Dịch Vụ AI OCR Bóc Tách Hóa Đơn & Chứng Từ Kế Toán: Tiết Kiệm 80% Thời Gian Nhập Liệu

1. Nút thắt của OCR truyền thống và lý do chuyển dịch sang VLM

Các thư viện OCR mẫu truyền thống (như Tesseract hoặc rule-based template) phụ thuộc hoàn toàn vào tọa độ hộp bao (bounding box). Khi nhà cung cấp đổi mẫu hóa đơn, dời vị trí bảng hàng hóa hoặc khi gặp ảnh chụp điện thoại bị nghiêng góc, ánh sáng chói, hệ thống template lập tức gãy hoàn toàn.

Kiến trúc Document AI hiện đại khắc phục triệt để bằng cách kết hợp Text Detection với Vision-Language Model (VLM). Mô hình hiểu ngữ cảnh ngữ nghĩa (semantic context): nó nhận diện cột 'Đơn giá', 'Thành tiền', 'Thuế suất GTGT' dựa trên mối quan hệ không gian 2 chiều giữa các khối chữ chứ không cần tọa độ cố định. Nhờ đó, tỷ lệ trích xuất chính xác ở cấp độ từng dòng chi tiết (line-item) đạt trên 98.5% ngay cả trên các định dạng hóa đơn chưa từng gặp trong dữ liệu mẫu.

2. Kiến trúc hệ thống: Pipeline xử lý từ tệp thô đến bản ghi kế toán

Quy trình triển khai thực tế gồm 4 chặng độc lập được chuẩn hóa:

• Chặng 1 - Chuẩn hóa tiền xử lý: Tự động khử nghiêng (deskew), tăng độ tương phản, chuyển đổi định dạng PDF đa trang/ảnh scan (TIFF/PNG/JPEG) thành vector chuẩn ở độ phân giải 300 DPI.
• Chặng 2 - Trích xuất đa tầng (Multi-stage Extraction): Sử dụng mô hình LayoutLM hoặc Vision Model cục bộ để bóc tách Metadata (Ký hiệu, Số hóa đơn, Ngày lập, MST người bán/người mua) và mảng chi tiết bảng hàng hóa (Tên hàng, ĐVT, Số lượng, Đơn giá, Tiền thuế, Tổng thanh toán).
• Chặng 3 - Xác thực nghiệp vụ (Validation Layer): Tự động chạy logic đối soát toán học: Tổng tiền trước thuế + Tiền thuế = Tổng tiền thanh toán. Gọi tự động API xác minh trạng thái hoạt động của doanh nghiệp từ cơ sở dữ liệu đăng ký kinh doanh.
• Chặng 4 - Tích hợp phân tán: Đẩy JSON chuẩn hóa qua Webhook đến phần mềm kế toán nội bộ, hệ thống kho bãi hoặc tự động tạo dòng mới trên Google Sheets/PostgreSQL kèm liên kết xem lại file gốc.

3. Tối ưu chi phí hạ tầng: Hybrid Local Model kết hợp Cloud LLM

Để cân đối giữa chi phí vận hành và độ chính xác tuyệt đối, Duy Anh Tech áp dụng kiến trúc Hybrid:

• Với hóa đơn điện tử định dạng chuẩn (PDF vector gốc): Sử dụng parser cục bộ dựa trên mã nguồn mở chạy trực tiếp trên CPU, chi phí token bằng 0, thời gian xử lý chỉ 200ms/hóa đơn.
• Với chứng từ phức tạp (ảnh chụp camera, hóa đơn viết tay, phiếu xuất kho lem mực): Định tuyến sang mô hình thị giác chuyên sâu (Vision LLM) được tinh chỉnh riêng.

Chiến lược định tuyến này giúp doanh nghiệp xử lý từ 20.000 đến 50.000 chứng từ/tháng giảm 85% chi phí gọi API bên thứ ba so với việc đưa 100% tài liệu lên các dịch vụ đám mây công cộng.