OCR of document-AI? Tekst herkennen versus begrijpen wat er staat en de juiste velden eruit halen. Wanneer OCR genoeg is en wanneer niet.
OCR zet beeld om in tekst: hij herkent karakters, meer niet. Document-AI begrijpt wat er staat (welke velden een factuur of contract bevat, hoe ze samenhangen) en levert gestructureerde data op. OCR genoeg voor één vast layout en simpele zoektekst; zodra documenttypes wisselen, wint document-AI. Samen: OCR levert de tekst, het model haalt de velden eruit.
OCR leest wát er staat; document-AI leest wat het betekent. De eerste geeft je een tekstlaag waarmee je kunt zoeken, de tweede geeft je velden waarmee je kunt verwerken. Het bedrag, de datum, de tegenpartij, netjes op hun plek in je systeem. Ze zijn dus geen concurrenten maar verdiepingen: bijna elke moderne documentverwerking gebruikt herkenning als onderlaag en begrip als bovenlaag.
Let in de tabel op de rij wisselende layouts. Daar beslist zich de keuze in de praktijk. Heeft elke inzender zijn eigen formulier, dan groeit een template-collectie die onderhouden moet worden door iemand die begrijpt waarom een template brak. Document-AI kent die collectie niet: het herkent het soort document en vult de velden. De rij foutgedrag is de keerzijde: begrip kan overtuigend mislukken, en daarom hoort controle bij document-AI, niet als optie maar als ontwerp.
OCR is genoeg (en vaak beter) als de invoer voorspelbaar is: één vast formulier in groot volume, dezelfde posities bij elke scan, en een doel dat doorzoekbaarheid is in plaats van verwerking. Denk aan archieven die doorzoekbaar moeten worden, of een intern formulier dat in eigen beheer is. Voor die taak is OCR voorspelbaar, snel en zonder modellen die beoordeeld moeten worden.
Ook als onderdeel van een grotere pijplijn blijft hij staan: de herkenningslaag die tekst levert, waar een bovenliggende laag de betekenis uit haalt. In die rol is hij geen concurrent maar fundament.
Kies document-AI zodra de invoer wisselt: leveranciers die elk hun eigen factuur sturen, aanvragen in vrij formulier, contracten die per partij anders opgebouwd zijn. Dan is het doel niet lezen maar verwerken. Velden die je systeem in gaan, werkstroom die verder loopt zonder dat iemand overtypt. Precies daar verdient begrip zich terug, bij elk nieuw documenttype opnieuw.
Wees eerlijk over de voorwaarde: elk ingevuld veld kan fout zijn, dus controle hoort bij het ontwerp. In onze trajecten krijgt elk veld een betrouwbaarheidsmeting en blijft de mens in de lus bij twijfel. Liever een gecontroleerde overname dan een stille overname die er goed uitziet.
Dat is de standaardbouw: herkenning als onderlaag, begrip als bovenlaag. De herkenning levert de tekst, het model leest er de velden uit, en de controle bepaalt wat automatisch door mag en wat een mens ziet. Wat zo'n pijplijn vraagt hangt vooral aan het aantal documentsoorten en hun rommeligheid, niet aan de techniek; we schatten elk traject per project in op nacalculatie, met een heldere offerte vooraf. Een concreet voorbeeld van deze aanpak staat op /oplossingen/documentextractie-met-ai.
Voor zijn eigen taak: ja. Eén vast formulier, grote volumes, doorzoekbaarheid als doel. Daar is OCR voorspelbaar en volwassen, en is een model onnodig. De grens is de wisseling: zodra layouts variëren per inzender of het doel verwerken wordt in plaats van zoeken, houdt OCR op een oplossing te zijn en wordt het een template-collectie die onderhoud vraagt. De vraag is dus niet of OCR oud is, maar of jouw documenten zich aan één vorm houden.
Een hallucinatie is een veld dat het model invult met iets dat er niet staat. Een bedrag dat klopt in de context maar niet in het document, een datum die aannemelijk is maar verzonnen. Het klinkt overtuigend, en dat is juist het gevaar. De afvang is ontwerp: betrouwbaarheidsmeting per veld, verificatie tegen de brontekst, en een mens in de lus bij lage zekerheid. Zo blijft de fout zichtbaar in plaats van stil het systeem in te lopen.
Niet te tellen in soorten maar in gedrag. Eén vast formulier in groot volume is OCR-gebied; de wisseling begint zodra inzenders hun eigen vorm meebrengen of het aantal templates groeit dan je wilt onderhouden. Twee soorten met wisselende layouts kunnen document-AI al rechtvaardigen als de velden in een systeem moeten landen. We beoordelen het aan de hand van jouw echte documenten, en zeggen ook eerlijk wanneer OCR nog voldoet. Elke prijs bepalen we op nacalculatie.
Beter dan templates, maar niet wonderbaarlijk. Omdat het betekenis leest in plaats van posities, houdt het scheve scans, stempels en verschillende lettertypes beter vol; los handschrift blijft afhankelijk van leesbaarheid. In de praktijk lossen we dat op met een expliciete beslissing per document: goed leesbaar gaat automatisch door, twijfelachtig krijgt een mens. Dat is geen zwakte maar de juiste verdeling van werk. Het systeem raakt niets aan wat het niet betrouwbaar gelezen heeft.
EIGHTY8