącach wyraźnie dojrzewa, to zamiana nieustrukturyzowanego dokumentu na gotowe, nazwane pola z wartościami. Niezależnie od formatu pliku: skan podania, PDF z umowy, wypełniony formularz w Wordzie, zdjęcie faktury. Model AI czyta dokument, rozumie kontekst i wyciąga konkretne dane w formacie JSON. "Data zawarcia umowy", "podpisano dnia", "z dniem" to dla człowieka to samo. Dobry model wie o tym i mapuje wszystkie trzy na jedno pole. Wynik trafia prosto do systemu, bez ręcznego przepisywania i bez konfigurowania sztywnych szablonów pod każdy układ strony.

To ważne rozróżnienie wobec starszego podejścia. Tradycyjne OCR czyta znaki. Parsery dokumentów czytają strukturę tabeli albo pozycję pola na stronie. Podejście oparte na modelu językowym czyta znaczenie, więc działa nawet wtedy, gdy formularz jest wypełniony odręcznie, pola są przestawione albo ktoś użył niestandardowego wzoru dokumentu.

Co to oznacza dla polskich urzędów i instytucji publicznych

Polskie urzędy przetwarzają ogromne ilości dokumentów, które mają podobną strukturę, ale różny układ. Wnioski o pozwolenie na budowę, zgłoszenia zmian, deklaracje podatkowe, zaświadczenia od kontrahentów, umowy z wykonawcami. Każdy z tych typów dokumentów zawiera kilka do kilkunastu pól, które i tak trzeba wpisać do systemu. To jest praca, którą urzędnicy wykonują ręcznie setki razy w tygodniu.

• Automatyczne zasilanie rejestrów i systemów - zamiast ręcznego przepisywania danych z dokumentu do EZD, PUE czy własnego systemu, wyciągnięte pola trafiają bezpośrednio przez API. Mniejsze ryzyko literówki, szybszy obieg.
• Obsługa starych, niesformatowanych dokumentów - archiwa pełne skanów, które nie były indeksowane, stają się przeszukiwalne i przetwarzalne. Wyciągniecie daty, numeru sprawy i strony z tysiąca archiwów zajmuje minuty, nie tygodnie.
• Różne formaty wejściowe bez osobnych integracji - jeden komponent obsługuje PDF, obraz, plik Word i e-mail z załącznikiem. Nie trzeba osobno konfigurować parsera pod każdy typ dokumentu, który wpływa do urzędu.
• Walidacja danych przy przyjęciu wniosku - jeśli model wyciągnie pola natychmiast po wpłynięciu dokumentu, braki i niezgodności widać od razu. Interesant dowiaduje się o brakującym NIP-ie tego samego dnia, nie po tygodniu.

Jedno zastrzeżenie, które warto mieć z tyłu głowy. Modele językowe popełniają błędy, szczególnie na dokumentach słabej jakości, mocno odręcznie wypełnionych albo z niestandardowym układem. W środowisku administracyjnym ekstrakcja powinna być traktowana jako pierwsza warstwa, a nie ostateczna decyzja. Dane wyciągnięte przez AI warto poddać weryfikacji przed zapisem do systemu, przynajmniej w pierwszym etapie wdrożenia, zanim poznacie dokładnie skuteczność na Waszych konkretnych typach dokumentów.

Podejście "dowolny dokument w, JSON na wyjściu" jest dziś dostępne jako gotowy komponent do osadzenia we własnym procesie. Nie wymaga trenowania modelu od zera ani budowania własnego pipeline'u OCR. Dla urzędu oznacza to, że wdrożenie można zacząć od jednego rodzaju dokumentu, sprawdzić skuteczność i dopiero potem rozszerzać zakres.

Jeśli chcecie sprawdzić, które procesy w Waszej instytucji najbardziej zyskają na automatycznej ekstrakcji danych, zapraszamy na bezpłatny audyt.