單據辨識與自動建檔：發票、訂單、出貨單不用再手打

「現在 AI 不是看得懂圖嗎？那這些單應該可以拍個照就進系統了吧？」

講這句話的老闆，旁邊通常坐著一位助理，桌上一疊單據：客戶傳真或拍照傳來的訂單、廠商寄來的發票和送貨單、司機帶回來簽收過的出貨單。她每天下午的工作，就是把這些紙上的字，一格一格打進系統。

我是熊董，台灣川輝科技創辦人。我帶團隊做系統導入七年，經手超過 34 個案子、橫跨 14 個以上產業，現在一個人加 AI，一年交付 2,000 萬以上的客製系統。關於單據辨識，我的回答是：可以，而且現在的 AI 讀單據已經讀得很好；但「看得懂字」只是自動建檔的一半。另一半才是決定成敗的地方：辨識出來的客戶名稱、品名、單位，對不對得到你系統裡的客戶代碼和料號；辨識不確定、金額加總不平、或同一張單被送了兩次的時候，有沒有一個讓人確認的關卡。單據自動建檔的目標不是「完全沒人碰」，而是「人只看例外」。適合先做的是格式相對固定、每天量大的單，例如固定廠商的發票與送貨單、固定客戶的訂單；手寫潦草、每張格式都不同、一個月只有幾張的，先不要做。還有一個常被忽略的選項：如果單據的源頭你管得到，讓它一開始就是數位的，比事後辨識更好。

先承認：AI 讀得懂單據，這件事是真的

先講清楚，你的直覺沒有錯。幾年前的文字辨識，看到歪掉的照片、蓋了章的表格、有格線的單據，錯誤多到不如自己打。現在的 AI 不一樣，它不只認得字，還大致看得懂「這一格是品名、那一格是數量、右下角那個是總金額」。把一張拍得還算清楚的送貨單丟進去，它通常能把主要欄位整理出來。

所以如果你問「技術上做不做得到」，答案是做得到。

問題在於，很多人做到這一步就以為完成了，然後發現上線之後，助理的工作並沒有變少，只是從「打字」變成「檢查 AI 打的字、再改掉錯的」。有時候檢查加修改的時間，比自己打還久。原因不在辨識，在辨識之後的那幾個環節沒有被設計。

單據自動建檔，其實有六個環節

把一張紙本單據變成系統裡的一筆資料，完整的路徑是這樣的：

1. 收件：單據從哪裡進來？Email 附件、LINE 照片、掃描器、傳真。收件的入口越分散，後面越難管。
2. 辨識：把影像裡的文字和欄位讀出來。這是 AI 最擅長的一段。
3. 對應主檔：把讀出來的「客戶名稱」對到系統裡的客戶代碼，把「品名」對到料號，把「箱」「個」換算成系統的基本單位。
4. 檢查：數量乘單價等不等於小計、小計加總等不等於總額、這張單是不是已經建過、這個客戶或料號是不是新的。
5. 人工確認例外：通過檢查的直接建檔，沒通過的進一個待確認區，由人看一眼、改一下、按確認。
6. 建檔與留存：寫進系統，並把原始影像跟這筆資料綁在一起，日後查帳可以點回去看原件。

大部分失敗的單據辨識專案，只做了第二步。真正花工夫、也真正決定效果的，是第三到第五步。

哪些單據適合先做？一張判斷表

不是所有單據都值得自動化。判斷的重點是兩件事：格式穩不穩定、量夠不夠大。下面是我常用的判斷方式：

單據類型	格式穩定度	通常的量	適合度	要注意的地方
固定廠商的發票、送貨單	高，同一家每次長一樣	中到大	適合先做	能拿到電子檔就不要辨識紙本
固定客戶的訂單	中高，常是客戶自己的格式	大	適合	客戶的品名寫法要對到你的料號
簽收回來的出貨單	高，是你自己的格式	大	適合	重點是辨識簽收與差異註記
費用報銷的收據	低，各家店格式都不同	中	看情況	抓金額、日期、統編即可，不求全部欄位
手寫的訂單或便條	很低	不一定	先不要	先想辦法讓源頭不要手寫
合約、長篇文件	低	小	不適合建檔	適合做摘要與搜尋，不適合拆欄位

這張表裡有一欄特別重要：「能拿到電子檔就不要辨識紙本」。很多廠商其實已經開電子發票或用系統出單，只是習慣印出來寄給你。這種情況下，直接跟對方要電子檔或結構化的資料，比拍照辨識準確得多，也簡單得多。辨識是給「真的只有紙」的情況用的。

費用報銷是另一個常被拿來做辨識的場景，因為收據量大又雜。我的建議是不要追求把每一張收據的每一個欄位都讀出來，只抓入帳需要的那幾個就好。報銷流程本身怎麼理順，可以參考費用報銷流程卡住那篇。

最難的一段：辨識出來的字，對得到你的主檔嗎？

這是我在現場花最多時間的一段，也是老闆最常低估的一段。

假設 AI 正確讀出客戶訂單上寫著「白色 A4 影印紙 5 箱」。這幾個字本身沒錯，但你的系統要的是一個料號，而你的料號主檔裡，影印紙可能有三種品牌、兩種磅數，客戶寫的「白色 A4 影印紙」到底是哪一個？同樣的，客戶名稱可能寫簡稱、寫舊名、寫分公司名；單位可能是箱、包、令，跟你系統的基本單位不一樣。

AI 可以幫忙猜，而且猜得不差，但它需要你提供對照依據。實務上有幾個做法：

• 建立別名表：每個料號記下客戶常用的幾種寫法，每個客戶記下簡稱與舊名。這張表會隨著使用越來越完整。
• 用客戶的歷史訂單縮小範圍：這個客戶過去只買過兩種影印紙，那就只在這兩種裡面選。
• 對不到就不要猜：信心不夠的對應，寧可丟進待確認區，也不要硬塞一個料號進去。錯的料號比空白更危險，因為它會一路影響庫存和出貨。

別名表還有一個常被忽略的好處：它會變成公司的資產。每一次有人在待確認區把「客戶寫的品名」手動對到正確的料號，系統就多學會一種寫法，下一次同樣的寫法就不用再問人。跑幾個月之後，需要人確認的比例會自然往下降，而這份對照表也不會因為某個助理離職就跟著消失。

這一段做得好不好，取決於你的主檔乾不乾淨。如果你的料號本來就亂編、同一個東西有好幾個料號，單據辨識做得再準也對不上。這個問題要先處理，可以參考料號亂編的後果。

人在哪裡介入？設計例外，而不是追求全自動

我反對把單據建檔做成「完全不用人」。原因很實際：一張單建錯了，後面的出貨、請款、對帳全都跟著錯，回頭追的成本遠高於建檔時多看一眼。

比較好的設計，是讓系統先做完所有能做的檢查，只把「需要人判斷」的單挑出來。人不用看每一張，只看被擋下來的那幾張，而且系統會標出是哪一欄有問題。這樣助理的工作就從「打每一張」變成「看少數幾張的特定欄位」。

被擋下來的情況，通常是這幾種：辨識信心不足的欄位、對不到主檔的客戶或料號、金額加總不平、跟已經建檔的單重複、新的客戶或新的品項、數量或金額明顯異於這個客戶的平常值。最後一種特別有用，它可以抓到客戶自己寫錯的單，例如平常訂 5 箱，這次寫成 50 箱。

訂單進來之後的整條處理流程，怎麼把人為輸入錯誤降到最低，我在訂單處理自動化那篇有更完整的說明。

導入順序：先跑一種單、一個入口

單據辨識最怕的是一開始就想把所有單據一次做完。我會建議用下面的順序，先用一種單把整條路走通：

1. 只挑一種單據、一個入口。例如只做「固定幾家廠商的送貨單，而且只收 Email 附件」。範圍越小，問題越容易看清楚。
2. 先收集真實樣本。每家廠商的格式各收十幾張，包含拍歪的、有塗改的、有手寫補註的。測試只用漂亮的樣本，上線之後一定會被真實世界打臉。
3. 跟人工並行跑一段時間。前幾週系統辨識、人也照舊輸入，兩邊對照。這段時間的目的是找出系統常錯在哪一欄、哪一家廠商的格式特別難。
4. 記錄直接通過的比例。每週看一次有多少單是系統檢查直接通過、不用人改的。這個比例穩定了，再讓人停止並行輸入。
5. 再擴到下一種單。送貨單穩了，再做同一批廠商的發票，因為主檔和例外規則可以共用一大半。

這個順序的好處是，每一步都看得到成果，而且出問題時影響範圍很小。很多單據辨識專案失敗，是因為第一天就收了十種格式、五個入口，錯誤一多，使用的人很快就失去信心，回頭繼續手打。信心一旦崩掉，要再讓大家相信系統，比第一次導入難得多。

值不值得做？先用假設數字算一次

下面這個試算全部是假設，請換成你自己的數字。

假設你每天有 60 張單要建檔，每張人工輸入加核對平均 3 分鐘，一天就是 180 分鐘，也就是 3 小時。導入自動建檔後，假設八成的單可以直接通過檢查，剩下兩成、也就是 12 張需要人確認，每張確認 1 分鐘，再加上每天花 15 分鐘看一下整體狀況，一天大約 27 分鐘。每天省下的時間大約是兩個半小時。

這個試算要看的不只是省下的時間，還有兩件事。第一，錯誤減少的價值：一張錯單造成的重新出貨、客訴、對帳差異，往往比打字的時間貴得多。第二，量的門檻：如果你每天只有 5 張單，省下來的時間可能還不夠付維護的成本，那就不必做。

還有一個選項值得先想：這些單據能不能根本不要存在？川輝做過的一家烘焙坊，每天抄單要 4 小時，做完之後變成 30 分鐘。抄單這件事，最徹底的解法不是辨識得更準，而是讓訂單一開始就以數位形式進來——例如讓固定客戶直接用表單或 LINE 下單。源頭你管得到的單，優先改源頭；源頭管不到的，例如廠商的發票和送貨單，才用辨識。

最後提醒一件事：單據裡有客戶資料、金額、統編，丟給任何 AI 服務之前，先確認資料會被怎麼處理、存在哪裡。這部分的底線，可以看公司資料丟給 AI 安全嗎。

常見問題

OCR 和 AI 文件辨識差在哪裡？

傳統 OCR 主要是把影像裡的字轉成文字，至於哪個字是品名、哪個是金額，要另外設定規則或範本。現在的 AI 文件辨識除了讀字，還能理解單據的結構，自動判斷欄位。但不管哪一種，辨識之後對應主檔與檢查例外的工作，都還是要另外設計。

手寫的單據可以辨識嗎？

字跡清楚的手寫可以讀出一部分，但錯誤率明顯比印刷字高，而且每個人的寫法差很多。如果手寫單據量大，我會建議先想辦法改源頭，例如改用固定表單或線上下單，而不是投資在辨識手寫上。

自動建檔之後，紙本單據還要留嗎？

原始影像一定要留，並且跟系統裡那筆資料綁在一起，日後查帳或有爭議時才能點回去看原件。紙本本身要保存多久，則依你們的會計與法規需求決定，這部分請跟你的會計師確認。

導入單據辨識要先準備什麼？

先準備三樣東西：一批真實的單據樣本，每一種格式至少十幾張；乾淨的客戶與料號主檔；以及一份「什麼情況要人確認」的規則。樣本用來測試辨識效果，主檔用來對應，規則用來設計例外流程。三樣都有，導入才會順。

結語：辨識只是開始，例外設計才是重點

單據辨識這件事，一句話講完：讓 AI 讀字、讓系統對主檔和做檢查、讓人只看例外。能從源頭數位化的，就不要等到變成紙再來辨識。

如果你手上也有一疊每天都要打的單，不確定哪些該辨識、哪些該改源頭，帶著幾張樣本來找我，用一場 30 分鐘免費診斷一起判斷從哪一種單開始。