Komitent donese hrpu termalnih računa. Knjigovođa ih slika mobitelom — ili snimi
zvučnu bilješku, ili učita sken. Za nekoliko sekundi dokument je pročitan, zapečaćen i
vezan uz tu firmu, i vidi ga na računalu. Bez ijednog vanjskog AI računa.
0,23 sočitanje računa (OCR)
4/4polja točno: OIB, broj, datum, iznos
1800stranica obrađeno u 10 s
0 €vanjski AI trošak
Radni stol knjigovođe. Gore desno je otvorena firma; dolje desno su
ulazi — kamera, video, mikrofon, bilješka — dostupni na svakoj formi.
Četiri ulaza, uvijek pri ruci
Ulazi žive u ljusci, ne u pojedinom modulu — zato ih ima svaka forma, bez ijedne
linije koda po modulu. Snimka se veže na otvorenu firmu; bez otvorene firme sustav
odbija spremiti, da ništa ne završi u praznom.
Kamera. U zaglavlju piše na koji stol se sprema — knjigovođa vidi
firmu prije nego škljocne.Bilješka ide u arhivu kao dokument i pretražuje se — iz teksta se
izvlači kategorija i iznos.
Očitanje: mjereno, ne pretpostavljeno
Isti račun pušten kroz dva puta — klasični OCR i vizualni AI model. Razlika je odlučujuća
za knjigovodstvo:
OCR (Tesseract, lokalno)
Vizualni AI (llava 7B)
vrijeme
0,23 s
52,9 s
OIB
točno
nije pročitao
broj računa
točno
„nema broja"
datum
točno
izmislio 17/06/2023
iznos
3,18 EUR točno
izmislio 5,50 „LK"
Pravilo koje iz toga slijedi
Brojke u knjigovodstvu daje OCR — nikad jezični model. Model smije prepoznati
je li dokument račun i usporediti se s fiskalnim zapisom, ali ne smije biti izvor
iznosa. Sustav je tako i posložen: vizualno očitanje služi za provjeru protiv fiskalnog
podatka, ne kao izvor istine.
Koliko podnese
dokument
veličina
obrada
rezultat
digitalni PDF, 1800 stranica
2,1 MB
10 s
267 785 znakova — sve stranice
skenirani PDF, 60 stranica
3,5 MB
30 s
60 od 60 stranica
skenirana knjiga, 1800 stranica
—
≈ 15 min
procjena iz izmjerenih 2 str/s
Što je pritom popravljeno
Skenirani PDF se do 28. 7. čitao samo na prvoj stranici. Knjiga od 1800 skeniranih
stranica davala je stotinjak znakova i izgledala uredno obrađeno. Sada se čitaju sve
stranice, a ako se dosegne vremenski limit, u sam tekst se upisuje
[OCR POKRIVENOST: N od M stranica] — o nepotpunosti se ne šuti.
Bez vanjskog AI računa
Anthropic kvota je potrošena. Umjesto čekanja, put je posložen na ono što radi lokalno:
Očitanje teksta — Tesseract na vlastitom poslužitelju. Bez limita, bez naplate.
Razumijevanje sadržaja — Groq; iz bilješke „12 termalnih računa, oko 340 EUR"
sam je izveo kategoriju RASHOD i iznos 340,00.
Vizualna provjera — Ollama lokalno, kao zadnja karika kad vanjski putevi ne rade.
Svaki dokument zna čiji je
Modul arhive. Forma se generira iz specifikacije — ljuska je samo okvir.
Dokumenti se vežu na firmu na kojoj knjigovođa radi i vidljivi su samo unutar nje.
U dokazu su sva četiri ulaza završila pod istom firmom, a lista ih vraća tek nakon
prijave. Ime datoteke nosi OIB firme, vrstu ulaza i vrijeme.
Obje teme
Boje dolaze iz zajedničkog dizajn-sustava, gdje je kontrast mjeren.
Što je dokazano tapkanjem
korak
ishod
prijava knjigovođe
prolaz
otvaranje firme, pločice modula
prolaz
kamera → arhiva
prolaz
mikrofon → arhiva
prolaz
bilješka → arhiva, pročitana i kategorizirana
prolaz
skenirani račun → arhiva, OCR obradio
prolaz
svi dokumenti pod firmom knjigovođe
prolaz
Jedini pad u prolazu bio je blokiran pregled snimljenog zvuka — popravljeno isti čas.
Što još nije gotovo
Zvučna bilješka se ne pretvara u tekst. Snimka se pohranjuje i čuva, ali
prijepis još ne postoji — planiran je u samom pregledniku, bez slanja glasa vani.
Rokovi na radnom stolu — što gori (PDV, JOPPD) još nije prikazano.
Brojka nezavršenog po firmi — pločica zasad pokazuje samo ime.