Liiketoiminta ja käyttöönotot20:04
Valmistele PDF-skannaukset tekoälylle: OCR-parametrit ja tiedostonimet maanantaiksi
Määritä skannaus 300–600 DPI:n tarkkuudelle, ota tekstikerros käyttöön ja nimeä tiedostot muotoon Tyyppi_Päivämäärä-Versio_Tila ennen dokumenttien liittämistä tekoälyindeksiin.

Kuuntele artikkelin tiivistelmä
Synteettinen ääni.Käytä tätä tekstiä asiantuntijan maksuttomina muistiinpanoina: esittelemme toimivan vakiomallin, emme yhtä ainoaa oikeaa tapaa. Avaa OCR-työkalu. Se voi olla Azure AI Document Intelligence, Google Document AI tai paikallinen OCRmyPDF. Lopputuloksena on kansio, joka sisältää tekstikerroksella varustetut PDF-skannaukset ja tekoälyindeksiin valmiit tiedostonimet. Varmista ennen aloittamista pääsy skannauskansioon ja oikeus luoda OCR-prosessori: pilvessä tämä edellyttää maksullista tilausta, paikallisessa asennuksessa riittää tili kirjoitusoikeuksilla levylle.
Luo OCR-prosessori ja määritä skannausparametrit (1–2 tuntia)
Avaa Azure-konsolissa osio Azure AI Document Intelligence ja valitse OCR-prosessorin luominen. Etsi käsittelyasetuksista väritila ja vaihda se harmaasävy- tai mustavalkotilaan: väri ei paranna lukutarkkuutta, mutta pidentää käsittelyaikaa. Aseta resoluutioksi 300–600 DPI. Järjestelmä ehdottaa oletuksena arvoa 300 DPI. Säilytä se, jos skannaukset ovat teräviä, ja nosta arvoon 600 DPI, jos leimojen tai piirustusten teksti on epäselvää. Lisätietoja kentistä on Document Intelligence -dokumentaatiossa.

Käsittele 5 000 tiedoston otos ja mittaa puuttuvan tekstin määrä (2–4 viikkoa)
Käynnistä eräajo 5 000 tiedoston otoksella. Avaa ajon jälkeen laaturaportti. Laske dokumentit, joista puuttuu tekstikerros: sallittu osuus on alle 5 %. Jos osuus on suurempi, palaa prosessorin asetuksiin ja nosta tarkkuudeksi 400 tai 600 DPI. Google Cloudissa vastaava toiminto tehdään valitsemalla OCR-prosessori listalta ja tarkistamalla tulostekstikenttä käsittelyn jälkeen. Kuvaus löytyy Document AI -dokumentaatiosta.
Nimeä tiedostot uudelleen ja merkitse lopulliset versiot (1 viikko)
Nimeä jokainen toimivan tekstikerroksen sisältävä tiedosto kaavan [tyyppi]_[ISO-päivämäärä]_[versio]_[tila].pdf mukaan, esimerkiksi Lasku_2025-01-15_v2_final.pdf. Merkitse luonnokset tilalla draft ja sulje ne pois indeksistä. Tunnista kaksoiskappaleet laskemalla SHA-256-tiiviste. Jos kahdella tiedostolla on sama tiiviste, poista uudempi. Siirrä arkistoon tai poista luonnokset, joiden valmistumisesta on kulunut yli 12 kuukautta.

Aseta final-suodatin ja rakenna indeksi (1 päivä)
Valitse indeksointityökalussa valmisteltujen tiedostojen kansio. Aseta indeksointisäännön tilasuodattimeksi final ja sulje pois tiedostot, joiden tilana on draft. Käynnistä ensimmäinen indeksointi. Varmista lopuksi kolmella eri osastojen asiakirjalla, että haku löytää oikean laskun tai sopimuksen tekstikatkelman perusteella.
Kuukauden kuluttua käyttöönotosta laskun etsiminen ei vie enää 40 minuuttia, vaan järjestelmä palauttaa dokumentin 20 sekunnissa tekstikerroksen perusteella. 2–3 hengen toteuttama 5 000 tiedoston pilotti säästää noin 60 tuntia vuodessa verrattuna verkkolevyn manuaaliseen hakuun. Lue lisää toteutuksesta HEXART-palvelusivulta.
Lähdemateriaalit
Materiaaleja, joihin viittasimme kirjoittaessamme. Yllä oleva teksti on omamme. Nämä sivustot eivät vastaa sen sisällöstä eivätkä ole sitä valtuuttaneet.
