AI & Otomasi

Ekstraksi Dokumen dengan AI untuk Distributor: Dari Purchase Order PDF ke Entri di ERP

11 November 2026 · 7 menit baca · Tim Etzal Group

Sebuah distributor bahan bangunan menerima sekitar 300 purchase order seminggu dari kontraktor dan toko. Datangnya sebagai lampiran PDF, foto formulir tulisan tangan, spreadsheet, dan teks yang diketik di chat. Empat admin menghabiskan sebagian besar harinya mengetik ulang semuanya ke ERP. Pesanan yang masuk setelah pukul 15.00 menunggu sampai esok pagi. Kira-kira satu dari empat puluh pesanan memuat salah ketik yang menjadi kiriman keliru. Ekstraksi dokumen dengan AI cocok untuk pekerjaan ini, asalkan dibangun dengan pemeriksaan di sekelilingnya dan tidak diperlakukan sebagai sulap.

Apa yang berubah

Penangkapan dokumen model lama butuh templat untuk tiap tata letak: nomor pesanan di sini, tabel mulai di sana. Tiap format pelanggan baru berarti penyetelan baru, dan perubahan kecil pada tata letak merusaknya.

Model AI masa kini membaca dokumen lebih mirip cara manusia. Diberi sebuah halaman dan instruksi, ia menemukan nama pelanggan, nomor pesanan, dan baris-barisnya di mana pun letaknya, dalam tata letak apa pun, berbahasa Indonesia atau Inggris. Format pelanggan baru biasanya langsung jalan tanpa penyetelan.

Kelenturan itulah keuntungannya. Ongkosnya, model juga bisa keliru dengan penuh percaya diri, sehingga rancangan di sekelilingnya lebih menentukan daripada modelnya sendiri.

Alurnya

Enam tahap.

1. Penerimaan. Dokumen datang dari kotak surat bersama, kanal chat, halaman unggah. Masing-masing dicatat beserta pengirim dan waktunya.

2. Pembacaan. Model menerima dokumen dan mengembalikan data terstruktur dalam format tetap:

  • Nama pelanggan dan kode pelanggan bila ada.
  • Nomor dan tanggal purchase order.
  • Alamat kirim dan tanggal yang diminta.
  • Baris: kode barang versi pelanggan, deskripsi, jumlah, satuan, harga.
  • Total.
  • Catatan.

3. Pencocokan. Nilai hasil ekstraksi dicocokkan dengan data induk Anda.

  • Pelanggan ke catatan pelanggan.
  • Tiap baris ke produk di katalog Anda.
  • Satuan dikonversi: pelanggan memesan per dus, Anda menyimpan per buah.

Inilah langkah tersulit. Pelanggan menyebut produk dengan kata-katanya sendiri: "semen 40kg", "PC cement 40", kode milik pesaing. Pencocokan memakai pesanan lama pelanggan itu lebih dulu, lalu kode, lalu kemiripan deskripsi.

4. Validasi. Aturan memeriksa apakah hasilnya masuk akal. Lihat di bawah.

5. Tinjauan. Pesanan yang lolos semua pemeriksaan langsung menjadi draf di ERP, atau langsung terkonfirmasi, bergantung pada aturan yang Anda pasang. Pesanan yang gagal di pemeriksaan mana pun masuk layar tinjauan yang menampilkan dokumen berdampingan dengan data hasil ekstraksi, dengan kolom yang meragukan disorot.

6. Pembukuan dan umpan balik. Pesanan dibuat lewat antarmuka ERP. Tiap koreksi peninjau disimpan, agar cara pelanggan yang sama menyebut barangnya tercocokkan dengan benar lain kali.

Lima pemeriksaan validasi

Kelimanya menangkap sebagian besar kekeliruan sebelum sampai ke gudang.

1. Hitungan. Jumlah kali harga sama dengan total baris. Baris-baris berjumlah sama dengan total dokumen. Selisih berarti ada yang salah baca.

2. Data induk. Pelanggannya ada. Tiap produk ada dan aktif. Satuannya sah untuk produk itu.

3. Kewajaran. Jumlahnya berada di rentang biasa untuk pelanggan dan produk ini. Pelanggan yang biasanya memesan 50 sak dan tampak memesan 5.000 ditandai.

4. Harga. Harga di pesanan sesuai dengan daftar harga yang disepakati dalam toleransi. Selisih diteruskan ke manusia, karena bisa jadi kekeliruan pelanggan atau penawaran yang sudah kedaluwarsa.

5. Kembaran. Pelanggan dan nomor pesanan yang sama belum pernah dimasukkan. Pelanggan sering mengirim pesanan yang sama lewat email dan lewat chat.

Tambahkan isyarat dari model sendiri: kolom yang ditandainya tidak jelas, dan halaman yang tidak terbaca.

Akurasi yang bisa diharapkan

Telitilah soal apa yang diukur.

  • Akurasi kolom: porsi kolom satu per satu yang terbaca benar.
  • Akurasi dokumen: porsi dokumen utuh tanpa satu kekeliruan pun. Selalu lebih rendah. Pesanan dua puluh baris butuh semua baris benar.
  • Angka lolos langsung: porsi pesanan yang lolos semua pemeriksaan dan tidak butuh sentuhan manusia.

Pola yang lazim:

  • PDF ketikan bersih dari pelanggan tetap: akurasi tinggi, lolos langsung tinggi.
  • Pindaian dan foto ponsel: lebih rendah. Gambar miring atau gelap merusak.
  • Tulisan tangan: jauh lebih rendah, dan tidak menentu.
  • Tabel panjang lintas beberapa halaman: risiko baris terlewat atau terduplikasi.
  • Pencocokan produk: sering menjadi pembatas, lebih daripada pembacaan.

Jangan mengandalkan angka unggulan vendor. Ukur pada dua ratus dokumen Anda sendiri, yang mencakup campuran nyata Anda.

Di mana manusia harus tetap ada

  • Apa pun yang gagal pemeriksaan.
  • Pelanggan baru dan pesanan pertama.
  • Pesanan di atas ambang nilai.
  • Produk yang tidak tercocokkan atau ambigu.
  • Selisih harga.
  • Dokumen tulisan tangan, sampai akurasi terukur membenarkan sebaliknya.

Sasarannya bukan nol keterlibatan manusia. Sasarannya, orang hanya melihat pesanan yang butuh pertimbangan, dan melihat alasannya.

Satu peringatan soal tinjauan: orang yang menyetujui dua ratus ekstraksi benar berturut-turut berhenti melihat dengan teliti. Jaga antrean tinjauan untuk pengecualian sungguhan, dan ambil sampel pesanan lolos langsung tiap minggu untuk memastikan memang benar.

Dokumen lain dengan pola yang sama

Begitu alurnya ada, ia bisa diperluas.

  • Faktur pemasok, dicocokkan dengan pesanan pembelian dan penerimaan barang.
  • Surat jalan bertanda tangan pelanggan, sebagai bukti serah terima.
  • Bukti transfer yang dikirim pelanggan, dicocokkan dengan faktur terbuka. Perlakukan dengan sangat hati-hati: gambar transfer bukan bukti uang masuk, dan konfirmasinya semestinya datang dari catatan bank.
  • Daftar harga dari pemasok.
  • Formulir pendaftaran pelanggan.

Mulai dari satu jenis. Purchase order biasanya memberi hasil tercepat.

Data dan keamanan

  • Ketahui ke mana dokumen dikirim. Bila memakai model cloud, baca ketentuan penyedia soal penyimpanan dan pemakaian untuk pelatihan, untuk layanan dan paket yang bersangkutan.
  • Data pribadi. Pesanan memuat nama, nomor telepon, dan alamat. Kewajiban pelindungan data yang biasa tetap berlaku.
  • Akses. Layar tinjauan memperlihatkan harga dan rincian pelanggan. Batasi pada yang membutuhkan.
  • Simpan aslinya. Simpan dokumen sumber bersama pesanannya, untuk sengketa dan audit.
  • Konten yang dimanipulasi. Dokumen adalah masukan yang tidak dipercaya. Ia bisa memuat teks yang tampak seperti instruksi. Langkah ekstraksi semestinya hanya mengembalikan data, tanpa kemampuan bertindak.

Pilot empat minggu

Minggu 1: kumpulkan dan beri label.

  • Kumpulkan 200 purchase order terbaru beserta entri ERP yang benar.
  • Sertakan yang sulit.
  • Sepakati kolom dan format keluarannya.

Minggu 2: bangun dan ukur.

  • Jalankan ekstraksi dan pencocokan pada yang 200.
  • Bandingkan dengan entri benar yang sudah diketahui.
  • Catat akurasi per kolom, per dokumen, dan per jenis dokumen.

Minggu 3: validasi dan tinjauan.

  • Tambahkan lima pemeriksaan.
  • Bangun layar tinjauan sederhana.
  • Ukur angka lolos langsung dan berapa kekeliruan yang lolos dari pemeriksaan.

Minggu 4: jalan bayangan.

  • Proses pesanan nyata sejajar dengan input manual biasa untuk satu atau dua pelanggan.
  • Bandingkan hasilnya tiap hari.
  • Ukur waktu per pesanan, dengan dan tanpa.

Putuskan dengan angka: waktu yang dihemat per pesanan, angka galat sebelum dan sesudah, porsi yang butuh tinjauan, dan biaya per dokumen.

Biaya yang dihitung

  • Pembangunan dan integrasi dengan ERP.
  • Pemakaian model, per halaman atau per dokumen. Biasanya kecil per pesanan, dan layak ditaksir pada volume Anda.
  • Waktu tinjauan untuk pengecualian.
  • Pemeliharaan: data induk, aturan pencocokan, perubahan ketika model atau ERP berubah.

Bandingkan dengan: jam kerja admin, kiriman keliru beserta returnya, dan pesanan yang menunggu semalam.

Kesalahan yang umum

  • Mempercayai ekstraksi tanpa validasi.
  • Mengukur akurasi kolom lalu menganggap selesai.
  • Mengabaikan pencocokan produk, hambatan yang sebenarnya.
  • Menguji hanya pada dokumen bersih.
  • Mengirim semuanya ke tinjauan, yang tidak menghemat apa pun, atau tidak satu pun ke tinjauan, yang sembrono.
  • Tanpa lingkar umpan balik, sehingga kekeliruan yang sama berulang.
  • Tanpa pemeriksaan kembaran.
  • Membuang dokumen sumber.
  • Data induk berantakan. Ekstraksi tidak bisa mencocokkan ke katalog yang punya tiga catatan untuk produk yang sama.

Kami membangun alur ekstraksi lengkap dengan validasi, tinjauan, dan integrasi ERP sebagai bagian dari AI Consulting dan Enterprise Software. Bila tim Anda masih mengetik ulang pesanan, hubungi kami dan kirimkan dua puluh dokumen yang lazim.

Ringkasan

AI bisa membaca purchase order dengan tata letak beragam dan mengembalikan data terstruktur, dan ia bisa keliru dengan penuh percaya diri. Bangun alurnya: penerimaan, pembacaan, pencocokan ke data induk, lima pemeriksaan validasi, antrean tinjauan untuk pengecualian, dan pembukuan dengan umpan balik. Ukur akurasi dokumen dan angka lolos langsung pada dokumen Anda sendiri. Pertahankan manusia pada pelanggan baru, pesanan besar, dan apa pun yang gagal pemeriksaan. Jalankan pilot empat minggu dengan 200 dokumen nyata sebelum memutuskan.

Pertanyaan yang sering diajukan

Apa itu ekstraksi dokumen dengan AI?

Memakai model AI untuk membaca dokumen seperti purchase order, faktur, atau surat jalan dan mengembalikan isinya sebagai data terstruktur: pelanggan, nomor pesanan, tanggal, tiap baris beserta barang, jumlah, dan harga. Datanya lalu bisa diperiksa dan dimasukkan ke sistem bisnis tanpa mengetik ulang.

Seberapa akurat AI membaca purchase order?

Pada dokumen ketikan yang jelas, model terkini membaca sebagian besar kolom dengan benar hampir tiap kali, dan hasil pada pindaian buruk, tulisan tangan, serta tata letak tidak lazim jelas lebih rendah. Akurasi harus diukur pada dokumen Anda sendiri. Rencanakan aturan validasi dan tinjauan manusia untuk apa pun yang meragukan, karena angka galat kecil pada ribuan baris tetap berarti pesanan keliru.

Apakah ekstraksi AI menggantikan staf input pesanan?

Ia mengubah pekerjaannya. Mengetik digantikan meninjau pengecualian: pesanan yang produknya tidak tercocokkan, harganya berbeda, atau kolomnya tidak jelas. Tim yang sama menangani lebih banyak pesanan dengan lebih sedikit salah ketik, dan pengetahuan mereka tentang pelanggan serta produk itulah yang menuntaskan pengecualiannya.

Penulis

Tim Etzal Group

Tim Etzal Group, membantu bisnis berkembang dengan teknologi. Hubungi kami.

Layanan terkait

Chatbot WhatsApp AI

Kami bangun, latih, dan jalankan AI agent WhatsApp yang menjawab pelanggan 24/7, mengkualifikasi lead, dan follow-up.