AI 讀懂訂單與報價單：多模態文件處理如何取代人工 key-in

在很多貿易商與製造業的辦公室裡，有一個固定的畫面：業務助理一手拿著客戶傳來的訂單，一手在 ERP 裡逐欄輸入品名、料號、數量、交期。訂單可能來自 Email 附件的 PDF、傳真、Excel，甚至是 LINE 上的一張照片 —— 每個客戶的格式都不一樣。

這種工作繁瑣、容易出錯，也很難交接：資深的業助知道「A 客戶的料號要去掉前綴」「B 客戶寫的箱是 12 入」，新人往往要花好幾個月才能上手。

近兩年成熟起來的多模態 AI（能同時理解圖片與文字的模型），讓這件事有了新解法。

多模態 AI 和傳統 OCR 差在哪？

傳統的 OCR（光學字元辨識）只做一件事：把影像轉成文字。至於哪個數字是數量、哪個是單價，得針對每一種表單格式寫規則。客戶一換格式，規則就要重寫。

多模態 AI 則是看懂整份文件：它理解表格結構、欄位標題、上下文，就像人看一張單子一樣。你可以直接要求它「把這張訂單的品項、數量、交期整理成固定格式」，換了新客戶的單據也能處理。

真正的難題：把資料「對回」你的系統

讀出文字只是第一步。真正決定能不能自動化的，是把讀出來的資料，對應到你系統裡的主檔：

• 客戶：單據上寫「大同精密」，系統裡是客戶代號 C0231。
• 料號：客戶用自己的品號 XJ-220，你們內部是 P-88120。
• 單位：客戶寫「3 箱」，系統要的是「36 個」。
• 價格：單據上的價格要和報價或合約價核對。

這一步通常要結合三種資料：客戶與料號主檔、每個客戶的「對照表」（客戶品號 ↔ 內部料號），以及過去的歷史訂單。AI 負責判斷「這一行指的是哪個品項」，系統則負責檢查結果是否合理。

用信心程度分流，而不是全自動

我們不建議一開始就追求 100% 自動化。更實際的做法，是依照 AI 的信心程度與檢查結果，把每張單分成三條路：

1. 自動建單：所有欄位都對得上主檔、數量與金額在合理範圍、總額加總正確。
2. 人工確認：有欄位信心不足（例如字跡模糊）、出現新的客戶品號、數量明顯比平常大。系統把 AI 讀到的內容與原始單據並排顯示，業助只要核對、修正、按確認。
3. 退回或聯絡客戶：缺少必要資訊（沒有交期、沒有品號）、單據內容互相矛盾。

這樣設計的好處是：導入第一天就能開始省時間，而且錯誤不會悄悄流進系統。隨著對照表越來越完整，能自動建單的比例會逐步提高。

準確度要怎麼衡量？

導入文件自動化時，只問「AI 準不準」是不夠的。我們建議追蹤以下幾個指標，才能知道系統實際幫上多少忙：

其中最重要的是漏網錯誤：寧可多讓人確認幾張，也不要讓錯誤悄悄進入系統。一開始可以把門檻設得保守一些，觀察一段時間、確認某些客戶或某類單據一直都很準，再逐步放寬。

讓準確度持續提升的做法

• 把人工修正記錄下來：每一次人工修正，都是在告訴系統「這個客戶的這種寫法，應該對應到哪個料號」，下次就能自動對上。
• 為重要客戶建立專屬規則：例如某客戶的單位永遠是「打」、某客戶的品號前面有固定前綴。
• 定期抽查自動建單的結果：即使系統有把握，也每週隨機抽幾張核對，及早發現問題。

除了訂單，還能處理哪些文件？

同樣的做法，可以用在很多「看文件、輸入系統」的工作：

• 報價詢價單：讀取客戶的詢價內容，自動帶出品項與歷史報價，業務只要調整價格。
• 供應商發票與對帳單：和採購單、進貨單比對（見〈批發貿易的對帳地獄〉）。
• 出貨與報關文件：擷取品名、重量、HS 編號等欄位。
• 名片、申請表、檢驗報告：轉成結構化資料存檔，之後可以搜尋與統計。

導入前要準備什麼？

1. 收集樣本：每個主要客戶準備 10–20 張真實的單據，包含比較難讀的例子。
2. 整理主檔：客戶、料號、單位換算。主檔越乾淨，自動化比例越高。
3. 定義檢查規則：哪些情況一定要人看？例如金額超過某個門檻、新客戶、新料號。
4. 先並行一段時間：AI 建議、人照常輸入，比對兩邊結果，確認準確度後再切換。

導入之後，業助的角色會從「打字的人」變成「檢查例外的人」。原本要花一整個上午輸入的訂單，可能變成十幾分鐘的確認工作 —— 多出來的時間，可以留給跟客戶溝通、追交期這些真正需要人的事。想評估你的單據適不適合自動化，歡迎參考我們的企業系統開發服務，或寄幾張範例單據給我們。