AI 擷取文件欄位怎麼驗？保留頁面線索並處理不清楚的值
從欄位清單、頁碼段落線索到缺值標記、數值覆核、例外佇列與抽樣檢查，建立可追溯的文件擷取品質流程。
文件欄位擷取的難處，往往不是把字讀出來，而是知道每個值來自哪一頁、缺少時怎麼標記、何時需要人來判斷。把檢查方法放在流程前端，能讓業務、財務或行政人員依同一套證據核對結果。以下用合約、申請表與單據說明做法；所有數字情境均為假設示例。
限定擷取欄位清單
開始前先把「要擷取什麼」寫成可判定的欄位清單，避免要求系統理解整份文件，卻沒有一致的驗收標準。每一列至少說清楚欄位名稱、用途、格式、是否必填、允許的值，以及判斷依據。例如採購單可先限定供應商名稱、單號、日期、幣別與總額；品項很多時，再決定是否需要逐列擷取品名、數量和單價。這是範圍設計，不代表特定工具已有這些功能。
欄位名稱相近時，要明確區分意思。「金額」可能是未含其他費用的小計，也可能是最後應付總額；「日期」可能指開立日、收件日或到期日。把定義寫成一句話，並附一個合格值與一個不合格值，審核人員才不會只看字面猜測。格式也要先決定，例如日期是否統一為年、月、日，千分位逗號是否保留；原始文字仍需留存，避免標準化後無法回查。
清單應對應實際決策：若某欄位不會觸發後續動作，也沒有報表用途，可以暫緩擷取；若它會影響付款、對帳或案件分流，就應標明責任人與覆核方式。新增欄位時記錄版本和生效文件類型，避免舊文件被新規則誤判。先用少量代表性文件走過「擷取、核對、修正」流程，再確認每個人對必填、選填和不適用的理解一致，才擴大處理範圍。欄位負責人可用三個問題驗收清單：值是否能從原文直接找到、兩位檢查者是否會得出相同解讀、下游使用者是否知道空值代表什麼。任何一題答不出來，就先補充定義或例子，不要把未決規則交給擷取流程自行猜。這樣日後調整欄位，也能指出改的是目的、格式還是適用文件。
保留頁碼段落線索
擷取值要能回到原文件的位置，不能只留下欄位名稱和答案。每筆結果可保留文件識別碼、檔案頁序、頁面上的標題或段落線索，以及值附近的短摘錄；若工作流程可記錄畫面座標，也可一併保存，讓覆核者快速定位。頁碼最好採檔案實際頁序，文件印出的頁碼另存為線索，因為封面、附件或重新掃描後，兩種頁碼可能不同。重點是讓另一個人能找到同一處文字。
遇到表格時，光記「第 2 頁」通常不夠。還要保留欄名、列的識別文字或相鄰項目，避免把上一列的金額配給下一個品項。若欄位值分散在不同頁，例如首頁有當事人名稱、附件才有日期，就為每個欄位分別記錄來源，不要只替整份文件附一個頁碼。若來源是試算表或照片，則用工作表名稱、區塊標題或影像檔名等可重現的定位方式取代頁碼。
短摘錄應足以核對，但不要把整頁內容複製到結果欄。對掃描品質差的文件，應保留原頁影像或可開啟的內部參照，並確認有權限的人員能看見來源。假設一份兩頁申請表的聯絡地址在第 1 頁、簽署日期在第 2 頁，結果就分開寫明「檔案第 1 頁／地址欄」與「檔案第 2 頁／簽署區」，而不是僅記「申請表」。這個假設例子說明的是定位格式，並非客戶案例。
保存線索後，覆核者應能依序完成三件事：開啟正確文件、定位到同一段、確認摘錄支持欄位值。若其中一步需要猜測，就回頭補強定位欄位或改善檔案命名。可以先挑一份多頁文件，由未參與擷取的人照線索回找；若他無法在合理操作下找到文字，線索還不夠清楚。
缺少欄位標為待查
文件沒有出現某個欄位時，結果應明確表示「未找到」或「待補」，不能把空白轉成零、沿用上一筆資料，或用常見值填上。空值只有一個外觀，背後卻可能是欄位不存在、影像太模糊、欄位不適用、文件尚未提供，或擷取步驟失敗；若把這些情況混在一起，後續人員就不知道該補文件、重掃還是略過。每個欄位應同時保存值與狀態，讓下游流程依狀態判斷能否繼續。
可以先約定少數、彼此不重疊的狀態，例如「已找到」、「文件未載明」、「看不清楚」、「待補資料」和「不適用」。每種狀態都要指定處理方式：「文件未載明」保留空值並提示資料提供者；「看不清楚」附來源位置送人工辨識；「不適用」則要求有可檢查的理由或規則。不要只寫「無資料」，因為它沒有說明目前是文件本來沒有，還是擷取端沒讀到。若無法判斷原因，就先標為待查，不要自行選一個最方便的狀態。
例如，假設一張申請表的電話欄沒有填寫，而電子郵件欄清楚可讀，結果可保留電子郵件值，電話欄則標示「文件未載明」，而不是把電話欄留成無註記的空格。若文件把電話欄遮住或掃描模糊，狀態應改為「看不清楚」，並要求補交清晰頁面。這些是示意情境；是否必填，仍由文件流程的負責人決定。
在資料送往下一步前，先檢查必要欄位是否都有值或明確狀態。若必要欄位仍待補，就停在可追蹤的待查節點，記錄缺少什麼、由誰補充以及補回後如何重新核對。選填欄位可以帶著未載明狀態繼續，但要讓接收者看見狀態。這種做法可避免沉默的空格被誤當成已確認的答案，也讓缺件追問有具體依據。
人工覆核重要數值
金額、數量、日期與識別碼一旦抄錯，可能影響對帳、付款或案件追蹤，因此應依欄位影響程度安排覆核。先列出高影響欄位，再決定哪些值要逐筆人工看原頁、哪些可由另一個欄位交叉核對、哪些只需抽樣。覆核者需要同時看到擷取值、原始文字和來源線索；若畫面只顯示結果，檢查者容易受答案影響而忽略原文。重要數值的覆核是流程控制，不代表擷取結果自動正確。
閱讀數字時，逐項確認正負號、小數位、千分位、幣別和單位；日期則核對月份與日的順序，避免把相似格式誤讀。若文件同時列出小計、運費與總額，先確認各欄位的定義，再檢查它們彼此是否符合文件上的呈現。不要把系統計算出的結果冒充原文值；如需計算，應另標為「核對值」，保留來源各項金額。遇到手寫、模糊或格式不一致的數字，不應靠經驗補齊，應轉入待查。
以下是純假設的核對例：某張單據明列小計 1,200 元、運費 100 元、合計 1,300 元。覆核時先確認三個數字與各自欄名，再確認 1,200 加 100 等於 1,300；若擷取結果把運費讀成 10 元，即使合計欄清楚，也應記錄差異、指出來源位置並退回修正，而不是只改成預期值。這組數字只用來演示檢查順序，並非真實交易或費用資料。
可以設定雙人覆核或抽樣覆核，但規則應看錯誤後果與文件品質，而非一體適用。每次修正都保留原值、修正值、原因與覆核人，讓錯誤能回饋到欄位定義或文件範本。若同一類數值反覆出錯，就增加該欄位的核對步驟或重新檢查來源格式；不要只要求人員「更仔細」。
不確定值進例外佇列
擷取結果有兩個以上合理讀法、原文模糊、欄位內容互相矛盾，或資料格式不在已定義範圍時，應進入例外佇列，等待指定人員判斷。不要挑一個看起來最常見的值直接往下送；這會讓不確定性消失在資料裡，後續也難以追查。例外的觸發條件可先寫成簡短清單，例如「無法找到來源」、「候選值不只一個」、「必要欄位缺少」及「交叉核對不一致」，供人員依同一規則處理。
每個待處理項目至少記錄文件識別碼、欄位、目前候選值、來源位置、觸發原因和處理狀態。負責人收到後，應回看原頁並選擇確認候選值、修正為另一值、要求補件，或標示仍無法判定；每種決定都保留理由。若原文確實無法判讀，就不要逼迫覆核者產生答案。先將欄位維持待查，請文件提供者重掃或補充；只有取得新證據後，才更新值與狀態。
例如，假設掃描影像中的單號最後一碼可能是「3」或「8」，而清單裡沒有可用的第二處來源。例外項目可附上該頁的局部線索和兩個候選讀法，請熟悉該文件流程的人確認；不能因為其中一個號碼較常見，就當作已驗證。若能從同一文件的另一頁找到一致單號，應同時記錄兩處來源，說明採用哪一處及原因。
佇列也要有退回與重開方式：補件回來後重新連結原案件，保留先前的候選值和判斷紀錄；若被退回者認為證據不足，回到待查而不是覆寫成新答案。負責人可按影響程度和等待時間排序，但不應自行設定沒有依據的完成時限。定期檢視常見原因，若模糊都來自同一種掃描方式，就改善收件或掃描流程；若多數是定義不清，則回到欄位清單修正。
抽樣檢查結果
抽樣檢查要先說明抽哪些文件、涵蓋哪些類型、檢查哪些欄位，以及判定正確的條件。若文件來自不同部門、格式版本或掃描來源，可分組抽取，避免樣本只集中在最容易處理的一種。檢查者應依原始頁面核對擷取值，也要確認缺值狀態與例外轉送是否符合規則。每次記錄樣本總數、已核對欄位數、錯誤數、狀態判定錯誤和錯誤類型；只寫「抽查通過」沒有足夠資訊供下次比較。
比率要說明分母。例如，純假設地抽查 20 份文件，共核對 100 個欄位值，發現 4 個值錯誤，欄位值正確率就是 96/100，即 96%；這不等於 20 份文件都完整正確，也不能直接保證未抽中的文件無誤。另一種錯誤是欄位未出現卻被填入預設值，應另外記錄狀態錯誤，不能只算字面是否相符。要比較兩批結果，文件類型、欄位清單和判定方式需一致，否則數字不能直接解讀成流程改善或退步。
抽樣發現錯誤後，先把每一筆分類為欄位定義不清、定位線索不足、數字誤讀、缺值標示錯誤或例外未送出，再決定改善哪一個環節。高影響欄位若出現錯誤，可先暫停該類結果的自動流轉，回看同批文件並加強人工覆核；低影響格式問題則可修正對應規則，重新抽查確認。檢查記錄應保留抽樣日期、文件類型、樣本範圍、錯誤例子和採取的修正，方便後續追蹤，而不是只看單一總分。
下一步可先挑一種常見文件，列出少量必要欄位，找幾份代表性樣本，照「值、來源、狀態、覆核結果」逐項記錄，再由另一位同事回看能否重現判斷。若要把流程盤點、最小化設計、導入與維護接到既有業務，可前往 ZhenheAI 官網 了解協作方向。