قراءة الفواتير العربية بالذكاء الاصطناعي: ما ينجح، وما يحتاج إنسانا

استخراج البيانات من الفواتير من أكثر ما يطلب منا. والفواتير العربية تحديدا تصنع مشاكل لا تظهر في أي عرض توضيحي إنجليزي.

ما صار ينجح فعلا

قراءة النص العربي المطبوع لم تعد المشكلة. النماذج الحديثة تقرأ فاتورة مطبوعة نظيفة — الاسم، الرقم، التاريخ، الإجمالي — بدقة عالية، بما في ذلك المستندات ثنائية اللغة التي يختلط فيها السطر العربي بالإنجليزي.

كذلك صار التعامل مع اختلاف التخطيط أسهل. لم يعد الأمر يحتاج قالبا لكل مورد؛ يكفي أن تصف الحقول المطلوبة، فيجدها النموذج في مواضع مختلفة من مستند لآخر.

أين تبدأ الأخطاء

الأرقام العربية والهندية. بعض الفواتير تكتب المبالغ بالأرقام الهندية (٢٥٠) وأخرى بالعربية (250)، وقد تخلط بينهما في المستند نفسه. التحويل الآلي يبدو صحيحا حتى تقع فاتورة تستبدل فيها خانة واحدة بصمت.

التواريخ. ٠٣/٠٤/٢٠٢٦ قد تعني الثالث من أبريل أو الرابع من مارس. لا يوجد نموذج يعرف الإجابة من المستند وحده — يحتاج قاعدة مرتبطة بالمورد.

الضريبة. نسبة ضريبة القيمة المضافة، ووجودها أصلا، يختلفان بين دول الخليج. النموذج الذي يفترض نسبة واحدة سينتج أرقاما معقولة الشكل وخاطئة تماما.

المسح الرديء. الصورة الملتقطة بالهاتف من مستند مطوي، أو الفاكس القديم، تبقى المشكلة الأصعب. الخط العربي المتصل يعني أن ضبابية بسيطة قد تحول حرفا إلى آخر.

الحقول التي لا نتركها بلا مراجعة

قاعدتنا العملية بسيطة: كل حقل يتحول مباشرة إلى مبلغ يدفع يمر على إنسان. الإجمالي، ورقم الحساب البنكي، وتاريخ الاستحقاق. أما اسم المورد ووصف البنود ورقم الفاتورة فتقبل آليا مع تسجيل درجة الثقة.

هذا التقسيم وحده يحول النظام من «مثير للقلق» إلى «قابل للتشغيل»، لأن المراجعة تتركز في ثلاثة حقول بدل عشرين.

ما يجب أن يقيسه المشروع

ليس «نسبة الدقة» المطلقة، بل الوقت الموفر لكل فاتورة، وعدد الفواتير التي احتاجت تدخلا بشريا، ونوع الأخطاء التي تكررت. الرقم الأخير هو ما يجعل النظام يتحسن شهرا بعد شهر.

البداية الواقعية

ابدأ بمورد واحد أو موردين، بحجم شهر واحد من الفواتير. إذا وفر النظام وقتا حقيقيا على هذه العينة، سيوفره على البقية. وإذا لم يفعل، تكون قد عرفت ذلك خلال أسابيع لا أشهر.