Modelo de IA pré-criado de processamento de faturas
O modelo de IA pré-criado de processamento de faturas extrai dados-chave de faturas para ajudar a automatizar o processamento de faturas. O modelo de processamento de faturas está otimizado para reconhecer elementos comuns da fatura como ID de fatura, data da fatura, valor devido e muito mais.
O modelo Faturas permite-lhe aumentar o comportamento predefinido ao criar um modelo de Faturas personalizado.
Utilizar no Power Apps
Para saber como utilizar o modelo pré-criado de processamento de faturas no Power Apps, aceda a Utilizar o modelo pré-criado de processamento de faturas no Power Apps.
Utilizar no Power Automate
Para saber como utilizar o modelo pré-criado de processamento de faturas no Power Automate, aceda a Utilizar o modelo pré-criado de processamento de faturas no Power Automate.
Idiomas suportados e ficheiros
São suportados os seguintes idiomas: albanês (Albânia), checo (República Checa), chinês (simplificado) China, chinês (tradicional) Hong Kong SAR, chinês (tradicional) Taiwan, dinamarquês (Dinamarca), croata (Bósnia e Herzegovina), croata (Croácia), croata (Sérvia), neerlandês (Países Baixos), inglês (Austrália), inglês (Canadá), inglês (Índia), inglês (Reino Unido), inglês (Estados Unidos), estónio (Estónia), finlandês (Finlândia), francês (França), alemão (Alemanha), húngaro (Hungria), islandês (Islândia), italiano (Itália), japonês (Japão), coreano (Coreia), lituano (Lituânia), letão (Letónia), malaio (Malásia), norueguês (Noruega), polaco (Polónia), português (Portugal), romeno (Roménia), eslovaco (Eslováquia), esloveno (Eslovénia), sérvio (Sérvia), espanhol (Espanha), sueco (Suécia).
Para obter os melhores resultados, forneça uma foto ou digitalização clara por fatura.
- O formato de imagem deve ser JPEG, PNG ou PDF.
- O tamanho do ficheiro não pode exceder os 20 MB.
- As dimensões da imagem têm de estar entre 50 x 50 pixels e 10.000 x 10.000 pixels.
- As dimensões do PDF devem ser no máximo 17 x 17 polegadas, o que equivale ao tamanho do papel Legal ou A3 ou menor.
- Para documentos PDF, apenas as primeiras 2.000 páginas são processadas.
Saída do modelo
Se for detetada uma fatura, o modelo de processamento de faturas obtém as seguintes informações:
| Property | Definição |
|---|---|
| Montante devido (texto) | Montante devido conforme escrito na fatura. |
| Montante devido (número) | Montante devido no formato de número padronizado. Exemplo: 1234.98. |
| Confiança do montante devido | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Endereço para faturação | Endereço para faturação. |
| Confiança do endereço para faturação | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Destinatário do endereço para faturação | Destinatário do endereço para faturação. |
| Confiança do destinatário do endereço para faturação | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Endereço do cliente | Endereço do cliente. |
| Confiança do endereço do cliente | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Destinatário do endereço do cliente | Destinatário do endereço do cliente. |
| Confiança do destinatário do endereço do cliente | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| ID do Cliente | ID do Cliente. |
| Confiança do ID do cliente | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Nome do cliente | Nome do cliente. |
| Confiança do nome do cliente | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| NIF do cliente | O número de identificação fiscal associado ao cliente. |
| Confiança do NIF do cliente | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Data de vencimento (texto) | Data de vencimento conforme escrito na fatura. |
| Data de vencimento (data) | Data de vencimento no formato de data padronizado. Exemplo: 2019-05-31. |
| Confiança da data de vencimento | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Data da fatura (texto) | Data da fatura conforme escrito na fatura. |
| Data da fatura (data) | Data da fatura no formato de data padronizado. Exemplo: 2019-05-31. |
| Confiança da data da fatura | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| ID da Fatura | ID da Fatura. |
| Confiança do ID da fatura | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Total da fatura (texto) | Total da fatura conforme escrito na fatura. |
| Total da fatura (número) | Total da fatura no formato de data padronizado. Exemplo: 2019-05-31. |
| Confiança do total da fatura | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Itens | Os itens de linha extraídos da fatura. As pontuações de confiança estão disponíveis para cada coluna.
|
| Prazos de pagamento | Os termos de pagamento para a fatura. |
| Confiança dos termos de pagamento | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Nota de encomenda | Nota de encomenda. |
| Confiança da nota de encomenda | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Saldo não pago anterior (texto) | Saldo não pago anterior conforme escrito na fatura. |
| Saldo não pago anterior (número) | Saldo não pago anterior no formato de número normalizado. Exemplo: 1234.98. |
| Confiança do saldo não pago anterior | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Endereço de remessa | Endereço de remessa. |
| Confiança do endereço de remessa | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Destinatário do endereço de remessa | Destinatário do endereço de remessa. |
| Confiança do destinatário do endereço de remessa | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Endereço de serviço | Endereço de serviço. |
| Confiança do endereço de serviço | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Destinatário do endereço de serviço | Destinatário do endereço de serviço. |
| Confiança do destinatário do endereço de serviço | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Data de início do serviço (texto) | Data de início do serviço conforme escrito na fatura. |
| Data de início do serviço (data) | Data de início do serviço no formato de data normalizada. Exemplo: 2019-05-31. |
| Confiança da data de início do serviço | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Data de fim do serviço (texto) | Data de fim do serviço conforme escrito na fatura. |
| Data de fim do serviço (data) | Data de fim do serviço no formato de data normalizada. Exemplo: 2019-05-31. |
| Confiança da data de fim do serviço | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Endereço para envio | Endereço para envio. |
| Confiança do endereço para envio | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Destinatário do endereço para envio | Destinatário do endereço para envio. |
| Confiança do destinatário do endereço para envio | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Subtotal (texto) | Subtotal conforme escrito na fatura. |
| Subtotal (número) | Subtotal no formato de número padronizado. Exemplo: 1234.98. |
| Confiança do subtotal | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Imposto total (texto) | Total do imposto conforme escrito na fatura. |
| Imposto total (número) | Total do imposto no formato de número padronizado. Exemplo: 1234.98. |
| Confiança do imposto total | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Endereço do fornecedor | Endereço do fornecedor. |
| Confiança do endereço do fornecedor | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Destinatário do endereço do fornecedor | Destinatário do endereço do fornecedor. |
| Confiança do destinatário do endereço do fornecedor | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Nome do fornecedor | Nome do fornecedor. |
| Confiança do nome do fornecedor | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| NIF do fornecedor | O número de identificação fiscal associado ao fornecedor. |
| Confiança do NIF do fornecedor | Qual é o nível de confiança do modelo na respetiva predição. Pontuação entre 0 (confiança baixa) e 1 (confiança alta). |
| Texto detetado | Linha de texto reconhecido de executar OCR numa fatura. Devolvido como parte de uma lista de texto. |
| Chave detetada | Todos os pares chave-valor são todas as etiquetas ou chaves identificadas e as respetivas respostas ou valores associados. Pode utilizar estas informações para extrair valores adicionais que não fazem parte da lista de campos predefinida. |
| Valor detetado | Todos os pares chave-valor são todas as etiquetas ou chaves identificadas e as respetivas respostas ou valores associados. Pode utilizar estas informações para extrair valores adicionais que não fazem parte da lista de campos predefinida. |
Pares chave-valor
Todos os pares chave-valor são todas as etiquetas ou chaves identificadas e as respetivas respostas ou valores associados. Pode utilizar estas informações para extrair valores adicionais que não fazem parte da lista de campos predefinida.
Para visualizar todos os pares chave-valor detetados pelo modelo de processamento de faturas, pode adicionar uma ação Criar tabela HTML no fluxo, como mostrado na captura de ecrã e execute o fluxo.
Para extrair uma chave específica para a qual conhece o valor, pode utilizar a ação Filtrar matriz, como mostrado na captura de ecrã abaixo. No exemplo da captura de ecrã, pretendemos extrair o valor da chave Tel .:
Limites
O seguinte limite aplica-se a chamadas feitas por ambiente nos modelos de processamento de documentos, incluindo modelos pré-criados: processamento de recibos e processamento de faturas.
| Ação | Limite | Período de renovação |
|---|---|---|
| Chamadas (por ambiente) | 360 | 60 segundos |
Criar uma solução de processamento de faturas personalizada
O modelo de IA pré-criado de processamento de faturas foi concebido para extrair campos comuns encontrados nas faturas. Como cada negócio é único, talvez queira extrair campos que não os incluídos neste modelo pré-criado. Também pode ser o caso de alguns campos standard não estarem bem extraídos para um determinado tipo de fatura com que trabalha. Existem duas formas de abordar este problema:
Utilizar o modelo de processamento de Faturas personalizado: aumentar os comportamentos do modelo de processamento de faturas pré-criado ao adicionar novos campos para extração além dos predefinidos ou amostras de documentos que não foram extraídos corretamente. Para saber como aumentar o modelo de processamento de faturas pré-criado, aceda a Selecionar o tipo de documento.
Ver resultados OCR em bruto: sempre que o modelo de IA pré-criado processa um ficheiro que fornece, também realiza uma operação OCR para extrair cada palavra escrita no ficheiro. Pode aceder aos resultados brutos de OCR na saída de texto detetada fornecida pelo modelo. Uma simples pesquisa sobre o conteúdo devolvido por texto detetado pode ser suficiente para obter os dados de que necessita.
Use o processamento de documentos: com o AI Builder, também pode construir o seu próprio modelo de IA personalizado para extrair campos e tabelas específicos que necessita para os documentos com que trabalha. Basta criar um modelo de processamento de documentos e prepará-los para extrair todas as informações de uma fatura que não funcionem bem com o modelo de extração de faturas.
Depois de preparar o modelo de processamento de documentos personalizado, pode combiná-lo com o modelo pré-criado de processamento de faturas num fluxo do Power Automate.
Seguem-se alguns exemplos:
Utilize um modelo de processamento de documentos personalizado para extrair campos adicionais que não sejam devolvidos pelo modelo pré-criado de processamento de faturas
Neste exemplo, treinamos um modelo de processamento de documentos personalizado para extrair um número de programa de fidelização, apenas presente em faturas dos fornecedores Adatum e Contoso.
O fluxo é acionado quando é adicionada uma nova fatura a uma pasta do SharePoint. Em seguida, chama o modelo de IA pré-criado de processamento de faturas para extrair os seus dados. Em seguida, verificamos se o fornecedor da fatura que foi processada é da Adatum ou da Contoso. Se for este o caso, chamamos um modelo de processamento de documentos personalizado que preparámos para obter esse número de fidelidade. Finalmente, guardamos os dados extraídos da fatura num ficheiro Excel.
Utilize um modelo de processamento de documentos personalizado se a pontuação de confiança de um campo obtida pelo modelo pré-criado de processamento de faturas for baixa
Neste exemplo, treinamos um modelo de processamento de documentos personalizado para extrair o valor total das faturas onde normalmente obtemos uma pontuação de confiança baixa ao usar o modelo pré-criado de processamento de faturas.
O fluxo é acionado quando é adicionada uma nova fatura a uma pasta do SharePoint. Em seguida, chama o modelo de IA pré-criado de processamento de faturas para extrair os seus dados. Em seguida, verificamos se a pontuação de confiança para a propriedade Valor total da fatura é inferior a 0,65. Se for este o caso, chamamos um modelo de processamento de documentos personalizado que preparámos com faturas onde, normalmente, obtém uma pontuação de confiança baixa para o campo total. Finalmente, guardamos os dados extraídos da fatura para um ficheiro Excel.
Utilize o modelo pré-criado de processamento de faturas para processar faturas que um modelo de processamento de documentos personalizado não tenha sido preparado para processar
Uma forma de utilizar o modelo pré-criado de processamento de faturas é utilizá-lo como o modelo de contingência para processar faturas que não tenham preparação no modelo de processamento de documentos personalizado. Digamos que criou um modelo de processamento de documentos e o preparou para extrair dados dos 20 principais fornecedores de faturas. Em seguida, poderá utilizar o modelo pré-criado de processamento de faturas para processar todas as faturas novas ou faturas de menor volume. Eis um exemplo de como poderia fazê-lo:
Este fluxo é acionado quando é adicionada uma nova fatura a uma pasta do SharePoint. Em seguida, chama um modelo de processamento de documentos personalizado para extrair os respetivos dados. Em seguida, verificamos se a pontuação de confiança para a coleção detetada é inferior a 0,65. Se for o caso, provavelmente significa que a fatura fornecida não combina com o modelo personalizado. Em seguida, chamamos o modelo de processamento de faturas pré-criado. Finalmente, guardamos os dados extraídos da fatura num ficheiro Excel.
