СитуациятаThe situation
Фактурите пристигаха отвсякъде: PDF по имейл, снимки от телефон, хартия от шофьорите. Две счетоводителки въвеждаха всяка на ръка — доставчик, номер, дата, суми, ДДС — по 3–4 минути на фактура, ден след ден. В пикови дни опашката набъбваше и плащания закъсняваха, защото фактурата „още не е въведена“.Invoices arrived from everywhere: PDFs by email, phone photos, paper from drivers. Two accountants typed each one in by hand — supplier, number, date, amounts, VAT — 3–4 minutes per invoice, day after day. On peak days the queue swelled and payments slipped because the invoice “hadn't been entered yet”.
Класическият OCR сам по себе си не стигаше: твърде много формати, печати върху числата, снимки под ъгъл. Точността падаше точно при документите, които най-често пристигаха.Classic OCR alone wasn't enough: too many layouts, stamps over the numbers, photos at an angle. Accuracy dropped exactly on the documents that arrived most often.
Какво направихмеWhat we did
1. Един вход за всички фактуриOne intake for all invoices — специален имейл адрес и мобилно качване; хартията се сканира на място от шофьорите.a dedicated email address plus mobile upload; drivers scan paper on the spot.
2. OCR + LLM извличанеOCR + LLM extraction — OCR чете текста, а Claude разбира структурата: кой е доставчикът, кое е основа, кое е ДДС — независимо от подредбата.OCR reads the text and Claude understands the structure: which is the supplier, the net, the VAT — regardless of layout.
3. Автоматични проверкиAutomatic checks — аритметика, дублирани номера, валидност на ДДС номер, съответствие с поръчка — преди човек изобщо да погледне.arithmetic, duplicate numbers, VAT number validity, PO match — before a human even looks.
4. Предложение за осчетоводяванеPosting suggestion — по историята на доставчика системата предлага сметка и аналитичност; счетоводителят одобрява или коригира.based on the supplier's history the system suggests account and analytics; the accountant approves or corrects.
5. Праг на увереностConfidence threshold — под 90% увереност фактурата отива в опашка за ръчна проверка — с маркирани несигурните полета.below 90% confidence the invoice goes to a review queue — with the uncertain fields highlighted.
Разликата дойде не от OCR-а, а от комбинацията: LLM-ът разбира фактурата като документ, а не като пиксели. Затова система, която показва увереност поле по поле и праща несигурното към човек, постигна това, което „пълната автоматизация“ не може — доверие.The difference came not from OCR but from the combination: the LLM understands the invoice as a document, not as pixels. That's why a system that shows per-field confidence and routes uncertainty to a human achieved what “full automation” can't — trust.
РезултатътThe result
Опашката от невъведени фактури изчезна: това, което отнемаше 3–4 минути преписване, сега е 20-секундно одобрение. Плащанията тръгват навреме, отстъпките за ранно плащане вече се хващат, а счетоводителките поеха контролни функции вместо въвеждане. Одитната следа е пълна — всяка цифра сочи към оригиналния документ.The backlog of unentered invoices disappeared: what took 3–4 minutes of retyping is now a 20-second approval. Payments go out on time, early-payment discounts are actually captured, and the accountants moved to control work instead of data entry. The audit trail is complete — every figure links back to the original document.
Какво не проработи от първия пътWhat didn't work the first time
Снимките от телефоните на шофьорите първоначално сваляха точността драстично — размазани, тъмни, под ъгъл. Вместо да „дообучаваме“ безкрайно, добавихме проста рамка в приложението, която отказва лоша снимка още при заснемането. Второто: опитът да автоматизираме и осчетоводяването на нестандартни документи (протоколи, митнически декларации) беше преждевременен — върнахме ги на хората и оставихме AI да поеме масовия поток.Driver phone photos initially crushed accuracy — blurry, dark, at an angle. Instead of endless “retraining”, we added a simple in-app frame that rejects a bad photo at capture time. Second: trying to auto-post non-standard documents (protocols, customs declarations) was premature — we returned those to people and let AI own the mass flow.
По темата: Автоматизация на фактурирането и OCR: как машините четат документи. Целият подход — на страницата услуга AI интеграция.Related reading: Invoicing automation and OCR: how machines read documents. The full approach — on the AI Integration service page.