发票、合同、身份证——OCR在金融行业到底替代了多少人工

一家中型保险公司理赔部门每天要处理的单据大概是多少医院病历、诊断书、化验单、收费明细、发票……一个理赔案件少则七八张多则几十张。几十个人工审核员每人每天能处理的量有限高峰期排队两三周是常事。这是几年前的真实情况。后来他们接入了OCR系统处理量翻了几倍人工只需要审核系统标注的疑难件。单据录入是最重头的应用金融行业跟单据打交道太多了。贷款申请要核查流水、资产证明、收入证明开户要验身份证、采集信息报销要录入发票理赔要核对各类证明文件。这些单据的共同特点是格式相对固定信息量大录入工作重复且繁琐出错有成本。OCR的价值在这里体现得很直接——拍一张或扫描一张结构化数据提取出来直接进系统。增值税发票是国内处理量最大的OCR场景之一。发票号码、金额、税额、开票日期、销售方名称——这些字段位置基本固定识别准确率能做得很高很多财务软件直接集成了发票OCR人工录入发票这件事在大公司里正在消失。证件核验是另一大场景银行开户的反洗钱合规要求需要核验客户身份。传统方式是人工看证件、手动录入现在远程开户大量依赖证件OCR加活体识别。身份证OCR要提取的字段姓名、证件号码、出生日期、住址、有效期。证件号码18位手工输入出错率不低OCR识别之后还可以做校验位验证比人工更可靠。护照、港澳通行证、营业执照——不同证件有不同的格式和信息字段通常要分别建模或者用能自动识别证件类型的通用引擎。合同信息提取有点难合同OCR是金融场景里相对复杂的一类。合同格式不统一同一个条款可能在不同合同里位置完全不同甚至表述也不一样。这就不是简单的字段定位需要结合NLP自然语言处理来理解语义找出关键条款、金额、日期、甲乙方信息。这个方向现在叫”智能文档理解”比纯OCR难准确率也相对低在实际使用中通常还需要人工复核。减少的不只是人工量有一点容易被忽略OCR带来的不只是效率提升还有错误率下降。手工录入有个问题是”转录错误”——看清楚了但敲错了或者漏了一位。这类错误在金融场景里可能造成真实损失。OCR加上校验逻辑这类转录错误基本能消除。当然OCR自身也会出错所以高风险字段通常还会加一层人工复核或规则校验。两种错误来源叠加的处理策略比纯人工或纯机器都更稳健一些。