Механізм автоматизації Accounts Payable на основі великих мовних моделей

Анотація

Метою дослідження є розробка та практичне тестування інтелектуальної процедури обробки рахунків-фактур, яка поєднує вилучення деталей, виявлення невідповідностей, генерацію пояснень та маршрутизацію документів у рамках контрольованого бухгалтерського процесу. Це дослідження перевірить, чи забезпечує підхід LLM кращу попередню перевірку рахунків-фактур порівняно з базовою логікою OCR/RPA. Методологія базувалася на емпіричному тестуванні змодельованого корпусу зі 150 рахунків-фактур та пов'язаних з ними контрольних документів: 90 документів без розбіжностей та 60 із змодельованими винятками (останні мали різні типи помилок: неправильна сума, відсутнє або неправильне замовлення на купівлю, невідповідність постачальника, помилка дати або валюти). Кожен документ оброблявся механізмом LLM та базовим підходом OCR/RPA; результати порівнювалися з довідковою розміткою. Оцінювання проводилося на основі показників точності, прецизійності, повноти та F1-оцінки; пояснення LLM також перевірялися на відповідність реквізитам, ясність та відсутність непідтверджених тверджень. Було виявлено, що механізм LLM правильно класифікував 136 зі 150 документів, тоді як базовий підхід – 116. Точність становила 90,7% проти 77,3%, прецизійність – 87,1% проти 73,2%, повнота – 90,0% проти 68,3%, F1-оцінка – 88,5% проти 70,7%. Механізм LLM пропустив 6 реальних розбіжностей, тоді як базовий підхід пропустив 19. Загальна точність вилучення та визначення реквізитів становила 93,8% для LLM та 87,9% для базового рівня. Водночас було зафіксовано 8 хибних позначень ризику та 8 неправильних пояснень, що підтверджує необхідність контролю «людини в циклі». У цій статті представлено емпірично обґрунтовану LLM як контрольований семантичний шар між рахунком-фактурою, довідковими даними, замовленням на купівлю, маршрутизацією затвердження та ручною перевіркою. Отримані результати можуть бути практично корисними при можливості застосування запропонованої процедури для попереднього відбору ризикованих рахунків-фактур, мінімізації кількості пропущених розбіжностей, формування аудиторського сліду та підтримки роботи фінансового контролера.