玉山銀行打造一套票據手寫辨識模型,能準確識別票據中的日期、新臺幣大寫金額,以及阿拉伯數字金額。這個模型,讓玉山每天解放4、5名人力。(圖片來源/玉山金控)

玉山銀行一年要發出上千萬張支票,為正確登記票據金額,往往得動用大量人力登打資料。

從流程上來說,每張支票或匯款單進入分行後,分行會開始審核、簡單建檔以及掃描影像,再由集中作業部人工建立完整檔案、確認資料,最後才交給票據交換所。

而玉山銀行的最大痛點,就在集中作業部。因為,他們得耗費大量人力和工時來登打資料,每到月初月底,還得調度人力應付大量業務。這種調度仰賴經驗,沒有系統能即時監控、輔助決策;也因為沒有系統,支援紀錄不被留存,考核時更難有依據依循。

為解決問題,玉山銀行展開一項AI專案,要打造一套票據手寫辨識模型,來輔助人員登打資料。

收集各種資料,要讓模型辨識國字、數字和不同字體

這套模型的任務,是要辨識票據上的日期、新臺幣大寫金額,以及阿拉伯數字金額。但對開發這套模型的智能金融處來說,還有個挑戰,也就是不同字體的辨識。

舉例來說,票據上的日期有可能是手寫或印刷體,也有可能是機器打印。為了讓模型學會辨識多元字體,玉山銀行收集了大量票據資料來訓練。

模型訓練完畢後,就部署到內部MLaaS平臺上,讓業務系統透過API呼叫模型辨識。在辨識流程上,前端票據作業系統收到票據掃描檔後,會呼叫MLaaS平臺的票據辨識模型,來判斷票據資訊。

設計專屬Feedback API即時教模型,每天解放4、5名人力

這時,票據辨識模型會先告知系統,是否能正確辨識票據金額和日期。若能辨識,就會進入後續自動化流程,要是無法,則由前端票據作業系統觸發人工處理通知。

這麼做的好處是,團隊可以即時回饋資料,用人工辨識的資料來重新訓練模型、提高辨識準確度。為加強這一點,玉山還設計一支Feedback API,能從前端票據作業系統傳遞交易ID和基準值(Ground Truth)數值,來觸發後端系統,重新訓練模型。

玉山透露,現在約9成票據不再由人工辨識,相當於每天解放4、5名人力,來從事更有價值的工作。


熱門新聞

Advertisement