มาตรฐาน AI-OCR: การทำให้กระบวนการใบกำกับภาษีไทยเป็นอัตโนมัติ

สำนักงานบัญชีไทยทุกแห่งที่ดูแลพอร์ตโฟลิโอลูกค้าในช่วงปิดบัญชีรู้จักภูเขาใบกำกับภาษีดี กล่องใบเสร็จ ภาพถ่ายใบกำกับภาษีย่นยับจาก WhatsApp ปึกใบกำกับภาษีที่ต้องป้อนข้อมูลทีละใบก่อนที่จะยื่น ภ.พ.30 ได้แม้แต่ฉบับเดียว นี่คือความเป็นจริงในการดำเนินงานของสำนักงานบัญชีขนาดย่อมมาหลายปี และยังคงอยู่เพราะงานพื้นฐาน ซึ่งก็คือการอ่านเอกสารกระดาษหรือสแกนแล้วป้อนตัวเลขเข้าระบบ เป็นงานที่ต้องทำด้วยมือโดยธรรมชาติ

AI-OCR ได้เปลี่ยนงานนั้นในแบบที่การสแกนพื้นฐานและฟอร์ม PDF ทำไม่ได้ ความแตกต่างนี้มีความสำคัญสำหรับสำนักงานบัญชีไทยที่กำลังประเมินว่าจะลงทุนในเครื่องมือประเภทนี้หรือไม่ OCR แบบเดิมเป็นปัญหาการรู้จำตัวอักษร ทำงานได้ดีกับข้อความพิมพ์ในรูปแบบมาตรฐานแต่ไม่น่าเชื่อถือกับเลย์เอาต์ที่หลากหลาย ตัวหนังสือที่เลือนราง และรายการที่เขียนด้วยมือซึ่งปรากฏในใบเสร็จจริง AI-OCR ใช้ Machine Learning บนชั้นการรู้จำเพื่อดึงข้อมูลที่มีโครงสร้างจากเอกสารที่ไม่มีโครงสร้าง ระบบระบุได้ว่ารายการใดคือยอด VAT แม้ว่าช่องนั้นจะปรากฏในตำแหน่งต่างกันในแต่ละประเภทใบกำกับที่ลูกค้าส่งมา

ทำไมใบกำกับภาษีไทยจึงยากเป็นพิเศษ

ใบกำกับภาษีไทยมีความท้าทายเฉพาะสำหรับการประมวลผลอัตโนมัติ ต่างจากแบบฟอร์มรัฐบาลมาตรฐานที่มีเลย์เอาต์คงที่ ใบกำกับแตกต่างกันมากในแต่ละผู้ขาย ได้แก่ ตำแหน่งเลขประจำตัวผู้เสียภาษี เลย์เอาต์รายการ การวางยอด VAT และการแสดงยอดรวมแบบมีหรือไม่มีการแยกรายละเอียด ล้วนแตกต่างกันในแต่ละผู้ออกใบกำกับ ใบกำกับบางใบมาเป็น PDF ที่ชัดเจน บางใบมาเป็นภาพถ่ายในแสงน้อย บางใบเป็นหน้าสแกนที่มีความเอียงและเงาที่ระบบรู้จำรุ่นเก่าไม่สามารถจัดการได้อย่างสะอาด

ภาษาไทยเพิ่มความซับซ้อนอีกชั้นที่ระบบที่ฝึกด้วยเอกสารอักขระละตินจัดการได้ไม่ดี อักขระไทยมีวรรณยุกต์และสระที่ปรากฏเหนือและใต้พยัญชนะในรูปแบบผสมที่เปลี่ยนความหมาย รูปร่างของอักขระบางตัวใกล้เคียงกันพอที่จะทำให้เกิดข้อผิดพลาดในการรู้จำแม้ในการสแกนคุณภาพดี ก, ถ และ ภ เป็นตัวอย่างหนึ่ง พ และ ฟ เป็นอีกตัวอย่าง ภาษาไทยไม่มีช่องว่างระหว่างคำ ซึ่งหมายความว่าระบบรู้จำต้องระบุขอบเขตคำและช่องข้อมูลผ่านบริบทที่เรียนรู้มา ไม่ใช่โดยการค้นหาช่องว่าง

ผลลัพธ์คือเครื่องมือ OCR พื้นฐานที่นำมาใช้กับใบกำกับภาษีไทยจะผลิตผลลัพธ์ที่ต้องการการแก้ไขด้วยมืออย่างมาก ระบบ AI-OCR ที่ฝึกด้วยเอกสารไทย พร้อม Machine Learning ที่ปรับตัวตามเลย์เอาต์ที่หลากหลายและแก้ไขความคลุมเครือของอักขระผ่านบริบท ผลิตผลลัพธ์ที่แม่นยำพอที่จะลดขั้นตอนการตรวจสอบจากการป้อนข้อมูลซ้ำทั้งหมดเหลือแค่การตรวจสอบแบบเลือกจุด

มาตรฐานปัจจุบันมีหน้าตาอย่างไร

ผู้ให้บริการซอฟต์แวร์บัญชีไทยรายใหญ่ต่างก็ขยับตัวในเรื่องนี้แล้ว

ฟีเจอร์ Autokey ของ FlowAccount ดึงข้อมูลใบกำกับและใบเสร็จโดยอัตโนมัติ ตรวจสอบความถูกต้อง และขจัดการพิมพ์ด้วยมือ สำนักงานที่ใช้ Autokey อัปโหลดภาพใบเสร็จ จากนั้นข้อมูลที่ดึงออกมาจะกลับมาพร้อมโครงสร้างและพร้อมตรวจสอบ แทนที่จะเป็นช่องว่างที่รอให้นักบัญชีกรอก

การผสานรวมของ PEAK Account กับ ZTRUS OCR ใช้ขั้นตอนงาน 5 ขั้น ได้แก่ สแกนเอกสาร อัปโหลดไปยัง ZTRUS ดาวน์โหลดข้อมูลที่ดึงออกมาเป็น Excel ตรวจสอบใบเสร็จที่ระบบทำเครื่องหมายว่าต้องการการยืนยัน และอัปโหลดข้อมูลที่สะอาดเข้า PEAK ระบบ ZTRUS มีชั้น Intelligent Suggestion ที่ระบุว่าใบเสร็จใดไม่ต้องการการตรวจสอบเพิ่มเติม ดังนั้นเวลาตรวจสอบของนักบัญชีจึงไปที่กรณีที่ไม่แน่นอนแทนที่จะเป็นทั้งกองเอกสาร

การใช้งานทั้งสองรูปแบบมีตรรกะโครงสร้างเดียวกัน นักบัญชีไม่ได้พิมพ์ข้อมูลจากกระดาษเข้าระบบอีกต่อไป แต่กำลังตรวจสอบข้อมูลที่ดึงออกมาซึ่งมีโครงสร้างแล้ว และใช้ความพยายามในการยืนยันกับเฉพาะเอกสารที่ AI ทำเครื่องหมายว่าไม่แน่นอนเท่านั้น นี่คือการเปลี่ยนแปลงที่ทำให้ AI-OCR แตกต่างจากการสแกนเอกสารรุ่นเก่าอย่างมีสาระ สำหรับสำนักงานที่ประมวลผลใบกำกับห้าสิบถึงร้อยใบต่อลูกค้าต่อเดือนในพอร์ตโฟลิโอห้าสิบบริษัท การลดเวลาป้อนข้อมูลในช่วงปิดบัญชีรายเดือนอยู่ที่หลายสิบชั่วโมงต่อพนักงานแต่ละคน

ทิศทางจาก depa

สำนักงานส่งเสริมเศรษฐกิจดิจิทัล (depa) ให้เงินอุดหนุนโครงการ AI Transformation สำหรับ SME ไทย รวมถึงสำนักงานบัญชี ทิศทางจากภาครัฐสอดคล้องกับสิ่งที่ตลาดแสดงให้เห็นอยู่แล้ว AI-OCR ไม่ใช่ฟีเจอร์พรีเมียมอีกต่อไป แต่เป็นมาตรฐานการดำเนินงาน

สำนักงานที่ยังพิมพ์ใบกำกับด้วยมือในปี 2569 ไม่ได้ดำเนินงานตามมาตรฐานปัจจุบัน แต่ตามหลังอยู่ นี่ไม่ใช่การทำนายเกี่ยวกับอนาคตของอุตสาหกรรม แต่เป็นคำอธิบายถึงสิ่งที่เกิดขึ้นอยู่แล้วในสำนักงานที่นำ OCR มาใช้ในปี 2567 และ 2568

นัยเชิงแข่งขันสำหรับสำนักงานบัญชีขนาดย่อมนั้นตรงไปตรงมา การทำบัญชีด้วยมือในรูปแบบคิดค่าใช้จ่ายตามต้นทุนกำลังถูกดึงราคาลงจากด้านล่างโดยสำนักงานที่ประมวลผลเอกสารลูกค้าในปริมาณเดียวกันในเวลาน้อยกว่ามาก เมื่อต้นทุนการประมวลผลต่อใบกำกับลดลงสำหรับสำนักงานที่ใช้เทคโนโลยี ค่าธรรมเนียมที่สำนักงานขนาดย่อมสามารถเรียกเก็บสำหรับการทำบัญชีพื้นฐานเผชิญแรงกดดันขาลงที่ไม่มีอะไรเกี่ยวกับคุณภาพแต่เกี่ยวกับความเร็วทั้งหมด สำนักงานที่จัดการกับเรื่องนี้ได้สำเร็จคือสำนักงานที่ใช้ OCR เพื่อขจัดงานป้อนข้อมูลที่มีมาร์จินต่ำและเปลี่ยนทิศทางกำลังงานนั้นไปสู่ชั้นงานที่ปรึกษา ได้แก่ การวิเคราะห์การเงิน การวางแผนภาษี และการสนทนากับลูกค้า ซึ่ง AI ไม่ได้แทนที่ดุลยพินิจของวิชาชีพและค่าธรรมเนียมสะท้อนมูลค่าของคำแนะนำ

สิ่งที่ OCR ทำและสิ่งที่ไม่ทำ

ควรระบุขอบเขตของ AI-OCR ให้ชัดเจนก่อนจะถือว่าเป็นโซลูชันครบถ้วน OCR ดึงข้อมูลที่มีโครงสร้างจากภาพเอกสาร ได้แก่ จำนวนเงิน วันที่ เลขประจำตัวผู้เสียภาษี ชื่อผู้ขาย รายการ แต่ไม่ได้จัดประเภทจำนวนเงินเหล่านั้นเข้าบัญชีที่ถูกต้อง ไม่ได้ทำเครื่องหมายความผิดปกติในรูปแบบค่าใช้จ่ายของลูกค้า ไม่ได้ระบุว่าใบเสร็จไม่สอดคล้องกับเดือนก่อนหรือค่าใช้จ่ายที่อ้างสิทธิ์อยู่ในหมวดหมู่ที่ต้องการเอกสารประกอบ ขั้นตอนเหล่านั้นต้องการระบบที่สามารถเชื่อมต่อข้อมูลที่ดึงออกมากับบันทึกคดีของลูกค้าและใช้บริบทกับสิ่งที่ตัวเลขหมายความว่า

วิธีที่ถูกต้องในการคิดเกี่ยวกับ AI-OCR คือมันเป็นขั้นตอนแรกในขั้นตอนงานเอกสาร ไม่ใช่ขั้นตอนงานทั้งหมด ลำดับคือ OCR ดึงข้อมูลที่มีโครงสร้างจากภาพใบกำกับ ระบบบัญชีรับอินพุตที่มีโครงสร้าง ชั้นแพลตฟอร์มที่เชื่อมต่อกับระบบบัญชีใช้ดุลยพินิจกับสิ่งที่ต้องทำกับข้อมูลนั้น หากขาดขั้นตอนที่สาม ประสิทธิภาพที่ได้จาก OCR ก็ยังเป็นจริงแต่จำกัด เมื่อมีขั้นตอนที่สาม เอกสารจะหยุดที่จุดที่การตรวจสอบของมนุษย์เพิ่มมูลค่าที่แท้จริง ไม่ใช่ที่จุดที่คนต้องพิมพ์สิ่งที่มองเห็นอยู่แล้ว

ตำแหน่งของ FirmFlow ในขั้นตอนงานนี้

Document Analyser ของ FirmFlow ดูแลชั้นระหว่างใบเสร็จกับระบบบัญชี เมื่ออัปโหลดเอกสารลูกค้าไปยังแพลตฟอร์ม เครื่องมือจะดึงและจัดประเภทข้อมูลก่อนที่จะถึงเครื่องมือบัญชี โดยเพิ่มขั้นตอนการจัดประเภทและตรวจสอบที่ผลลัพธ์ OCR ดิบต้องการ ข้อมูลที่ดึงออกมายังอยู่ในบันทึกคดี พร้อมสำหรับการสนทนาเชิงที่ปรึกษาและร่างรายงาน ไม่ใช่แค่เป็นรายการในบัญชีแยกประเภท

สำหรับสำนักงานที่ใช้ FlowAccount หรือ PEAK สำหรับการยื่นตามกฎหมายและการรายงาน VAT FirmFlow อยู่เหนือชั้นนั้น ดูแลการรับเอกสาร การจัดประเภท และการวิเคราะห์เบื้องต้นที่เครื่องมือเหล่านั้นคาดว่าจะได้รับเป็นอินพุตที่มีโครงสร้าง นักบัญชีตรวจสอบสิ่งที่ FirmFlow จัดประเภท อนุมัติ และข้อมูลสะอาดไหลลงสู่ระบบบัญชี ขั้นตอนการพิมพ์ซ้ำด้วยมือถูกขจัดออก และขั้นตอนการตรวจสอบถูกรวมศูนย์ไว้ที่กรณีที่ดุลยพินิจของวิชาชีพจำเป็นจริงๆ

คำถามเชิงปฏิบัติสำหรับสำนักงานขนาดย่อม

คำถามสำหรับสำนักงานบัญชีไทยขนาดย่อมในปี 2569 ไม่ใช่ว่า AI-OCR คุ้มค่าที่จะใช้หรือไม่ คำถามนั้นได้รับการตอบแล้ว แต่เป็นว่าการใช้งาน OCR เชื่อมต่อกับขั้นตอนงานที่เหลือของลูกค้าหรือไม่ ซึ่งรวมถึงบันทึกคดี การสนทนาเชิงที่ปรึกษา และผลงานสุดท้าย

OCR ที่ผลิตไฟล์ Excel เป็นการปรับปรุงอย่างมีนัยสำคัญเมื่อเทียบกับการป้อนข้อมูลด้วยมือ OCR ที่ผลลัพธ์เชื่อมต่อโดยตรงกับบันทึกลูกค้าและแจ้งข้อมูลชั้นที่ปรึกษาคือเวอร์ชันที่เปลี่ยนสิ่งที่สำนักงานสามารถเรียกเก็บได้ ภูเขาใบกำกับไม่ได้หายไป แค่ไม่ต้องการให้มนุษย์อ่านทีละใบและพิมพ์จากมันอีกต่อไป เวลาที่ฟื้นคืนมาเป็นวัตถุดิบของสำนักงานที่ปรึกษาที่กฎระเบียบการบัญชีปี 2569 กำลังผลักดันสำนักงานไทยขนาดเล็กไปสู่