Skip to Content
Kezdőlap / AI-tanácsadás / AI-dokumentumfeldolgozás
Dokumentumfeldolgozás

AI-dokumentum­feldolgozás: papírból és PDF-ből rögzített adat.

Az AI kiolvassa a számlákat, szerződéseket és ajánlatokat, ellenőrzi az adatokat, és rögzíti őket a rendszereiben. Ember csak a bizonytalan eseteket nézi át.

  • Magyar nyelvű dokumentumokra is
  • Ellenőrzés üzleti szabályokkal
  • Titkosított tárolás
docs · szallitoi-szamlakszemléltető
$ docs process --inbox szamlak@
✓ 214 dokumentum · PDF, szkennelt, e-mail
✓ ocr · szöveg, táblázatok, tételsorok
✓ ai · szállító, adószám, összeg, áfa, tételek
✓ validáció · megrendeléssel egyeztetve
! 11 bizonytalan mező → ellenőrzésre
✓ erp · 203 számla rögzítve
[archív] kereshető dokumentumtárba mentve
$

Szemléltető példa – nem ügyféladat.

Kiindulópont

Ismerős helyzet?

Így szokott kezdődni – és ezekre a helyzetekre építjük a megoldást.

Így oldjuk meg
#csapatma · 3 új üzenetszemléltető
KÖ
Könyvelés

Havonta több száz számlát gépelek be kézzel – és a végén még egyeztetni is kell.

⚠ Kézi gépelés
JO
Jogi osztály

Mikor jár le a keretszerződés felmondási ideje? Valahol benne van a PDF-ben…

⚠ Rejtve maradó határidők
BE
Beszerzés

Minden szállító másképp küldi: szkennelve, fotózva, angolul, németül.

⚠ Változatos formátumok
DX
Devertix
Mit kap?

Amit a megoldás elvégez

A beérkezéstől a rögzítésig végigvisszük a dokumentumot – a formátumtól függetlenül.

Beérkeztetés

E-mail-fiókból, szkennerből, portálról vagy API-n – egy helyre, titkosítva.

Szövegfelismerés

Szkennelt és fotózott dokumentumok is: szöveg, táblázatok, űrlapmezők.

AI-kinyerés

Mezők, összegek, tételsorok, dátumok – sablon nélkül, változó elrendezésben is.

Ellenőrzés

Megrendeléssel, törzsadatokkal és szabályokkal egyeztetve, megbízhatósági küszöbbel.

Rögzítés

ERP-be, könyvelésbe, dokumentumtárba – API-n, a meglévő folyamatba illesztve.

Kereshető archívum

Minden dokumentum tartalom szerint visszakereshető, jogosultság szerint.

Lépésről lépésre

Egy dokumentum útja

A beérkezéstől a rögzített, visszakereshető adatig.

Beérkeztetés egy helyre – szemléltető ábra, kitalált adatokkalszemléltető
01

Beérkeztetés egy helyre

A dokumentumok bárhonnan érkezhetnek – e-mail-fiókból, szkennerből, partneri portálról. Egy titkosított tárba kerülnek, egyedi azonosítóval és teljes előzménnyel.

  • E-mail, szkenner, portál, API
  • Titkosított, verziózott tárolás
  • Duplikátumszűrés
Kinyerés sablon nélkül – szemléltető ábra, kitalált adatokkalszemléltető
02

Kinyerés sablon nélkül

A szövegfelismerés után a nyelvi modell a tartalom alapján azonosítja a mezőket: szállító, adószám, dátumok, összegek, tételsorok. Egy új elrendezés vagy egy új partner sem igényel külön fejlesztést.

  • Fejléc- és tételadatok
  • Magyar és idegen nyelvű dokumentumok
  • Mezőnkénti megbízhatósági érték
Ellenőrzés és rögzítés – szemléltető ábra, kitalált adatokkalszemléltető
03

Ellenőrzés és rögzítés

A kinyert adatokat a rendszer összeveti a megrendeléssel, a törzsadatokkal és az üzleti szabályokkal. Ami megfelel, automatikusan rögzül az ERP-ben; ami nem, ellenőrzésre kerül.

  • Háromutas egyeztetés (megrendelés – szállítólevél – számla)
  • Adószám- és törzsadat-ellenőrzés
  • Automatikus rögzítés API-n
Emberi ellenőrzés, csak ahol kell – szemléltető ábra, kitalált adatokkalszemléltető
04

Emberi ellenőrzés, csak ahol kell

A bizonytalan mezőket a kolléga egy egyszerű felületen látja, a dokumentum mellett kiemelve. A javítás után a rendszer rögzít, és a visszajelzés a pontosság javítását szolgálja.

  • Kiemelt bizonytalan mezők
  • Egyképernyős ellenőrzés
  • Visszajelzés a pontosság javításához
Architektúra

Így épül fel a dokumentumfeldolgozás

A dokumentum titkosított tárba érkezik, az AI kinyeri és ellenőrzi az adatokat, a megbízható eredmény automatikusan a célrendszerbe kerül, a bizonytalan pedig emberhez.

Dokumentumfeldolgozás: e-mail, szkenner és portál a titkosított bejövő tárba, szövegfelismerés, AI-kinyerés, validáció, majd ERP, dokumentumtár vagy emberi ellenőrzés, titkosított kapcsolatokkal
Sablon nélkülváltozó elrendezésre is
Megbízhatósági küszöbbizonytalan eset emberhez
KMS és TLStitkosítás tároláskor és átvitelkor
Kereshetőtartalom szerinti archívum
Előtte és utána

Egy számla útja – ma és AI-jal

MA
  • Letöltés, megnyitás, kézi gépelés
  • Ellenőrzés papíron vagy táblázatban
  • Elgépelés, utólagos javítás
  • A dokumentum egy mappában marad
→
DEVERTIX
  • Automatikus beérkeztetés és kinyerés
  • Egyeztetés a megrendeléssel és a törzsadatokkal
  • Csak a bizonytalan mező kerül emberhez
  • Tartalom szerint kereshető archívum
Felhasználási példák

Milyen dokumentumokra?

Pénzügy

Szállítói számlák

Fejléc- és tételadatok, egyeztetés a megrendeléssel.

Jog

Szerződések

Felek, határidők, felmondási feltételek, kötelezettségek kigyűjtése.

Értékesítés

Ajánlatkérések

A beérkező igények strukturált táblába, ajánlat-előkészítéshez.

Logisztika

Szállítólevelek és CMR

Tételek, mennyiségek, eltérések rögzítése.

HR

Önéletrajzok és dokumentumok

Adatkinyerés, hiánypótlás.

Ügyfélszolgálat

Kérelmek és űrlapok

A kitöltött űrlapok adatai közvetlenül a rendszerbe.

Referencia

Saját projektünk

West Hungária Bau
GenAI · Építőipar

Tenderárazás generatív AI-jal

Kihívás

Évente mintegy 250 tender, ajánlatonként 6–8 óra kézi munka.

Megoldás

A képletek ellenőrzése, az ajánlatok feldolgozása és az ütemterv generatív AI-jal (Amazon Bedrock), a cég saját AWS-fiókjában.

Eredmény

Ajánlatonként 1–2 óra (kb. 75%-kal kevesebb), évente mintegy 1000–1500 felszabaduló mérnökóra.

Saját referencia
Iparági példa

Így működik másoknál

Más cég nyilvánosan közzétett esete – a módszert mutatja, nem a mi munkánkat.

Octave (szabályozott iparágak)
Nem Devertix-projekt · nyilvános esettanulmány

Dokumentum-AI elkülönített ügyfélkörnyezetekkel

Kihívás

Érzékeny dokumentumok több ezer ügyfélnek, szigorú elkülönítéssel.

Megoldás

Amazon Bedrock, munkamenetenként dedikált microVM, be- és kimeneti szűrés.

Eredmény

A közzétett adatok szerint 50%-kal rövidebb bevezetés felhasználási esetenként.

Forrás: AWS Machine Learning Blog · a magyar összefoglalónk

Hogyan dolgozunk?

Négy lépés a működő megoldásig

01

Minták gyűjtése

valós dokumentumok, mezők, szabályok

02

Prototípus

pontosság mérése a saját dokumentumain

03

Integráció

ERP, könyvelés, dokumentumtár

04

Finomhangolás

küszöbök, új dokumentumtípusok

Technológia

Amiből építkezünk

Felismerés

  • Amazon Textract
  • Többnyelvű OCR

AI

  • Amazon Bedrock
  • Anthropic Claude

Tárolás

  • Amazon S3 · KMS
  • Amazon OpenSearch

Integráció

  • ERP- és könyvelési API
  • E-mail és SFTP
Biztonság és adat

Érzékeny dokumentumokhoz tervezve

  • Titkosított tárolás és átvitel (KMS, TLS)
  • Az adat a saját környezetében marad
  • A bizonytalan eseteket ember ellenőrzi
  • Minden kinyert mező visszakövethető a forrásig
GYIK

Gyakori kérdések

Milyen pontos a kinyerés?

A pontosság a dokumentumok minőségétől és változatosságától függ, ezért a prototípus során a saját dokumentumain mérjük. A megbízhatósági küszöb alatti mezőket a rendszer emberi ellenőrzésre küldi, így a bizonytalan adat nem kerül ellenőrzés nélkül a rendszerbe.

Kezeli a magyar nyelvű és a szkennelt dokumentumokat?

Igen. A szövegfelismerés és a nyelvi modellek a magyar dokumentumokat is kezelik; szkennelt és fotózott anyagoknál a képminőség számít.

Minden partnerhez külön sablon kell?

Nem. A nyelvi modellek sablon nélkül, a tartalom alapján ismerik fel a mezőket, így egy új formátum sem igényel külön fejlesztést.

Hová kerülnek a dokumentumok?

A saját környezetébe – AWS-fiókba, Azure-előfizetésbe vagy saját szerverre –, titkosított tárba. A hozzáférést jogosultságok szabályozzák, és minden művelet naplózott.

Ingyenes első egyeztetés

Beszéljük át az Ön helyzetét

Egy kötelező kérdés, a neve és az e-mail-címe – a többi mező nem kötelező.

  1. Átnézzük a válaszait.
  2. Kollégánk felveszi Önnel a kapcsolatot, és egy rövid hívásban pontosítjuk a célokat.
  3. Konkrét javaslatot adunk az első lépésre.