এআই কীভাবে ডকুমেন্ট পড়ে: ওসিআর, তথ্য বের করা আর নির্ভুলতা যাচাই

এআই যখন কোনো ডকুমেন্ট "পড়ে", সাধারণত দুটো কাজ হয়। প্রথমে অপটিক্যাল ক্যারেক্টার রিকগনিশন (ওসিআর) পাতার ছবিকে কম্পিউটারে পড়ার মতো লেখায় রূপ দেয়। তারপর এক্সট্র্যাকশন ধাপ আপনার দরকারি নির্দিষ্ট তথ্যগুলো খুঁজে বের করে, যেমন ইনভয়েস নম্বর, তারিখ, সরবরাহকারী আর মোট অঙ্ক, আর সেগুলো সঠিক ঘরে বসায়। এখনকার এআই মডেল অনেক সময় দুটো একসাথেই করে, কিন্তু দুর্বল জায়গাগুলো একই থাকে: ঝাপসা ছবি, হাতের লেখা, সিল, টেবিল আর বাংলা লিপি, সবই ভুলের কারণ হয়। আউটপুটে ভরসা করার একমাত্র উপায় হলো হাতে যাচাই করা ডকুমেন্টের সাথে মিলিয়ে পরীক্ষা করা, আর অনিশ্চিত সবকিছু একজন মানুষকে দিয়ে দেখানো।

প্রথম ধাপ: ওসিআর, ছবি থেকে লেখা

স্ক্যান করা পাতা বা মোবাইলে তোলা ছবি শুধুই একটি ছবি: রঙিন বিন্দু, কোনো শব্দ নেই। ওসিআর আকৃতিগুলো দেখে বোঝে সেগুলো কোন অক্ষর। পুরোনো ওসিআর টুল অক্ষর ধরে ধরে কাজ করত, একটু ব্যতিক্রমী কিছু হলেই আটকে যেত। নতুন এআই-ভিত্তিক টুল পুরো শব্দ আর লাইন প্রসঙ্গসহ দেখে, তাই দাগ বা অদ্ভুত ফন্টেও কিছুটা ভালো করে।

ওসিআরের জন্য বাংলা ইংরেজির চেয়ে কঠিন। যুক্তাক্ষর, অক্ষরের ওপরে, নিচে বা পাশে বসা কার-চিহ্ন, আর অক্ষরগুলো জুড়ে রাখা মাত্রা, সব মিলিয়ে সফটওয়্যারের ভুল করার সুযোগ বেশি। একটি কার-চিহ্ন বাদ পড়লে বা ভুল জায়গায় বসলে এক শব্দ আরেক শব্দ হয়ে যেতে পারে। বাংলাদেশের ইনভয়েস আর ফর্মে প্রায়ই একই পাতায় বাংলা ও ইংরেজি মেশানো থাকে, যা আরেকটি চ্যালেঞ্জ।

দ্বিতীয় ধাপ: এক্সট্র্যাকশন, লেখা থেকে কাজের তথ্য

শুধু লেখা পেলেই কাজ হয় না। আপনার হিসাব বা স্প্রেডশিটে দরকার "সরবরাহকারী: …, ইনভয়েস নম্বর: …, মোট: …"। এক্সট্র্যাকশন সেই তথ্যগুলো খুঁজে বের করে।

• টেমপ্লেট-ভিত্তিক এক্সট্র্যাকশন বলে, "মোট অঙ্ক সবসময় নিচে ডানদিকের ঘরে।" সব ডকুমেন্ট একরকম হলে ভালো চলে, সরবরাহকারী লেআউট বদলালে ব্যর্থ হয়।
• এআই-ভিত্তিক এক্সট্র্যাকশন বোঝে যে "সর্বমোট" বা তার ইংরেজি প্রতিশব্দের পাশের সংখ্যাটিই সম্ভবত মোট, যেখানেই থাকুক। বৈচিত্র্য ভালো সামলায়, কিন্তু কোনো ঘর অস্পষ্ট হলে অনুমানও করতে পারে, আর সেই অনুমান সঠিক উত্তরের মতোই আত্মবিশ্বাসী দেখায়।

নির্ভুলতা কীসের ওপর নির্ভর করে

একটি বিনা খরচের পরামর্শ: সরবরাহকারীর সিস্টেম থেকে তৈরি ডিজিটাল পিডিএফে আসল লেখা থাকে, তাই ওসিআরের দরকারই হয় না, আর প্রিন্টের ছবির চেয়ে সাধারণত অনেক বেশি নির্ভরযোগ্য। সম্ভব হলে সরবরাহকারীদের পিডিএফ ইমেইল করতে বলুন।

ভরসা করার আগে নির্ভুলতা কীভাবে যাচাই করবেন

নিখুঁত নমুনা দিয়ে দেখানো ডেমো দেখে ডকুমেন্ট পড়ার এআই টুল বিচার করবেন না। নিজের কাগজপত্র দিয়ে পরীক্ষা করুন।

1. পরীক্ষার সেট বানান। যে ধরনের ডকুমেন্ট প্রসেস করতে চান, তার ত্রিশ থেকে পঞ্চাশটি আসল কপি নিন, খারাপগুলোসহ: ভাঁজ পড়া, হাতে লেখা, মিশ্র ভাষার, মোবাইলে তোলা।
2. হাতে সঠিক উত্তর তৈরি করুন। প্রতিটি ডকুমেন্টের দরকারি ঘরগুলোর আসল মান টাইপ করে রাখুন।
3. টুল চালিয়ে ঘর ধরে ধরে মেলান। "দেখে তো ঠিকই মনে হচ্ছে" বলে থামবেন না। প্রতিটি সংখ্যা, তারিখ আর নাম আপনার হাতে তৈরি উত্তরের সাথে মেলান।
4. ভুলের ধরন লিখুন। অঙ্ক ভুল পড়ছে, দিন আর মাস উল্টে ফেলছে, বাংলা কার-চিহ্ন হারাচ্ছে, নাকি সাবটোটালকে মোট ভাবছে?
5. আস্থার সংকেত দেখুন। অনেক টুল যে ঘরে নিশ্চিত নয় তা চিহ্নিত করতে পারে। দেখুন সেই চিহ্নগুলো আসল ভুলের সাথে মেলে কি না।

প্রতিদিনের কাজে যাচাই বসানো

ভালো পরীক্ষার পরেও ওয়ার্কফ্লোতে নিরাপত্তা জাল রাখুন:

• অঙ্কের যাচাই। আইটেমগুলোর যোগফল কি মোটের সাথে মেলে? ভ্যাটের লাইন কি ডকুমেন্টে ছাপানো হারের সাথে মেলে?
• নিজের রেকর্ডের সাথে মেলানো। সরবরাহকারী কি আপনার তালিকায় আছেন? এই ইনভয়েস নম্বর কি আগেই এন্ট্রি হয়েছে?
• গুরুত্বপূর্ণ জায়গায় মানুষের যাচাই। অনিশ্চিত ঘর, বড় অঙ্ক আর নতুন সরবরাহকারী, পেমেন্ট বা হিসাবে তোলার আগে একজন মানুষের কাছে যাবে।
• মূল কপি রেখে দিন। বের করা তথ্যের সাথে ছবিটিও রাখুন, যাতে পরে যে কেউ মিলিয়ে দেখতে পারেন।

এই যাচাইগুলো একটি বড় নীতির অংশ, যা এআই ওয়ার্কফ্লোতে মানুষের যাচাই লেখায় ব্যাখ্যা করা আছে।

বাস্তবসম্মত শুরু

যে ধরনের ডকুমেন্ট টাইপ করতে সবচেয়ে বেশি সময় খায়, প্রায়ই সরবরাহকারীর ইনভয়েস বা ডেলিভারি নোট, সেটা বেছে নিয়ে অল্প কিছু কপিতে ওপরের পরীক্ষাটি করুন। যাচাইসহ ফল ভালো হলে ইনভয়েস ডেটা এন্ট্রি অটোমেশন দেখায় কীভাবে এটা আপনার হিসাবের সাথে যুক্ত করবেন। ডকুমেন্ট মূলত বাংলায় হলে আগে পড়ুন এআই বাংলা কতটা বোঝে। এ ধরনের ডকুমেন্ট ওয়ার্কফ্লো আমি তৈরি করি আমার এআই ও ওয়ার্কফ্লো অটোমেশন সার্ভিসের অংশ হিসেবে।