Modello di intelligenza artificiale predefinito di elaborazione fatture
Il modello di intelligenza artificiale predefinito di elaborazione fatture estrae i dati chiave delle fatture per automatizzare l'elaborazione delle fatture. Il modello di elaborazione fatture è ottimizzato per riconoscere elementi comuni delle fatture, come ID fattura, data della fattura, importo dovuto e altro ancora.
Il modello Fatture consente di aumentare il comportamento predefinito creando un modello di fatture personalizzato.
Utilizzo in Power Apps
Per informazioni su come utilizzare il modello predefinito per l'elaborazione delle fatture in Power Apps, vai a Utilizzare il modello predefinito per l'elaborazione delle fatture in Power Apps.
Utilizzo in Power Automate
Per informazioni su come utilizzare il modello predefinito per l'elaborazione delle fatture in Power Automate, vai a Utilizzare il modello predefinito per l'elaborazione delle fatture in Power Automate.
Lingue e file supportati
Sono supportate le seguenti lingue: albanese (Albania), ceco (Repubblica Ceca), cinese (semplificato) Cina, cinese (tradizionale) Hong Kong - R.A.S., cinese (tradizionale) Taiwan, danese (Danimarca), croato (Bosnia ed Erzegovina), croato (Croazia), croato (Serbia), olandese (Paesi Bassi), inglese (Australia), inglese (Canada), inglese (India), inglese (Regno Unito), inglese (Stati Uniti), estone (Estonia), finlandese (Finlandia), francese (Francia), tedesco (Germania), ungherese (Ungheria), islandese (Islanda), italiano (Italia), giapponese (Giappone), coreano (Corea), lituano (Lituania), lettone (Lettonia), malese (Malesia), norvegese (Norvegia), polacco (Polonia), portoghese (Portogallo), rumeno (Romania), slovacco (Slovacchia), sloveno (Slovenia), serbo (Serbia), spagnolo (Spagna), svedese (Svezia).
Per ottenere i migliori risultati, fornisci una foto o una scansione nitida per fattura.
- Il formato dell'immagine deve essere JPEG, PNG o PDF.
- Le dimensioni del file non devono superare i 20 MB.
- Le dimensioni dell'immagine devono essere comprese tra 50 x 50 e 10000 x 10000 pixel.
- Le dimensioni del documento PDF devono essere al massimo di 17 x 17 pollici, che è l'equivalente del formato cartaceo Legal o A3 o inferiore.
- Per i documenti PDF, vengono elaborate solo le prime 2.000 pagine.
Output del modello
Se viene rilevata una fattura, il modello di elaborazione fatture produrrà le seguenti informazioni:
| Proprietà | Definizione |
|---|---|
| Importo dovuto (testo) | Importo dovuto come scritto nella fattura. |
| Importo dovuto (numero) | Importo dovuto in formato numerico standardizzato. Esempio: 1234.98. |
| Attendibilità dell'importo dovuto | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Indirizzo di fatturazione | Indirizzo di fatturazione. |
| Attendibilità dell'indirizzo di fatturazione | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Destinatario indirizzo di fatturazione | Destinatario indirizzo di fatturazione. |
| Attendibilità del destinatario dell'indirizzo di fatturazione | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Indirizzo cliente | Indirizzo cliente. |
| Attendibilità dell'indirizzo del cliente | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Destinatario indirizzo cliente | Destinatario indirizzo cliente. |
| Attendibilità del destinatario dell'indirizzo del cliente | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| ID cliente | ID cliente. |
| Attendibilità dell'ID cliente | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Nome cliente | Nome cliente. |
| Attendibilità del nome del cliente | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| ID imposta cliente | Il numero contribuente associato al cliente. |
| Attendibilità dell'ID cliente | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Scadenza (testo) | Scadenza come scritta nella fattura. |
| Scadenza (Data) | Scadenza in formato data standard. Esempio: 2019-05-31. |
| Attendibilità della scadenza | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Data fattura (testo) | Data della fattura come scritta nella fattura. |
| Data fattura (data) | Data della fattura formato data standard. Esempio: 2019-05-31. |
| Attendibilità della data della fattura | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| ID fattura | ID fattura. |
| Attendibilità dell'ID fattura | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Totale fattura (testo) | Totale della fattura come scritto nella fattura. |
| Totale fattura (numero) | Totale della fattura formato data standard. Esempio: 2019-05-31. |
| Attendibilità del totale della fattura | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Voci | Le voci estratte dalla fattura. I punteggi di attendibilità sono disponibili per ciascuna colonna.
|
| Condizioni di pagamento | Le condizioni di pagamento per la fattura. |
| Attendibilità delle condizioni di pagamento | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Ordine di acquisto | Ordine fornitore. |
| Attendibilità dell'ordine di acquisto | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Saldo non pagato precedente (testo) | Saldo non pagato precedente come scritto sulla fattura. |
| Saldo non pagato precedente (numero) | Saldo precedente non pagato in formato numerico standardizzato. Esempio: 1234.98. |
| Attendibilità del saldo non pagato precedente | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Indirizzo rimessa | Indirizzo rimessa. |
| Attendibilità dell'indirizzo di rimessa | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Destinatario indirizzo rimessa | Destinatario indirizzo rimessa. |
| Attendibilità del destinatario dell'indirizzo di rimessa | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Indirizzo servizio | Indirizzo servizio. |
| Attendibilità dell'indirizzo del servizio | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Destinatario indirizzo servizio | Destinatario indirizzo servizio. |
| Attendibilità del destinatario dell'indirizzo del servizio | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Data di inizio servizio (testo) | Data di inizio servizio come scritta nella fattura. |
| Data di inizio servizio (data) | Data di inizio del servizio in formato data standard. Esempio: 2019-05-31. |
| Attendibilità della data di inizio servizio | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Data di fine servizio (testo) | Data di fine servizio come scritta nella fattura. |
| Data di fine servizio (data) | Data di fine del servizio in formato data standard. Esempio: 2019-05-31. |
| Attendibilità della data di fine servizio | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Indirizzo spedizione | Indirizzo di spedizione. |
| Attendibilità dell'indirizzo di spedizione | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Destinatario indirizzo di spedizione | Destinatario indirizzo di spedizione. |
| Attendibilità del destinatario dell'indirizzo di spedizione | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Subtotale (testo) | Subtotale come scritto nella fattura. |
| Subtotale (numero) | Subtotale in formato numerico standardizzato. Esempio: 1234.98. |
| Attendibilità del subtotale | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Imposta totale (testo) | Imposta totale come scritta nella fattura. |
| Imposta totale (numero) | Imposta totale in formato numerico standardizzato. Esempio: 1234.98. |
| Attendibilità dell'imposta totale | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Indirizzo fornitore | Indirizzo fornitore. |
| Attendibilità dell'indirizzo del fornitore | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Destinatario indirizzo fornitore | Destinatario indirizzo fornitore. |
| Attendibilità del destinatario dell'indirizzo del fornitore | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Nome fornitore | Nome fornitore. |
| Attendibilità del nome del fornitore | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| ID imposta fornitore | Il numero contribuente associato al fornitore. |
| Attendibilità dell'ID imposta fornitore | Livello di attendibilità del modello per la previsione. Punteggio compreso tra 0 (attendibilità bassa) e 1 (attendibilità alta). |
| Testo rilevato | Riga di testo riconosciuto dall'esecuzione dell'OCR su una fattura. Restituito come parte di un elenco di testi. |
| Chiave rilevata | Le coppie chiave-valore sono tutte le etichette o le chiavi identificate e le risposte o i valori associati. Puoi usarle per estrarre valori aggiuntivi che non fanno parte dell'elenco predefinito di campi. |
| Valore rilevato | Le coppie chiave-valore sono tutte le etichette o le chiavi identificate e le risposte o i valori associati. Puoi usarle per estrarre valori aggiuntivi che non fanno parte dell'elenco predefinito di campi. |
Coppie chiave-valore
Le coppie chiave-valore sono tutte le etichette o le chiavi identificate e le risposte o i valori associati. Puoi usarle per estrarre valori aggiuntivi che non fanno parte dell'elenco predefinito di campi.
Per visualizzare tutte le coppie chiave-valore rilevate dal modello di elaborazione della fattura, puoi aggiungere un'azione Crea tabella HTML nel flusso come mostrato nello screenshot ed eseguire il flusso.
Per estrarre una chiave specifica di cui si conosce il valore, è possibile utilizzare l'azione Filtra matrice come mostrato nello screenshot qui sotto. Nell'esempio dello screenshot, vogliamo estrarre il valore per la chiave Tel.:
Limiti
Il seguente limite si applica alle chiamate effettuate per ambiente attraverso i modelli di elaborazione dei documenti, inclusi i modelli predefiniti: elaborazione delle ricevute ed elaborazione delle fatture.
| Azione | Limite | Periodo di rinnovo |
|---|---|---|
| Chiamate (per ambiente) | 360 | 60 secondi |
Creare una soluzione di elaborazione fatture personalizzata
Il modello di intelligenza artificiale predefinito di elaborazione fatture è progettato per estrarre i campi comuni presenti nelle fatture. Poiché ogni azienda è unica, potresti voler estrarre campi diversi da quelli inclusi in questo modello predefinito. Può anche accadere che alcuni campi standard non vengano estratti bene per un particolare tipo di fattura con cui lavori. In questo caso, sono disponibili due opzioni:
Utilizzare il modello di elaborazione delle fatture personalizzato (anteprima): aumenta i comportamenti del modello di elaborazione delle fatture predefinito aggiungendo nuovi campi da estrarre oltre a quelli predefiniti o campioni di documenti non correttamente estratti. Per informazioni su come aumentare il modello di elaborazione delle fatture predefinito, vai a Seleziona il tipo di documento.
Visualizza risultati OCR non elaborati: ogni volta che il modello di intelligenza artificiale predefinito di elaborazione fatture elabora un file fornito, esegue anche un'operazione OCR per estrarre ogni parola scritta nel file. È possibile accedere ai risultati dell'OCR non elaborati sull'output di testo rilevato fornito dal modello. Una semplice ricerca sul contenuto restituito dal testo rilevato potrebbe essere sufficiente per ottenere i dati di cui hai bisogno.
Usa l'elaborazione dei documenti: con AI Builder, puoi anche creare il tuo modello di intelligenza artificiale personalizzato per estrarre campi e tabelle specifici di cui hai bisogno per i documenti con cui lavori. È sufficiente creare un modello di elaborazione dei documenti e sottoporlo a training per estrarre tutte le informazioni da una fattura non corretta per il modello di estrazione delle fatture.
Dopo aver sottoposto a training il modello di elaborazione dei documenti personalizzato, è possibile combinarlo con il modello predefinito di elaborazione delle fatture in flusso Power Automate.
Di seguito sono riportati alcuni esempi.
Utilizza un modello di elaborazione dei documenti personalizzato per estrarre campi aggiuntivi che non vengono restituiti dal modello predefinito di elaborazione delle fatture
In questo esempio, abbiamo addestrato un modello di elaborazione dei documenti personalizzato per estrarre un numero del programma fedeltà, presente solo nelle fatture dei provider Adatum e Contoso.
Il flusso viene attivato quando viene aggiunta una nuova fattura a una cartella SharePoint. Quindi chiama il modello di intelligenza artificiale predefinito di elaborazione fatture per estrarne i dati. Successivamente, controlliamo se il fornitore della fattura che è stata elaborata appartiene ad Adatum o Contoso. In tal caso, chiamiamo un modello di elaborazione dei documenti personalizzato che abbiamo sottoposto a training per ottenere quel numero fedeltà. Infine, salviamo i dati estratti dalla fattura in un file Excel.
Utilizza un modello di elaborazione dei documenti personalizzato se il punteggio di affidabilità per un campo restituito dal modello predefinito di elaborazione delle fatture è basso
In questo esempio, abbiamo addestrato un modello di elaborazione dei documenti personalizzato per estrarre l'importo totale dalle fatture in cui di solito otteniamo un punteggio di attendibilità basso quando si utilizza il modello predefinito di elaborazione delle fatture.
Il flusso viene attivato quando viene aggiunta una nuova fattura a una cartella SharePoint. Quindi chiama il modello di intelligenza artificiale predefinito di elaborazione fatture per estrarne i dati. Successivamente, controlliamo se il punteggio di affidabilità per la proprietà Valore totale fattura è inferiore a 0,65. In tal caso, chiamiamo un modello di elaborazione dei documenti personalizzato che abbiamo sottoposto a training con le fatture in cui di solito otteniamo un punteggio di affidabilità basso per il campo totale. Infine, salviamo i dati estratti dalla fattura in un file Excel.
Utilizzare il modello predefinito di elaborazione delle fatture per gestire le fatture che un modello di elaborazione dei documenti personalizzato non è stato sottoposto a training per gestirle
Un modo per utilizzare il modello predefinito di elaborazione delle fatture consiste nell'utilizzarlo come modello di fallback per gestire le fatture non sottoposte a training nel modello di elaborazione dei documenti personalizzato. Ad esempio, supponiamo che tu abbia creato un modello di elaborazione dei documenti e lo abbia sottoposto a training per estrarre i dati dai tuoi 20 principali fornitori di fatture. È quindi possibile utilizzare il modello predefinito di elaborazione fatture per elaborare tutte le nuove fatture o le fatture di volume inferiore. Ecco un esempio di come puoi farlo:
Questo flusso viene attivato quando viene aggiunta una nuova fattura a una cartella SharePoint. Quindi chiama un modello di elaborazione dei documenti personalizzato per estrarre i dati. Successivamente, controlliamo se il punteggio di affidabilità per la raccolta rilevata è inferiore a 0,65. Nel caso, probabilmente significa che la fattura fornita non è una buona corrispondenza per il modello personalizzato. Quindi chiamiamo il modello di elaborazione delle fatture predefinito. Infine, salviamo i dati estratti dalla fattura in un file Excel.
