Распознавание накладных с помощью ИИ: как убрать ручной ввод приходов

Приход товара — одна из самых рутинных операций в ресторане. Поставщики привозят продукты с бумажными накладными, а потом кто-то вручную переносит каждую строку в складскую программу: название, количество, цену. Для сети из нескольких точек это часы работы каждую неделю и постоянный риск опечаток, которые потом всплывают в себестоимости.

Современные модели искусственного интеллекта умеют читать документы по фотографии. Но чтобы это действительно экономило время, одного распознавания текста мало.

Как устроен процесс

• Фото. Сотрудник фотографирует накладную телефоном прямо при приёмке товара.
• Распознавание. Модель извлекает поставщика, дату, номер документа и таблицу позиций: наименование, единицу измерения, количество, цену и сумму.
• Сопоставление. Каждая строка сопоставляется с товаром в вашей номенклатуре.
• Проверка. Сотрудник видит готовый документ, правит спорные строки и подтверждает.
• Приход. Подтверждённый документ создаётся в складской системе — например, в StoreHouse для r_keeper или в iiko.

Главная сложность — номенклатура

Поставщик пишет «Сливки питьевые 33% 1 л», а в вашем справочнике позиция называется «Сливки 33%». Единицы тоже расходятся: в накладной — коробка, на складе — литры. Поэтому ядро системы — не чтение текста, а сопоставление. Система запоминает, как позиции конкретного поставщика связаны с вашими, и с каждой подтверждённой накладной ошибается реже.

Чего ИИ не заменит

Рукописные исправления, плохое освещение и новые позиции, которых ещё нет в справочнике, требуют внимания человека. Поэтому мы не проводим документы полностью автоматически: финальное подтверждение остаётся за сотрудником. Выигрыш в том, что он проверяет готовый документ, а не набирает его с нуля.

Кому это подходит

Больше всего пользы получают заведения и сети с большим числом поставщиков и ежедневными поставками. Если хотите оценить, как это сработает на ваших накладных, напишите нам — проведём тест на ваших документах.