API pro vyčítání faktur

Český AI startup Rossum.ai, který má kořeny v české open source komunitě, otevřel veřejnou verzi svého HTTP API pro univerzální vyčítání údajů z faktur. V omezeném objemu je vyčítání faktur pro všechny zdarma, dokumentace je k dispozici na Apiary.

7.5.2018 11:11 | pasky | Zajímavý software

Komentáře

[Ilfirin]

Dnes jsem se asi špatně vyspal. Takže z původního udělali placenou službu, která je trochu zdarma, ale všechny své faktury, ala firemní tajemství, posíláte třetí straně? Abych citoval Krytona, jsem tu snad jediný, komu tohle všechno připadá tak trochu nevkusné?

[xkucf03]

Nejkomičtější na tom je, že dodavatel často pošle do jednoho cloudu strojově čitelná data, aby mu to z nich vyrobilo fakturu v PDF. A jeho zákazník pak toto PDF¹ pošle do jiného cloudu, aby mu to z něj vyrobilo strojově čitelná data. To je panečku pokrok a smysluplné využití moderních technologií!

_{[1] Další úroveň je vložit do toho ještě tiskárnu a skener.}

[Acci]

A přitom stačí používat existující standardy: https://cs.wikipedia.org/wiki/ISDOC

[SazeVaclav]

kdyz uz, tak

https://en.wikipedia.org/wiki/EDIFACT

[Bystroushaak]

UNA:+.? '
UNB+IATB:1+6XPPC:ZZ+LHPPC:ZZ+940101:0950+1'
UNH+1+PAORES:93:1:IA'
MSG+1:45'
IFT+3+XYZCOMPANY AVAILABILITY'
ERC+A7V:1:AMD'
IFT+3+NO MORE FLIGHTS'
ODI'
TVL+240493:1000::1220+FRA+JFK+DL+400+C'
PDI++C:3+Y::3+F::1'
APD+74C:0:::6++++++6X'
TVL+240493:1740::2030+JFK+MIA+DL+081+C'
PDI++C:4'
APD+EM2:0:1630::6+++++++DA'
UNT+13+1'
UNZ+1+1'

To vzniklo někde na sálových počítačích, ne?

[xkucf03]

Existuje i XML varianta nebo pak ten ISDOC. Nicméně pointa je v tom, že je to nějak definovaný formát, jsou pro něj napsané knihovny a stačí je použít. Zrovna ten ISDOC podporují snad všechny účetní programy, které se tu používají.

[bernard]

ano, edifact je z dob salovych pocitacov, stale hojne pouzivany vo svete transakcneho spracovania dat uz aj nielen na salovych pocitacoch

[pasky]

Samozřejmě, že v ideálním světě by to vypadalo tak, že počítače si vyměňují mezi sebou strojově čitelná data, a lidé celý proces sledují jen z co největšího povzdálí. Proti tomu jdou dvě pozorování:

- strojově čitelné formáty popisující reálný svět (dostatečně univerzálně a přesně) je těžké vymyslet a hlavně pořád dokola v různých softwarech implementovat. Ano, máme EDI, UBL, ISDOC, ... a to už desítky let, ale přesto si stále vyměňujeme PDFka. Je potřeba přemluvit mnoho článků v hodně konzervativním procesu, a změna většina článkům řetězce nepřinese moc výhod. Pokud už se EDI používá, není bez zajímavosti, že přesný formát určuje odběratel (a diktují si to ti největší odběratelé), ne vydavatel faktury.

- lidé v tom procesu stále jsou kvůli všemožným výjimkám, okrajovým případům a pokročilejším úlohám (třeba zaúčtovávání). A pokud tam jsou, potřebují na data vidět a zároveň vidět i to, co stroj nepotřebuje (třeba různé popisky, poznámky, telefonní čísla, ...).

V Rossumu vlastně budeme rádi, když právě pomůžeme tomu, aby si lidé faktury vyměňovali pohodlněji a smysluplněji. (A až nás ve fakturách nebude potřeba, chceme my už dávno vyčítat spoustu jiných dokumentů technologií, kterou teď na fakturách ladíme.)

[xkucf03]

Chápu ten byznys model (už před lety jsem viděl průzkumy, kolik peněz velké firmy vyhazují za přepisování faktur) a možná je to i lepší než aby spousta lidí seděla u počítače a opisovala čísla z obrázku do formuláře… ale stejně je mi trochu smutno z toho, k čemu se potenciál technologií používá. Když se to to člověk podívá trochu s odstupem třeba jako nějaký mimozemšťan, tak z toho lidstvo vychází opravdu hloupě – část lidí generuje problém a část lidí se ho pokouší řešit – vyplýtvají na to obrovské množství prostředků, místo aby se dohodli. A jak jsem psal ve vedlejší diskusi, mám trochu obavu, aby technologie tohoto typu nezafixovala současný špatný stav a neudělal z něj normu (protože lepší a čistější řešení nebude už tak akutně potřeba). Tak snad to bude aspoň k něčemu a časem najdete smysluplnější využití pro to, co se naučíte na fakturách.

[Jendа]

Ano, máme EDI, UBL, ISDOC, ... a to už desítky let, ale přesto si stále vyměňujeme PDFka. Je potřeba přemluvit mnoho článků v hodně konzervativním procesu, a změna většina článkům řetězce nepřinese moc výhod.

Chápu, že je složité, přehodit se z „defaultně lidsky čitelného“ PDFka na nějaký úplně jiný formát. Fascinuje mě ale, že lidstvo nedokáže dát do rohu toho PDFka malý QR code. Faktura by vypadala a šla zpracovávat (člověkem) pořád stejně, ale současně by to šlo strojově.

[Bystroushaak]

Fakturoid co používám já to tak umí. Ale chápu, že různé jiné instituce mají větší setrvačnost. Ale zase s nástupem mobilních plateb je to čím dál častější.

[pasky]

Neveril bys, co vsechno chteji ruzni uzivatele z faktur vycitat. :) Ten QR kod by byl pekne velky. Dalsi zadrhel, ktery komplikuje spoustu "strojove citelnych" dat na fakturach, je adversarialni dodavatel, ktery vygeneruje fakturu, kde bude neco jineho v QR kodu nez lidsky citelne.

[Jendа]

Dalsi zadrhel, ktery komplikuje spoustu "strojove citelnych" dat na fakturach, je adversarialni dodavatel, ktery vygeneruje fakturu, kde bude neco jineho v QR kodu nez lidsky citelne.

No, ne, že by zrovna dnes používané neuronky byly nějak odolné třeba proti adversariálním pixelům ;)

[Grunt]

Valná většina faktur ho tam ale má (a malý teda rozhodně není). Akorát zkus účetní vysvětlit co to je. By pak chudina neměla absolutně co na práci

[Jendа]

Já teda když takovou fakturu vidím, tak je to spíš rarita.

[Grunt]

Máš špatné faktury. Jestli chceš, zašlu ti lepší i s fakturačníma údajema a fiktivním zbožím ;)

[Käyttäjä 11133]

Jenže ten QR kód obsahuje platební, nikoli účetní informace.

[Lukym]

A umí to z PDF ten ISDOC vygenerovat? Rázem by byla podpora pro téměř všechny účetní systémy v ČR.

[Jendа]

Ono to někdy bylo zdarma a na vlastní infrastruktuře?

[SazeVaclav]

koukam , ze sidli kousek od SUSE. Potichu , pomalu nam tady v Praze vznika Karlin valley.

[Master of Puppets]

A co je tazke na tom spravit z PDFka TXT a ten skrz bash "nacitat" ?

[Bystroushaak]

1. Ne každé PDF má textovou vrstvu. Řekl bych, že jich dokonce bude minimum.
2. Když už ty data grepneš, tak taky potřebuješ chápat jejich význam. Protože každá faktura vypadá jinak, má jinde uvedené číslo účtu, variabilní symboly a tak podobně, tak pokud to chceš řešit obecně, narazíš rychle na problém přiřazení jednoznačného významu. Je 121655448894 kus čísla účtu, nebo variabilní symbol? Nebo číslo zakázky?

[Jendа]

Protože to není takhle jednoduché? Tak například tady mám fakturu, u které pdftotext vyrobí nějaké nesmysly, a výstup OCR hlavičky je tento:

Variabilní symbol (uvádějte při platbě): 2111800075
Konst.symbol: | 308 Stranač. 1

Faktura - daňový doklad č.: FVCN-75/2018

Dodavatel: Odběratel: Zákaznické číslo: Brmlab z.s.
CM PROPERTY, s.r.o.

K Žižkovu 282/9
19000 Praha 9 Brmlab z.s.

IČ: 05778042 Bubenská 1477/1

DIČ: CZ05778042 170 00 Praha 7

Česká republika

 

Doprava:

Úhrada: © Na bankovní účet x

Banka: Česká Spořitelna a.s. IČ: 22860657

Číslo účtu: 500026012/0800 Datum vystavení dokladu: 9.4.2018 Datum splatnosti:
IBAN: © CZ4308000000000500026012 Datum zdanitelného plnění: 25.3.2018

SWIFT: GIBACZPX Místo plnění: CZ 29.4.201 8
Předmět zdanitelného plnění Množství /j. © rozk koz DH a vš Cena U

Bez koukání do rejstříku a bez googlení z toho demangluj, kdo kde sídlí a jaké má IČ.

[Jendа]

A ještě koukám že ani očima z toho nedokážu tipnout, které je Datum splatnosti a které Datum zdanitelného plnění.

[SazeVaclav]

no a to je presne co pise nahore Franta. Rossumi ted nauci nejaky AI system za pomoci milionu faktur kde se tak obvykle takove udaje nachazi, kde se v okoli 'nejakeho' stringu, ktery vypada jako datum nachazi text jak 'splatnost' a dalsi silenosti.

Ale jak pise pasky, oni se vlastne chteji ucit, jak se ta neuronova sit uci.

[Jendа]

Jinak jsem přesvědčen, že když dodáš svoje řešení, Rossum ho rád otestuje na své testovací množině, a pokud bude mít vyšší úspěšnost/nižší nároky než to jejich, tak tě opravdu bohatě odmění.

[borgcube]

staci do PDF ulozit metadata( napr. zugferd) a PDF bude aj strojovo spracovatelne.

[Jendа]

To snad všichni víme. Jak to souvisí s tématem zprávičky nebo komentáře, na který reaguješ?

[borgcube]

zdalo sa, ze vsetci to nevedia. ci zastupujes vsetkych?

[Jendа]

Kdo to tady nevěděl?

[borgcube]

ty povedz, ty vies vsetko.

[trekker.dk]

Vy tvrdíte "zdalo sa, ze vsetci to nevedia" - pokud něco tvrdíte, je na vás to doložit. A nebo se přiznat, že jste se spletl.

[Jenda]

diky za ten hint - zugferd