انتقل إلى المحتوى

قراءة المستندات العربية بالذكاء الاصطناعي: من الورق إلى البيانات

متطلبات بناء نظام يقرأ المستندات العربية، ولماذا يكون المسح الضوئي الجزء الأسهل.

فريق البحث في أكتبوس4 دقائق للقراءة

في جهات كثيرة في المملكة، ما زالت العمليات تسير على الورق. تتنقّل النماذج والخطابات والمستندات الداعمة من مكتب إلى آخر، ويحفظها الموظفون ويستخرجونها يدويًا. ويستطيع الذكاء الاصطناعي أن يغيّر ذلك، إذا بنيته حول الطريقة التي يستخدم بها الناس السجلات كل يوم. وهذا ما يتطلّبه الأمر مع المستندات العربية.

أكثر من ماسح ضوئي أسرع

الرقمنة ليست غاية في ذاتها. تحتاج الجهة إلى أرشيف تبحث فيه وتبني عليه قراراتها. فالصفحة الممسوحة تبقى صورة، أما السجلّ فيستطيع النظام أن يجده ويتحقق منه ويوجّهه.

يعمل نوعان من النماذج معًا. تستخرج تقنية التعرّف الضوئي على النصوص (OCR) النص، وتقرأ نماذج الرؤية واللغة (VLM) الصفحة صورةً ونصًا في آن واحد. وهذا يساعد فيما يصعب على التعرّف الضوئي وحده: الأختام والجداول والتواقيع، والعربية الممزوجة بالإنجليزية، والتنسيقات التي تتغيّر من نموذج إلى آخر.

ابدأ بالأسئلة التي يطرحها الناس على الأرشيف

قبل اختيار النماذج، اكتب ما يبحث عنه الموظفون في عملهم: سجلّ باسم صاحبه، أو مستند بنوعه، أو كل ما يتعلق بمعاملة واحدة. هذه الأسئلة تحدّد الحقول التي يستخرجها النظام وطريقة فهرستها. وقراءة الحقول الصحيحة بثبات أنفع من قراءة كل كلمة في كل صفحة.

وهذا يضبط نطاق المشروع أيضًا. فالحقل الذي لا يبحث عنه أحد لن يراجعه أحد، وستمرّ أخطاؤه دون أن ينتبه لها أحد. استخرج أقل، وأتقن ما تستخرجه.

للنص العربي فحوصه الخاصة

  • يكتب الناس الاسم الواحد بأكثر من صيغة، بالحروف العربية واللاتينية.
  • يأتي التاريخ هجريًا أو ميلاديًا، وأحيانًا بالتقويمين في الصفحة نفسها.
  • قد تأتي الأرقام بصيغتها العربية أو الهندية.
  • ينتقل المستند بين العربية والإنجليزية في السطر نفسه.
  • يغيب التشكيل في الغالب، فتحتمل بعض الكلمات أكثر من قراءة.

والأرشيف الذي لا يوحّد هذه الصيغ سيفوته سجلّ محفوظ فيه. لذلك اكتب قواعد الأسماء والتواريخ والأرقام مبكرًا، واختبرها على عيّنات حقيقية، لا على نسخ نظيفة.

العربية أولًا، لا العربية لاحقًا.

أكتبوس

خطّط للصفحات التي لا يثق النموذج بقراءتها

النموذج الذي يقرأ معظم الصفحات بدقة يحتاج مع ذلك إلى مسار للصفحات التي يتردد فيها. حوّل هذه الصفحات إلى موظف يراجعها، واحفظ تصحيحه مع الصفحة، ليبقى السجلّ صحيحًا ويظهر نمط الأخطاء. واتفق قبل الإطلاق على هذا المسار، ومن يتولاه، وخلال كم من الوقت يردّ. فقائمة المراجعة التي لا مسؤول عنها تتحوّل إلى كومة ورق جديدة.

اربط كل قيمة بصفحتها الأصلية

يجب أن يشير كل سجلّ مستخرج إلى الصفحة التي جاء منها. فإن سأله أحد عن قيمة ما، فتح الموظف مصدرها بنقرة واحدة. وهذا الربط هو ما يجعل الناس يثقون بالأرشيف بما يكفي ليتخلّوا عن نسخهم الورقية. ومن دونه تبقى الملفات القديمة في الخزانة، احتياطًا.

وحدّد مكان الحفظ قبل أول رفع أيضًا. فالمستندات الممسوحة تحمل غالبًا بيانات شخصية: أسماء، وأرقام هوية، وتواقيع. ومكان حفظ الملفات والبيانات المستخرجة، ومن يحق له فتحها، قرار للأسبوع الأول. فهو يحدّد خيار الاستضافة وصلاحيات الوصول وسجلّ التدقيق، ويصعب تغييره بعد أن تدخل آلاف الصفحات إلى النظام.

الرقمنة بداية الأتمتة

حين تصبح المستندات بيانات، يمكن إعادة تصميم الإجراءات التي كانت تعتمد على تنقّل الورق: موافقة مشتريات، أو مطالبة مصروفات، أو طلب موارد بشرية، أو تقرير تفتيش من الميدان. ويأتي بعدها سؤال: أي الخطوات ما زالت تحتاج إلى شخص أصلًا، وأيها لم يوجد إلا لنقل ملف من مكتب إلى آخر؟

نادرًا ما يكون الورق هو المشكلة الحقيقية. إنه علامة على أن أحدًا لم يصمّم الإجراء للبيانات أصلًا. أتقن قراءة المستندات، وتبدأ إعادة التصميم.

يقع هذا النوع من العمل في ممارستنا لإعادة هندسة العمليات والخدمات بالذكاء الاصطناعي، ويقع ربطه بالأنظمة في ممارسة تحوّل الأنظمة الأساسية والمنظومات الرقمية.

تابع القراءة

كل التحليلات

من التجربة إلى التشغيل

مقالات جديدة وملاحظات عملية، تصلك بالبريد.

تريد الحديث عن عملياتك أنت؟