วิสัยทัศน์และแนวคิด DAT

มากกว่า OCR: Document Automation Transformer คืออะไร

หลายคนมาหา Ocriva โดยคาดหวังว่าจะได้เครื่องมือ OCR — ซอฟต์แวร์ที่อ่านข้อความจากรูปภาพหรือไฟล์ PDF แล้วจบ นั่นเป็นส่วนหนึ่งของสิ่งที่เราทำ แต่อธิบายได้เพียงก้าวแรกของเส้นทางที่ยาวกว่านั้นมาก

Ocriva คือ Document Automation Transformer (DAT)

DAT ไม่ใช่เครื่องมือ แต่คือแพลตฟอร์มที่จัดการวงจรชีวิตทั้งหมดของเอกสาร ตั้งแต่ช่วงแรกที่เอกสารเข้าสู่องค์กร จนถึงช่วงที่ข้อมูลถูกส่งไปยังที่ที่ควรจะอยู่ ในรูปแบบที่ถูกต้อง เชื่อมต่อกับระบบที่ถูกต้อง โดยไม่ต้องให้มนุษย์เข้ามาแทรกแซงเลย

หัวใจของ Ocriva คือ 4 ขั้นตอน: รับ → เข้าใจ → เปลี่ยนแปลง → ส่งต่อ — รับข้อมูลจากทุกช่องทาง ใช้ AI ทำความเข้าใจเนื้อหา เปลี่ยนให้เป็นรูปแบบที่ต้องการ แล้วส่งต่อไปยังปลายทางที่ถูกต้องโดยอัตโนมัติ

เอกสารนี้จะอธิบายว่านั่นหมายความว่าอะไร ทำไมมันจึงสำคัญ และแนวคิด DAT เปลี่ยนวิธีที่องค์กรคิดเรื่องการจัดการเอกสารอย่างไร

Document Automation Transformer คืออะไร?

คำว่า "Transformer" ในที่นี้มีความหมายเฉพาะ มันอธิบายระบบที่ไม่ได้แค่อ่านเอกสาร แต่ เปลี่ยนรูป เอกสาร

DAT นำเอกสารที่ไม่มีโครงสร้าง รกรุงรัง อ่านได้โดยมนุษย์ มาแปลงให้กลายเป็นข้อมูลที่เครื่องจักรพร้อมใช้งาน มีโครงสร้างชัดเจน นำไปใช้ต่อได้ทันที และไหลเข้าสู่ระบบที่ต้องการมันโดยอัตโนมัติ

คำนิยามฉบับเต็มมีห้าส่วน:

1. Ingest (รับเข้า) — รับเอกสารจากทุกแหล่งที่มา
2. Extract (สกัด) — เข้าใจเนื้อหาด้วย AI ไม่ใช่แค่จดจำตัวอักษร
3. Transform (แปลง) — แปลงเป็นรูปแบบที่ระบบปลายทางต้องการ
4. Automate (อัตโนมัติ) — ประมวลผลในปริมาณเท่าไรก็ได้ ตามกำหนดเวลา หรือแบบเรียลไทม์
5. Integrate (เชื่อมต่อ) — ส่งผลลัพธ์ตรงเข้าระบบของคุณผ่าน API, Webhook หรือ Notification

เมื่อทั้งห้าขั้นตอนทำงานร่วมกัน การประมวลผลเอกสารจะไม่ใช่งานอีกต่อไป แต่กลายเป็น Pipeline ที่เชื่อถือได้ วัดผลได้ และปรับขนาดได้

OCR กับ DAT: ความแตกต่างที่สำคัญ

OCR แบบดั้งเดิม (Optical Character Recognition) ถูกออกแบบมาเพื่อตอบคำถามเดียว: "ข้อความบนหน้านี้คืออะไร?"

นั่นเป็นความสามารถที่มีประโยชน์ แต่มันไม่ใช่ระบบอัตโนมัติ ลองดูว่าเกิดอะไรขึ้นหลังจาก OCR อ่านเอกสาร:

• มนุษย์ได้รับข้อความดิบ
• มนุษย์ตัดสินใจว่าฟิลด์ไหนสำคัญ
• มนุษย์คัดลอกฟิลด์เหล่านั้นไปยังระบบอื่น
• มนุษย์ตรวจสอบข้อผิดพลาด
• มนุษย์ส่งต่อผลลัพธ์ไปยังขั้นตอนถัดไป

OCR กำจัดการพิมพ์ไป แต่ไม่ได้กำจัดการคิด การส่งต่อ หรืองาน Integration ทุกอย่างหลังจากขั้นตอนการอ่านยังคงทำโดยมนุษย์อยู่

DAT กำจัดทั้งสายโซ่ที่ต้องทำมือทั้งหมด

การเปลี่ยนจาก OCR เป็น DAT ไม่ใช่การปรับปรุงทีละขั้น แต่คือซอฟต์แวร์ประเภทที่แตกต่างกันโดยสิ้นเชิง

ห้าขั้นตอนของ Document Automation

ทุกเอกสารที่เข้าสู่ Ocriva จะผ่านห้าขั้นตอน การเข้าใจขั้นตอนเหล่านี้เป็นสิ่งจำเป็นสำหรับการออกแบบ Workflow อัตโนมัติที่ครบวงจร

ขั้นตอนที่ 1: Ingest (รับเข้า)

ระบบอัตโนมัติสำหรับเอกสารจะมีประโยชน์ก็ต่อเมื่อสามารถรับเอกสารได้อย่างน่าเชื่อถือ จากทุกที่ที่มาของเอกสาร

Ocriva รับเอกสารผ่านช่องทางหลายทาง:

• อัปโหลดไฟล์เดียว — ลากวางจาก Web Interface
• Batch Upload — อัปโหลดสูงสุด 50 ไฟล์พร้อมกัน
• REST API — ส่งเข้าระบบแบบ Programmatic จากแอปพลิเคชันใดก็ได้
• Webhook Triggers — การรับเข้าแบบ Event-driven จากระบบต้นทาง
• LINE Integration — ถ่ายรูปและส่งเอกสารผ่านอุปกรณ์มือถือ

รูปแบบไฟล์ที่รองรับ: PDF, JPG, PNG, WebP, BMP

ความยืดหยุ่นนี้หมายความว่า Ocriva เข้ากับ Workflow ที่มีอยู่ของคุณได้โดยไม่ต้องให้ทีมเปลี่ยนวิธีจัดการเอกสาร พนักงานสามารถถ่ายรูปใบเสร็จด้วยโทรศัพท์ ระบบการเงินสามารถส่งใบแจ้งหนี้ผ่าน API งาน Batch สามารถวางไฟล์ลงในคิวประมวลผลข้ามคืนได้

ขั้นตอนที่ 2: Extract (สกัด)

การสกัดคือจุดที่ Ocriva แสดงความแตกต่างจาก OCR แบบดั้งเดิมได้ชัดเจนที่สุด

แทนที่จะจับคู่รูปแบบตัวอักษรกับกริด Ocriva ส่งเอกสารไปยัง AI Vision Models — โมเดลภาษาขนาดใหญ่ที่ฝึกมาเพื่อเข้าใจความหมายของเอกสาร ไม่ใช่แค่รูปแบบตัวพิมพ์

นั่นหมายความว่า:

• ใบสั่งซื้อจากผู้จำหน่าย ก และ ข อาจมี Layout ต่างกันโดยสิ้นเชิง แต่ Ocriva จะสกัดฟิลด์เดิมจากทั้งสอง — เพราะมันเข้าใจว่า "ยอดที่ต้องชำระ" หมายถึงอะไร ไม่ว่าจะอยู่ที่ไหนในหน้า
• บันทึกลายมือภายในเอกสารพิมพ์ก็อ่านได้
• ภาษาไทยและอังกฤษในเอกสารเดียวกันจัดการได้โดยไม่ต้องตั้งค่าแยก
• ตาราง, ฟิลด์ที่ซ้อนกัน และรายการต่างๆ เข้าใจในเชิงโครงสร้าง ไม่ใช่แค่ข้อความธรรมดา

Ocriva เชื่อมต่อกับ AI ผู้ให้บริการ 6 ราย: OpenAI, Google Gemini, Anthropic, DeepSeek, Qwen และ Kimi Template ต่างๆ สามารถใช้ผู้ให้บริการต่างกันได้ ทำให้คุณปรับแต่งเพื่อความแม่นยำ ความเร็ว หรือต้นทุนตามประเภทเอกสาร

การสกัดถูกนำทางโดย Templates — คำนิยามที่นำมาใช้ซ้ำได้ ซึ่งบอก AI ว่าจะสกัดฟิลด์อะไร ในรูปแบบอะไร และด้วยคำสั่งอะไร เมื่อสร้าง Template สำหรับใบแจ้งหนี้แล้ว มันจะประมวลผลใบแจ้งหนี้ทุกใบในลักษณะเดิม อย่างสม่ำเสมอ

ขั้นตอนที่ 3: Transform (แปลง)

ข้อมูลดิบที่สกัดมามักไม่ตรงกับรูปแบบที่ระบบปลายทางต้องการ ขั้นตอน Transform แปลงข้อมูลสกัดเป็นรูปแบบที่ระบบของคุณรับได้

Ocriva รองรับ 7 รูปแบบ Output:

ขั้นตอน Transform ทำให้ Ocriva ไม่สร้าง Data Silo ใหม่ แต่ผลิตข้อมูลในรูปแบบที่เครื่องมือที่มีอยู่ของคุณเข้าใจแล้ว

ขั้นตอนที่ 4: Automate (อัตโนมัติ)

การประมวลผลเอกสารทีละฉบับด้วยมือเป็นเรื่องไม่ยาก แต่การประมวลผล 10,000 ฉบับต่อเดือนอย่างสม่ำเสมอ น่าเชื่อถือ ไม่มีข้อผิดพลาด — นั่นคือปัญหา Automation

ขั้นตอน Automate จัดการปริมาณ, กำหนดเวลา และความน่าเชื่อถือ:

• Batch Processing — ส่ง 50 เอกสารแล้วตรวจสอบความคืบหน้าแบบเรียลไทม์
• Processing Queue — เอกสารถูก Queue และประมวลผลอย่างน่าเชื่อถือ
• Cron Scheduling — ตั้งค่างาน Batch ข้ามคืนสำหรับการประมวลผลปริมาณมาก
• Real-time Status Tracking — ทุกเอกสารมีสถานะ: pending, in_progress, completed หรือ failed
• WebSocket Updates — UI อัพเดทสดๆ ขณะประมวลผล ไม่ต้อง Refresh
• Credit Management — ติดตามและ Billing การใช้งานอัตโนมัติ พร้อมแจ้งเตือนเมื่อใกล้หมด

ในขั้นตอนนี้ การประมวลผลเอกสารกลายเป็น Infrastructure — สิ่งที่ทำงานอยู่เบื้องหลังโดยไม่ต้องมีคนดูแล

ขั้นตอนที่ 5: Integrate (เชื่อมต่อ)

ข้อมูลที่สกัดและแปลงแล้วต้องถึงปลายทาง ขั้นตอน Integrate คือสิ่งที่ทำให้ DAT แตกต่างจากโปรแกรมดูเอกสาร

Ocriva ส่งผลลัพธ์ไปยังระบบของคุณผ่านช่องทางหลายทาง:

• Webhooks — HTTP POST ไปยัง Endpoint ของคุณเมื่อเอกสารถูกประมวลผล, Batch เสร็จสมบูรณ์ หรือเกิดข้อผิดพลาด
• REST API — ดึงผลลัพธ์แบบ Programmatic ได้ตลอดเวลา
• WebSocket — Push แบบเรียลไทม์ไปยัง Web Client
• LINE Notifications — แจ้งเตือนผู้ใช้ LINE เมื่อประมวลผลเสร็จ
• Email Notifications — แจ้งเตือนที่ตั้งค่าได้สำหรับการเสร็จสมบูรณ์และข้อผิดพลาด

นั่นหมายความว่าใบแจ้งหนี้ที่ประมวลผลแล้วจะไม่นั่งรอใน Ocriva ให้ใครมาเข้าสู่ระบบและดาวน์โหลด แต่ไหลเข้าสู่ระบบบัญชีโดยอัตโนมัติ ทริกเกอร์ Workflow อนุมัติ หรือเพิ่มข้อมูลลงในฐานข้อมูล — ทั้งหมดนี้โดยไม่ต้องมีมนุษย์เข้ามาเกี่ยวข้อง

ภาพรวม DAT Pipeline

เอกสารเข้า → [Ingest] → [Extract] → [Transform] → [Automate] → ข้อมูลออก
   PDF          API         AI          JSON         Webhook      ERP
   ภาพถ่าย      Batch      Multi-AI     CSV          API          CRM  
   สแกน         LINE       Templates    PDF          Notify       ฐานข้อมูล

แต่ละขั้นตอนเพิ่มคุณค่า แต่ละขั้นตอนกำจัดงานมือ รวมกันแล้วสร้าง Pipeline ต่อเนื่องตั้งแต่รับเอกสารเข้าไปจนถึงการ Integration กับระบบ

ทำไมเรื่องนี้สำคัญต่อธุรกิจ

องค์กรส่วนใหญ่ที่ประมวลผลเอกสารด้วยมือได้ปรับตัวเข้ากับความยุ่งยากแล้ว พวกเขามีพนักงานที่งานคือการพิมพ์, ตรวจสอบ, พิมพ์ซ้ำ, และส่งต่อ พวกเขายอมรับว่าเอกสารใช้เวลาหนึ่งหรือสองวันในการประมวลผล พวกเขาสร้าง Workflow อนุมัติบนสมมติฐานของคอขวดที่เป็นมนุษย์

DAT กำจัดคอขวดเหล่านั้น ผลกระทบต่อธุรกิจวัดได้:

• ความเร็ว: เอกสารประมวลผลในไม่กี่วินาทีแทนที่จะเป็นชั่วโมง
• ความแม่นยำ: ข้อผิดพลาดการสกัดของ AI ต่ำกว่าข้อผิดพลาดการถอดความของมนุษย์ และสม่ำเสมอกว่า
• ต้นทุน: ต้นทุนการประมวลผลไม่เติบโตเป็นสัดส่วนโดยตรงกับปริมาณ — คุณจ่ายค่า Credit ไม่ใช่ค่าพนักงาน
• Scalability: การประมวลผล 10 เอกสารกับ 10,000 เอกสารใช้ Infrastructure เดิม
• ตรวจสอบได้: การสกัดทุกครั้งถูกบันทึกพร้อมเอกสารต้นฉบับ, ผลลัพธ์, โมเดลที่ใช้ และ Timestamp

ตำแหน่งของ Ocriva

Ocriva ไม่ได้แข่งกับเครื่องมือ OCR แบบง่ายๆ เครื่องมือเฉพาะทางที่สกัดข้อความแล้วหยุดมีประโยชน์ในบางบริบท

Ocriva สำหรับองค์กรที่ผ่านพ้นคำถาม "เราอ่านเอกสารนี้ได้ไหม?" และกำลังถามว่า "เราสามารถทำให้ทุกอย่างที่เกิดขึ้นกับเอกสารนี้หลังจากที่เราอ่านมันเป็นอัตโนมัติได้ไหม?"

นั่นคือคำถาม DAT และ Ocriva ถูกสร้างมาเพื่อตอบคำถามนั้น