Dlaczego firma (lub jej menedżerowie) powinni przyjąć tę zmianę? Uzasadnienie jest jasne: aby oszczędzać zasoby (np. zmniejszając zużycie papieru) i usprawnienie przepływu pracy (np. wyeliminowanie ręcznego wprowadzania danych).

Co więcej, bycie na bieżąco z rozwojem sytuacji w tym sektorze ma kluczowe znaczenie dla firm zaangażowanych w kontrakty z sektorem publicznym. W Unii Europejskiej od dawna dąży się do standaryzacji fakturowania i zwiększenia możliwości odczytu maszynowego (dyrektywa UE 2014/15/UE). Inicjatywa ta ma na celu ułatwienie automatycznego przetwarzania faktur biznesowych. Podobnie w Niemczech, w sektorze publicznym następuje zauważalna zmiana w kierunku cyfrowego przechwytywania i zautomatyzowanego przetwarzania, z dala od tradycyjnej obsługi dokumentów papierowych.

W konsekwencji tej transformacji organy ustawodawcze w Niemczech, na przykład, nakazały, aby do około 2025 r. tylko faktury biznesowe spełniające określone formaty odczytu maszynowego mogły być przedkładane w formie cyfrowej. W związku z tym presja na firmy zaangażowane w kontrakty z sektorem publicznym będzie się nasilać w nadchodzących latach, oznaczając stopniową eskalację e-fakturowania do kluczowej fazy.

Wracając do głównego punktu, inteligentne przetwarzanie faktur biznesowych ma kluczowe znaczenie w ramach kompleksowego procesu przetwarzania faktur, stanowiąc prawdopodobnie najbardziej krytyczny aspekt procedury. Przykładowo, błędne rozpoznanie IBAN (Międzynarodowego Numeru Rachunku Bankowego) może doprowadzić do nieumyślnej płatności na rzecz niewłaściwego dostawcy, a tym samym spowodować znaczne późniejsze koszty dla firmy.

Badanie dwóch podejść do identyfikacji pól danych na fakturach biznesowych: Integracja AI i znormalizowane formaty

W następnej sekcji zostaną określone dwie potencjalne metodologie identyfikacji pól danych z faktur biznesowych.

W początkowym scenariuszu rozpoznawanie danych jest ułatwione dzięki wykorzystaniu sztucznej inteligencji (AI). Obecnie różni dostawcy – tacy jak Microsoft (wykorzystujące model LayoutLM), ABBYY, SAP i EagleDoc – oferują kompleksowe rozwiązania do ekstrakcji danych z wykorzystaniem technologii AI. Na przykład SAP wykorzystuje czytnik dokumentów do analizowania wyodrębnionych dokumentów faktur, tym samym rozróżniając i kategoryzując odpowiednie dane. OCR oparty na sztucznej inteligencji (Optyczne rozpoznawanie znaków) oprogramowanie sprawnie identyfikuje i przechwytuje dane z faktur, porównując je z danymi podstawowymi dostawcy. Wykorzystując istniejące wcześniej dane podstawowe, fakturę można szybko przypisać do odpowiedniego dostawcy i wyznaczonego pracownika. Co więcej, oprogramowanie do klasyfikacji sprawnie interpretuje pozycje faktury i powiązane wartości, ułatwiając natychmiastowe dostosowanie do odpowiednich danych zamówienia. Niemniej jednak, wspólną cechą wszystkich dostawców jest iteracyjny charakter przetwarzania faktur – ciągły proces udoskonalania.

public class ZUGFeRDReader {

    public static void main(String[] args) {
         
        ZUGFeRDImporter zi = new ZUGFeRDImporter("./MustangGnuaccountingBeispielRE-20201121_508.pdf");
   
        //"ZUGFeRD" validation
        if (zi.canParse()) {   
            System.out.println("Total Amount: " + zi.getAmount());
            System.out.println("BIC: " + zi.getBIC());
            System.out.println("IBAN: " + zi.getIBAN());
            System.out.println("Holder Name: " + zi.getHolder());
            System.out.println("Invoice Number: " + zi.getForeignReference());
            System.out.println("Invoice Date: " + zi.getInvoiceDate());
            System.out.println("Invoice Due Date: " + zi.getDueDate());
            System.out.println("Currency: " + zi.getCurrency());
            System.out.println("Tax ID: " + zi.getTaxID());
            System.out.println("Customer Reference: " + zi.getCustomerReference());
       
        } else {
            System.out.println("Invoice is not in the ZUGFeRD format");
        }
    }
}