Modelo de IA precompilado de procesamiento de facturas
El modelo de inteligencia artificial prediseñado del procesamiento de facturas extrae datos clave de la factura para ayudar a automatizar su procesamiento. El modelo de procesamiento de facturas está optimizado para reconocer elementos de facturas comunes como el id. de factura, la fecha de factura, el importe adeudado y más.
El modelo Facturas le permite aumentar el comportamiento predeterminado creando un modelo de Facturas personalizado.
Uso en Power Apps
Para obtener información sobre cómo utilizar el modelo prediseñado de procesamiento de facturas en Power Apps, vaya a Utilice el modelo prediseñado de procesamiento de facturas en Power Apps.
Uso en Power Automate
Para obtener información sobre cómo utilizar el modelo prediseñado de procesamiento de facturas en Power Automate, vaya a Utilice el modelo prediseñado de procesamiento de facturas en Power Automate.
Idiomas y archivos compatibles
Se admiten los siguientes idiomas: albanés (Albania), checo (República Checa), chino (simplificado) de China, chino (tradicional) de la RAE de Hong Kong, chino (tradicional) de Taiwán, danés (Dinamarca), croata (Bosnia y Herzegovina), croata (Croacia), croata (Serbia), holandés (Países Bajos), inglés (Australia), inglés (Canadá), inglés (India), inglés (Reino Unido), inglés (Estados Unidos), estonio (Estonia), finlandés (Finlandia), francés (Francia), alemán (Alemania), húngaro (Hungría), islandés (Islandia), italiano (Italia), japonés (Japón), coreano (Corea), lituano (Lituania), letón (Letonia), malayo (Malasia), noruego (Noruega), polaco (Polonia), portugués (Portugal), rumano (Rumania), eslovaco (Eslovaquia), esloveno (Eslovenia), serbio (Serbia), español (España), sueco (Suecia).
Para obtener los mejores resultados, proporcione una foto o un escaneo por cada factura.
- El formato de la imagen debe ser JPEG, PNG o PDF.
- El tamaño del archivo no debe superar los 20 MB.
- Las dimensiones de la imagen deben estar entre 50 x 50 y 10000 x 10000 píxeles.
- Las dimensiones del PDF deben ser como máximo de 17 x 17 pulgadas, que es el equivalente a los tamaños de papel Legal o A3 o más pequeños.
- En los documentos PDF, solo se procesan las primeras 2000 páginas.
Salida de modelo
Si se detecta una factura, el modelo de procesamiento de facturas generará la siguiente información:
| Property | Definición |
|---|---|
| Importe vencido (texto) | Importe vencido tal y como está escrito en la factura. |
| Importe vencido (número) | Importe vencido en formato numérico estandarizado. Ejemplo: 1234,98. |
| Confianza del importe vencido | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Dirección de facturación | Dirección de facturación. |
| Confianza de la dirección de facturación | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Destinatario de la dirección de facturación | Destinatario de la dirección de facturación. |
| Confianza del destinatario de dirección de facturación | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Dirección del cliente | Dirección del cliente. |
| Confianza de la dirección del cliente | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Destinatario de la dirección del cliente | Destinatario de la dirección del cliente. |
| Confianza del destinatario de dirección del cliente | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Id. de cliente | Id. de cliente. |
| Confianza del id. de cliente | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Nombre del cliente | Nombre del cliente. |
| Confianza del nombre del cliente | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Id. de impuesto de cliente | El número de contribuyente asociado con el cliente. |
| Confianza del id. de impuestos del cliente | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Fecha de vencimiento (texto) | Fecha de vencimiento tal y como está escrita en la factura. |
| Fecha de vencimiento (fecha) | Fecha de vencimiento en formato de fecha estandarizado. Ejemplo: 2019-05-31. |
| Confianza de fecha de vencimiento | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Fecha de factura (texto) | Fecha de la factura tal y como está escrita en la factura. |
| Fecha de factura (fecha) | Fecha de la factura en formato de fecha estandarizado. Ejemplo: 2019-05-31. |
| Confianza de la fecha de factura | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Id. de factura | Id. de factura. |
| Confianza del id. de factura | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Total de la factura (texto) | Total de la factura tal y como está escrito en la factura. |
| Total de la factura (número) | Total de la factura en formato de fecha estandarizado. Ejemplo: 2019-05-31. |
| Confianza del total de factura | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Elementos de línea | Los elementos de línea extraídos de la factura. Hay puntuaciones de confianza disponibles para cada columna.
|
| Condiciones de pago | Las condiciones de pago de la factura. |
| Confianza de las condiciones de pago | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Pedido de compra | Pedido de compra. |
| Confianza del pedido de compra | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Saldo impago anterior (texto) | Saldo impago anterior tal como está escrito en la factura. |
| Saldo impago anterior (número) | Saldo impago anterior en formato numérico estandarizado. Ejemplo: 1234,98. |
| Confianza del saldo impago anterior | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Dirección de remesa | Dirección de remesa. |
| Confianza de la dirección de remesa | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Destinatario de la dirección de remesa | Destinatario de la dirección de remesa. |
| Confianza del destinatario de la dirección de remesa | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Dirección de servicio | Dirección de servicio. |
| Confianza de la dirección de servicio | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Destinatario de la dirección de servicio | Destinatario de la dirección de servicio. |
| Confianza del destinatario de la dirección de servicio | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Fecha de inicio del servicio (texto) | Fecha de inicio del servicio tal y como está escrita en la factura. |
| Fecha de inicio del servicio (fecha) | Fecha de inicio del servicio en formato de fecha estandarizado. Ejemplo: 2019-05-31. |
| Confianza en la fecha de inicio del servicio | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Fecha de finalización del servicio (texto) | Fecha de finalización del servicio tal y como está escrita en la factura. |
| Fecha de finalización del servicio (fecha) | Fecha de final del servicio en formato de fecha estandarizado. Ejemplo: 2019-05-31. |
| Confianza en la fecha de finalización del servicio | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Dirección de envío | Dirección de envío. |
| Confianza de la dirección de envío | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Destinatario de la dirección de envío | Destinatario de la dirección de envío. |
| Confianza del destinatario de la dirección de envío | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Subtotal (texto) | Subtotal tal y como está escrito en la factura. |
| Subtotal (número) | Subtotal en formato numérico estandarizado. Ejemplo: 1234,98. |
| Confianza del subtotal | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Impuesto total (texto) | Impuestos totales tal y como están escritos en la factura. |
| Impuesto total (número) | Impuestos totales en formato numérico estandarizado. Ejemplo: 1234,98. |
| Confianza de los impuestos totales | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Dirección del proveedor | Dirección del proveedor. |
| Confianza de la dirección del proveedor | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Destinatario de la dirección del proveedor | Destinatario de la dirección del proveedor. |
| Confianza del destinatario de la dirección del proveedor | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Nombre del proveedor | Nombre del proveedor. |
| Confianza del nombre del proveedor | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| CIF de impuesto de proveedor (texto) | El número de contribuyente asociado con el proveedor. |
| Confianza del id. de impuesto del proveedor | Nivel de confiabilidad del modelo en su predicción. Puntuación entre 0 (confianza baja) y 1 (confianza alta). |
| Texto detectado | Línea de texto reconocido al ejecutar OCR en una factura. Devuelto como parte de una lista de texto. |
| Clave detectada | Los pares clave-valor son todas las etiquetas o claves identificadas y sus respuestas o valores asociados. Puede usarlos para extraer valores adicionales que no forman parte de la lista predefinida de campos. |
| Valor detectado | Los pares clave-valor son todas las etiquetas o claves identificadas y sus respuestas o valores asociados. Puede usarlos para extraer valores adicionales que no forman parte de la lista predefinida de campos. |
Pares clave-valor
Los pares clave-valor son todas las etiquetas o claves identificadas y sus respuestas o valores asociados. Puede usarlos para extraer valores adicionales que no forman parte de la lista predefinida de campos.
Para visualizar todos los pares clave-valor detectados por el modelo de procesamiento de facturas, puede agregar una acción Crear tabla HTML en su flujo como se muestra en la captura de pantalla y ejecute el flujo.
Para extraer una clave específica para la que conoce su valor, puede utilizar la acción Matriz de filtros como se muestra en la captura de pantalla a continuación. En el ejemplo de la captura de pantalla, queremos extraer el valor de la clave Telf.:
Límites
El límite siguiente se aplica a las llamadas realizadas por entorno en los modelos de procesamiento de documentos, incluidos los modelos precompilados: procesamiento de recibos y procesamiento de facturas.
| Action | Límite | Periodo de renovación |
|---|---|---|
| Llamadas (por entorno) | 360 | 60 segundos |
Crear una solución de procesamiento de facturas personalizada
El modelo de IA precompilado de procesamiento de facturas está diseñado para extraer campos comunes que se encuentran en las facturas. Dado que cada empresa es única, es posible que desee extraer campos distintos a los incluidos en este modelo precompilado. También puede darse el caso de que algunos campos estándar no estén bien extraídos para un tipo particular de factura con la que trabaja. Hay dos opciones para enfrentarse a esto:
Utilice el modelo de procesamiento de facturas personalizado: aumente los comportamientos del modelo de procesamiento de facturas prediseñado agregando nuevos campos para extraer además de los predeterminados, o muestras de documentos mal extraídos. Para obtener información sobre cómo aumentar el modelo de procesamiento de facturas prediseñado, vaya a Seleccione el tipo de documento.
Ver resultados de OCR sin procesar: cada vez que el modelo de IA precompilado de procesamiento de facturas procesa un archivo que usted proporciona, también realiza una operación de OCR para extraer cada palabra escrita en el archivo. Puede acceder a los resultados de OCR sin procesar en la salida de texto detectada proporcionada por el modelo. Una simple búsqueda en el contenido devuelto por el texto detectado puede ser suficiente para obtener los datos que necesita.
Usar procesamiento de documentos: Con AI Builder también puede crear su propio modelo de IA personalizado para extraer campos y tablas específicos que necesita para los documentos con los que trabaja. Solo cree un modelo de procesamiento de documentos y entrénelo para extraer toda la información de una factura que no funciona bien con el modelo de extracción de facturas.
Una vez que entrene su modelo de procesamiento de documentos personalizado, puede combinarlo con el modelo prediseñado de procesamiento de facturas en un flujo de Power Automate.
Estos son algunos ejemplos:
Utilice un modelo de procesamiento de documentos personalizado para extraer campos adicionales que no son devueltos por el modelo prediseñado de procesamiento de facturas
En este ejemplo, hemos entrenado un modelo de procesamiento de documentos personalizado para extraer un número de programa de fidelización, solo presente en facturas de proveedores Adatum y Contoso.
El flujo se desencadena cuando se agrega una nueva factura a una carpeta de SharePoint. Luego llama al modelo de inteligencia artificial precompilado de procesamiento de facturas para extraer sus datos. A continuación, verificamos si el proveedor de la factura que se ha procesado es de Adatum o Contoso. Si es el caso, llamamos a un modelo de procesamiento de documentos personalizado que hemos entrenado para obtener ese número de lealtad. Finalmente, guardamos los datos extraídos de la factura en un archivo de Excel.
Utilice un modelo de procesamiento de documentos personalizado si la puntuación de confianza devuelta para un campo por el modelo prediseñado de procesamiento de facturas es baja
En este ejemplo, hemos entrenado un modelo de procesamiento de documentos personalizado para extraer el monto total de las facturas donde, por lo general, obtenemos una puntuación de confianza baja cuando usamos el modelo prediseñado de procesamiento de facturas.
El flujo se desencadena cuando se agrega una nueva factura a una carpeta de SharePoint. Luego llama al modelo de inteligencia artificial precompilado de procesamiento de facturas para extraer sus datos. A continuación, verificamos si la puntuación de confianza para la propiedad Valor total de la factura es inferior a 0,65. Si es el caso, llamamos a un modelo de procesamiento de documentos personalizado que hemos entrenado con facturas donde generalmente obtenemos una puntuación de confianza baja para el campo total. Finalmente, guardamos los datos extraídos de la factura en un archivo de Excel.
Use el modelo precompilado de procesamiento de facturas para gestionar facturas que un modelo de procesamiento de documentos personalizado no puede gestionar
Una forma de usar el modelo precompilado de procesamiento de facturas es usarlo como un modelo alternativo para gestionar las facturas que no ha entrenado en su modelo de procesamiento de documentos personalizado. Por ejemplo, supongamos que creó un modelo de procesamiento de documentos y lo entrenó para extraer datos de sus 20 principales proveedores de facturas. Luego, puede utilizar el modelo precompilado de procesamiento de facturas para procesar todas las facturas nuevas o facturas de menor volumen. Aquí tiene un ejemplo de cómo puede hacerlo:
Este flujo se desencadena cuando se agrega una nueva factura a una carpeta de SharePoint. Después, llama a un modelo de procesamiento de documentos personalizado para extraer sus datos. A continuación, verificamos si la puntuación de confianza para la colección detectada es inferior a 0,65. Si es el caso, probablemente significa que la factura proporcionada no es una buena combinación para el modelo personalizado. Luego llamamos al modelo de procesamiento de facturas prediseñado. Finalmente, guardamos los datos extraídos de la factura en un archivo de Excel.
