És el dubte raonable de qui viu dels números: si automatitzo la lectura de factures amb IA i llegeix malament una dada, me la jugo, perquè en energia un error es tradueix en diners. Puc fiar-me d’un OCR? La resposta honesta és sí, però amb una condició: que estigui ben dissenyat. I aquesta condició ho canvia tot.
Per què el dubte és sensat
Treballes amb potències, consums, peatges i preus. Un CUPS mal llegit, una coma mal posada o un període canviat no és un detall: pot arruïnar una comparativa o una proposta. Desconfiar d’una lectura automàtica que va directa a producció sense control és de sentit comú, no de por a la tecnologia.
OCR no és el mateix que una IA que entén
Convé una distinció. L’OCR clàssic transcriu el que veu, caràcter a caràcter, i falla quan el document és estrany. La IA actual fa una cosa més: entén el context. Sap que aquell número és una potència perquè és on va una potència, i que un consum negatiu no té sentit. Això redueix molt els errors, encara que no els elimina.
La clau: que el sistema avisi quan dubti
Aquí hi ha el que separa un sistema fiable d’un de perillós. Un bon disseny no persegueix el zero errors impossible; persegueix que, quan una dada no és clara o se surt del que és esperable, el sistema s’aturi i la marqui perquè la revisi una persona, en comptes de colar-la. Un consum que es dispara, un import que no quadra, un camp il·legible: en comptes d’inventar, avisa. Així l’error, si apareix, es caça abans d’arribar a la proposta.
Com es controla a la pràctica
Amb regles de validació sobre el que s’ha extret (que les sumes quadrin, que els rangs siguin raonables), amb un llindar de confiança per sota del qual la dada va a revisió, i amb una comprovació humana ràpida del que el sistema marca com a dubtós. No ho revises tot; revises el que el mateix sistema t’assenyala. Això et dona velocitat sense renunciar al control. És l’enfocament que documenta Microsoft per a Azure Document Intelligence: les dades extretes porten una puntuació de confiança que serveix per decidir què passa a revisió humana.
Què preguntar a un proveïdor
Abans de confiar la lectura a qualsevol eina, pregunta: què fa quan no està segura d’una dada? com marca el que és dubtós? puc revisar abans que entri en producció? Si et venen un «ho llegeix tot perfecte, tu no et preocupis», desconfia. Hem reunit les preguntes incòmodes per a un proveïdor d’IA justament per a això.
Preguntes freqüents
Llavors ho he de revisar tot igualment?
No. Revises només el que el sistema marca com a dubtós, que acostuma a ser una part petita. La resta entra amb les validacions passades. La idea és que dediquis l’atenció als casos que la mereixen, no a teclejar els que són clars.
És més fiable que una persona teclejant?
Ben dissenyat, acostuma a ser-ho, perquè no es cansa ni es salta un camp per pressa. Una persona a les set de la tarda comet errors; un sistema amb validacions i revisió del que és dubtós, menys. La combinació dels dos és el més fiable.
Com començo sense arriscar?
Amb un pilot: automatitzes la lectura però revises una temporada per comprovar la fiabilitat amb les teves factures. Quan vegis que caça bé el que és dubtós, amolles corda. El test de si les teves dades estan llestes és un bon primer pas.


