配送与出行 / 网约车与配送
Uber：供应商发票录入与核验
- 企业
- Uber
- 国家
- 美国
- 实施阶段
- 运营中
- 资料发布
- 日期依据
- 资料发布的时间，可能与启用日期不同。
- 依据核验方式
- 阅读原文正文
业务问题
Uber在全球的供应商网络很广，每天要处理大量发票。即便经过自动化，仍有相当一部分发票需要人工处理。人工介入会增加出错风险，进而带来财务不一致和对账问题。经办人处理一张发票的平均耗时较长，延误也较严重。
使用的技术与数据
Uber对seq2seq、Meta Llama 2、Google Flan T5等多个LLM做了微调并进行比较。最终选择了在准确度和适应性上表现更好的OpenAI GPT-4系列。从文档图像中提取文字由内部的Vision Gateway CV平台负责。整体处理运行在内部通用文档处理平台TextSense之上，多分支的作业流程则由Uber的Cadence工作流平台管理。人工确认环节也保留了下来。公司另外做了一个界面，让经办人把PDF原件与模型提取的数值并排比对。确认完成的数值会传给客户系统，用于后续处理和付款。
成果
Uber表示，发票处理的平均耗时减少了70%。与人工相比，成本节省了25-30%。需要人工介入的发票处理减少到原来的1/2（2x）。整体准确率为90%。在提交的发票中，35%达到接近99.5%的准确率，65%达到80%以上的准确率。
局限与待解问题
90%是整体平均准确率，并非所有发票都能不经人工确认就完成。Uber表示，只对过去达到过100%准确率的情形实行完全自动处理。
来源
本案例根据公开资料整理，并非 ATF Works 客户的成果。