บทนำ

เสร็จสมบูรณ์เมื่อ

โซลูชันการดึงข้อมูล AI มักใช้ในการแยกฟิลด์ข้อมูลที่มีโครงสร้างจากสื่อที่ไม่มีโครงสร้าง เช่น เอกสาร รูปภาพ และแม้แต่วิดีโอและการบันทึกเสียง

Note

แม้ว่าเราจะมุ่งเน้นไปที่การดึงข้อมูลจากเอกสารและรูปภาพในโมดูลนี้ แต่โซลูชัน AI กําลังเกิดขึ้นซึ่งใช้การรู้จําเสียงและเทคนิคขั้นสูงอื่นๆ เพื่อดึงข้อมูลจากรูปแบบสื่อต่างๆ เช่น วิดีโอและการบันทึกเสียง

สถานการณ์สําหรับการดึงข้อมูลมีตั้งแต่แอปง่ายๆ ที่สามารถอ่านข้อมูลติดต่อจากรูปถ่ายนามบัตร ไปจนถึงระบบอัตโนมัติของเวิร์กโฟลว์ทางธุรกิจที่ซับซ้อนสูงซึ่งวิเคราะห์และประมวลผลเอกสารทางการเงินและกฎหมาย

ไดอะแกรมของนามบัตรที่มีฟิลด์ที่แยกออกมา

ตัวอย่างทั่วไปของสถานการณ์การดึงข้อมูล ได้แก่:

การประมวลผลเอกสารทางการเงิน

โซลูชันการประมวลผลใบแจ้งหนี้สามารถวิเคราะห์ใบแจ้งหนี้เพื่อแยก:

  • ข้อมูลผู้ขาย: ชื่อบริษัท ที่อยู่ และรายละเอียดการติดต่อ
  • รายละเอียดธุรกรรม: หมายเลขใบแจ้งหนี้ วันที่ และเงื่อนไขการชําระเงิน
  • สินค้าเฉพาะรายการ: คําอธิบายผลิตภัณฑ์ ปริมาณ ราคาต่อหน่วย และผลรวม
  • ข้อมูลภาษี: อัตราภาษี จํานวนเงิน และรายการที่ได้รับการยกเว้น

โซลูชันการประมวลผลใบเสร็จอาจต้องอ่านใบตอบรับเพื่อแยกข้อมูล:

  • รายละเอียดผู้ขาย: ชื่อร้านค้า สถานที่ตั้ง และรหัสธุรกรรม
  • ข้อมูลการซื้อ: สินค้าที่ซื้อ ราคา และส่วนลด
  • รายละเอียดการชําระเงิน: วิธีการชําระเงิน จํานวนเงินที่เปลี่ยนแปลง และคะแนนสะสม

บการเงินสามารถประมวลผลเพื่อแยก:

  • ข้อมูลบัญชี: หมายเลขบัญชี ยอดคงเหลือ และประวัติการทําธุรกรรม
  • ตัวชี้วัดประสิทธิภาพ: รายได้ ค่าใช้จ่าย และอัตรากําไร
  • ข้อมูลการปฏิบัติตามข้อกําหนด: ฟิลด์การรายงานตามกฎระเบียบ และข้อมูลเส้นทางการตรวจสอบ

โซลูชันการประมวลผลตามสัญญาสามารถใช้เพื่อแยก:

  • ข้อมูลคู่สัญญา: คู่สัญญา ผู้ลงนาม และพยาน
  • ข้อกําหนดและเงื่อนไข: วันที่มีผลบังคับใช้ เงื่อนไขการต่ออายุ และข้อกําหนดการยกเลิก
  • เงื่อนไขทางการเงิน: กําหนดการชําระเงิน บทลงโทษ และข้อกําหนดการประกันภัย

แบบฟอร์มกฎระเบียบ ที่อาจต้องดําเนินการ ได้แก่:

  • เอกสารภาษี: W-2, 1099 และแบบฟอร์มภาษีอื่นๆ
  • แบบฟอร์มการประกันภัย: หมายเลขกรมธรรม์ จํานวนเงินเรียกร้อง และรายละเอียดเหตุการณ์
  • แบบฟอร์มของรัฐบาล: ข้อมูลการสมัครและข้อกําหนดการรับรอง

เอกสารด้านการดูแลสุขภาพ

สามารถประมวลผลเวชระเบียนเพื่อดึงข้อมูล:

  • ข้อมูลผู้ป่วย: ข้อมูลประชากร หมายเลขเวชระเบียน และรายละเอียดการประกัน
  • ข้อมูลทางคลินิก: การวินิจฉัย การรักษา รายการยา และสัญญาณชีพ
  • ข้อมูลการดูแลระบบ: กําหนดการนัดหมาย รหัสการเรียกเก็บเงิน และข้อมูลผู้ให้บริการ

ห่วงโซ่อุปทานและโลจิสติกส์

เอกสารการจัดส่ง มักมีรายละเอียดที่สําคัญ เช่น:

  • รายละเอียดการจัดส่ง: หมายเลขติดตาม น้ําหนัก และขนาด
  • ข้อมูลที่อยู่: รายละเอียดผู้ส่งและผู้รับ และคําแนะนําในการจัดส่ง
  • เอกสารศุลกากร: รหัสสินค้า มูลค่า และแหล่งกําเนิดทางภูมิศาสตร์

ใบสั่งซื้อ มักได้รับการประมวลผลเพื่อแยก:

  • ข้อมูลผู้ขาย: รายละเอียดซัพพลายเออร์และข้อมูลติดต่อ
  • ข้อมูลจําเพาะของผลิตภัณฑ์: รหัสสินค้า คําอธิบาย และปริมาณ
  • ข้อกําหนดในการจัดส่ง: กําหนดการ สถานที่ และคําแนะนําพิเศษ

การใช้ AI เพื่อดึงข้อมูลอาจเป็นรากฐานของระบบอัตโนมัติของปริมาณงานสําหรับสถานการณ์เหล่านี้ และอื่นๆ อีกมากมาย

Note

เราตระหนักดีว่าแต่ละคนชอบเรียนรู้ในรูปแบบที่แตกต่างกัน คุณสามารถเลือกที่จะทําโมดูลนี้ให้เสร็จในรูปแบบวิดีโอหรือคุณสามารถอ่านเนื้อหาเป็นข้อความและรูปภาพ ข้อความมีรายละเอียดมากกว่าวิดีโอ ดังนั้นในบางกรณี คุณอาจต้องการอ้างถึงข้อความดังกล่าวเป็นเนื้อหาเสริมในการนําเสนอวิดีโอ