从 OCR 到智能填单:一家企业如何用大模型把单据录入效率提升 5 倍
很多企业的数字化系统已经建得很完善了,但在一个环节上,依然高度依赖人工:把外部单据里的信息,录入到内部系统里。
发票、付款凭证、报销单、送货单、对账单、收据,这些单据每天从不同业务部门、供应商、客户和员工手里流转进来。有的是扫描件,有的是手机拍照,有的是 PDF,有的是截图;有的格式标准,有的排版混乱;有的清晰,有的模糊。
过去,企业通常会引入 OCR 系统来解决这个问题。OCR 确实能把图片里的文字识别出来,但真正落地后会发现:识别文字只是第一步,后面还有大量判断、匹配、填写和校对工作。
传统 OCR 很多时候解决的是“看清楚文字”,但企业真正需要的是:把单据看懂,并自动填进系统。
不是没有系统,而是录入太慢
在这个案例中,企业每天需要处理大量业务单据,包括发票、付款凭证、报销单、送货单、对账单和收据等。原来的处理方式是:业务人员上传单据,OCR 系统识别文字,人工判断字段含义,再把关键字段填入 ERP、财务系统或报销系统,最后由审核人员校对。
这个流程看起来已经用了 OCR,但人的工作量并没有真正减少太多。原因很简单:OCR 只负责“识别”,不负责“理解”。
它可以告诉你图片里有哪些字,却不一定知道这些字分别对应业务系统里的哪个字段。尤其是在单据格式多样、字段表达不统一、版式经常变化的情况下,传统规则很容易失效。
OCR 识别,大模型理解
这个项目的核心思路并不复杂:让 OCR 做它最擅长的文字识别,让大模型做它最擅长的语义理解。
第一步,OCR 识别单据内容。单据上传后,系统先调用 OCR 引擎,对图片或 PDF 进行文字识别。这里不仅要拿到文字内容,还要尽可能获取位置信息、行列关系和版面结构。
第二步,大模型理解业务字段。OCR 输出的是一堆文字和位置,大模型要做的是把这些信息转化成结构化字段:单据类型、供应商名称、总金额、业务日期、付款方、收款方、订单号、合同号、税号和银行账号。
第三步,系统自动填单,人工审核异常。当大模型提取出结构化字段后,系统把字段自动写入 ERP、财务系统或报销系统。对于金额、日期、主体名称、发票号等关键字段,如果存在不确定、冲突或缺失,就高亮提示,由人工快速确认。
过去是人逐字段录入;现在是机器先填,人只审核不确定项。这才是效率提升的核心来源。
为什么不是纯 OCR,也不是纯大模型
纯 OCR 的优点是速度快、成本低、字符识别准确率高,但它不擅长理解业务语义。纯大模型,尤其是直接让多模态大模型读取图片,虽然理解能力更强,但在成本、速度和…