Från faktura-PDF till användbara data: vad AI-OCR verkligen måste leverera

Varje siffra har känts igen. Ändå hamnar delsumman i dataposten som slutbelopp. Sådana fel ser prydliga ut: giltig JSON, ifyllda fält, inget rött felmeddelande. Det som saknas ligger i sambandet mellan siffra, etikett och tabellrad.

Mistrals OCR-dokumentation beskriver bland annat strukturerad text, tabellformat och blockkoordinater. Document Annotations kan dessutom omvandla information till ett fördefinierat JSON-format. Dessa byggstenar löser olika delar av vägen från dokument till applikation.

Fyra nivåer för ett enda fält

Först måste tecknen läsas. Sedan behöver applikationen deras position och ordning. Därefter måste den känna igen vilket fält ett värde beskriver. Slutligen tillkommer sakliga samband: stämmer slutbeloppet med de poster som anges i exemplet och den angivna rabatten?

Ett fel på vilken som helst av dessa nivåer kan i slutändan ge samma felaktiga siffra. Därför räcker inte enbart en fullständig textutdata som kvalitetsmått. För ett viktigt värde bör vägen tillbaka till fyndplatsen bevaras.

Det behöver inte alltid vara en påkostad grafisk markering. En dokumentidentifierare, sidan och en entydig fältbeskrivning hjälper redan. Om koordinater används måste de höra till rätt sida och rendering. En rektangel utan tydligt identifierad dokumentversion kan själv orsaka förvirring senare.

Skapa en faktura vars innehåll du känner till

För ett överskådligt test utformar du en egen PDF med två poster. Post A innehåller två enheter à tio euro styck, post B en enhet à femton euro. Under dem står en rabatt på fem euro och ett slutbelopp på trettio euro. Ett ordernummer saknas avsiktligt. Siffrorna tjänar endast som teknisk förklaring, inte som mall för skatteändamål.

Notera före extraktionen de förväntade värdena och var de finns. I en andra version ändrar du bara layouten: rabatt och totalsumma står nu närmare posterna. På så sätt kan du senare avgöra om tilldelningen använder etiketten eller förlitar sig på en slumpmässig position.

Låt en lämplig extern OCR-väg först leverera text och struktur. En efterföljande extraktion ska returnera slutbelopp, valuta, ordernummer och plats i dokumentet. Det saknade ordernumret behålls som okänt. Ett påhittat ersättningsnummer vore ett fel, även om det fyller utdataformatet fullständigt.

En liten saklig kontroll utanför modellen

Det enkla aritmetiska sambandet i det syntetiska exemplet kan kontrolleras oberoende. För decimalbelopp som dessa använder du till exempel Decimal i stället för binära flyttal. Detta Python-exempel, skrivet av oss, kontrollerar endast den undervisningsberäkning vi har definierat:

from decimal import Decimal

positionen = [
    (Decimal("2"), Decimal("10.00")),
    (Decimal("1"), Decimal("15.00")),
]
rabatt = Decimal("5.00")
ausgewiesen = Decimal("30.00")
berechnet = sum((menge * preis for menge, preis in positionen), Decimal("0")) - rabatt
assert berechnet == ausgewiesen

En godkänd aritmetisk kontroll skulle bara visa att de siffror som används här passar ihop. Den bevisar inte att OCR:en hämtade dessa siffror från rätt dokument. Därför förblir den aritmetiska kontrollen och källkontrollen två olika steg.

I en verklig applikation måste du dessutom beakta reglerna för den specifika dokumenttypen. Skatter, avrundning, valutor och specialfall kan inte härledas ur denna förenklade faktura. Uppgiften här är enbart att överföra en känd tilldelning på ett spårbart sätt.

Osäkerhet hör hemma i överlämningskontraktet

Definiera uttryckligen vad som händer vid en oläslig siffra eller en motsägelse. En datapost kan innehålla värdet, fyndplatsen och en klargörandestatus. Först en bekräftad överföring utlöser sedan det avsedda nästa steget.

En lämplig instruktion: ”Lägg inte till saknad information. Hänvisa för varje belopp du överför till det märkta fältet. Notera motstridiga totalsummor separat. Skapa endast en förhandsvisning, ingen bokföringspost.”

Det konkreta testet går alltså längre än att bara läsa ut PDF. Du kontrollerar tecken, struktur, fältbetydelse och ett känt samband var för sig. Det är just detta som skapar en användbar väg till data som inte bara ser prydliga ut utan också leder tillbaka till originalet.

Källor och status

Källor per den 25 oktober 2026. Document AI OCR processor · Document Annotations.