影像智慧辨識 InsAI 的大幅進化，超前佈署 AI代理輔助業務流程
在現代企業營運流程中，時常因為個資法、資安等合規要求，充滿著許多的紙本表單作業，往往需要耗費大量時間心力，以人工確認內容和手動輸入。傳統的OCR解決方案雖然做到了把部分表單影像識別成文字，但依然無法節省資深人員太多時間。我們在和客戶的交流中發現解決痛點的關鍵不只是把影像「看成文字」，而是能不能把整張表格「看懂」並轉成可用的結構化資料，讓對的資訊進入下一個企業營運流程中，作進一步的使用。
企業營運流程充斥大量的紙本表單作業耗費大量人力作業
「InsAI智慧辨識系統」 透過知識蒸餾將 LVLM（Large Vision-Language Model 視覺語言大模型）收斂，讓適合台灣各式表單的通用影像辨識模型，有機會成為落地運用的選項。這個通用影像辨識模型的發展目標，是期望將表格中的欄位、標題、註記與版面關係一併解析輸出，後續可直接將結構化結果串接進後續應用系統，實現端到端的文件影像辨識（End to end Visual Document Understanding，E2E VDU）；也可以根據特定表單需求，由客戶提供真實場景資料，將通用影像辨識模型打造成專屬單一特定業務流程的辨識專家模型，進一步提高精準度及速度，縮短人工彙整時間。
同時，我們也嘗試將智慧辨識的結果，與LLM（大語言模型）做結合，希望把辨識結果的內容作為 Prompt 或是關鍵字，讓單純的辨識結果透過檢核，進一步也有摘要、報告生成等功能，把「看懂→使用→再行動」串成一條龍，提供給使用者近似 AI 代理人輔助的工作體驗。
AI視覺辨識場景一｜提貨單 & 會計師證明表：多版型解析與跨欄位檢核
零售業或製造業的提貨單常見多版面與表格內文的斷行等內容（如提單號、貨櫃/封號、收送貨人、重量/容積與異動紀錄），會計師證明表則牽涉人名、證號、印鑑影像與有效期限等關鍵資訊。InsAI 的智慧辨識，能同時理解「欄位在版面中的語意位置」與「欄位與欄位之間的關聯」，因此即便模板、欄位標籤與排列不同，也能穩定抽取；抽取後再利用「視覺辨識＋邏輯規則」進行智慧檢核，例如：提單號格式是否正確、日期是否跨月異常等，系統以比對與高亮方式提示可疑欄位，將人工覆核聚焦在高風險點。此類「擷取→檢核」的流程，也可參考 InsAI.FS 財報智慧辨識系統在財報場景所展示的視覺檢核能力與換頁/換行理解能力，方法論雷同，但規則依表格而動態調整，體現更廣泛的利用。
AI智慧影像辨識在表單欄位中的換行也能夠被辨識與理解
AI視覺辨識場景二｜支票 & 扣繳憑單：語義比對與法遵型表單的精準擷取
支票處理重點在「數字金額 vs. 中文大寫」、「磁字 vs. 支票號碼、帳號、付款行」等一致性，以及出票/到期日與出票人資訊；InsAI 透過智慧辨識把金額欄、日期欄與票據區塊語義解析，再由規則層進行一致性檢核與異常提示，快速鎖定需人工複核的樣本。扣繳憑單屬法遵型表單，欄位（例如所得者、身分證號、所得類別、扣繳金額等）標準化程度高，但手寫風格與掃描品質差異大；InsAI智慧辨識針對扣繳憑單等公文、證件型表單驗證其可行性，並強調面對「影像雜訊、手寫文字、外文、多版型」等傳統 OCR 瓶頸時，整體語意理解仍能維持穩定抽取與歸檔的效率與準確。對於需大量對帳與稽核的單位而言，這種「欄位—語意—規則」三層結合的 AI 視覺辨識架構，能顯著降低資料登錄錯誤並加速法遵流程。
InsAI智慧辨識系統能精準擷取辨識能多款法遵型表單的欄位
AI視覺辨識場景三｜醫療費用收據 & 手寫表格：多型態内容呈現
不同的醫療院所有不同的格式的醫療費用收據，而每張收據上的細節費用科目，例如手術費、材料費、證明書費...等，也呈現寫法大同小異的狀況。這類單據就很明顯是對於人的閱讀來說是容易的，但是要讓模型理解，就得費一番工夫。若是遇到基層診所，有些醫療費用收據是手寫，就再提高手寫辨識的困難度。同時影像來源有影印後輸出成電子檔，或者是手機翻拍，通常這類型的影像紙本上會有印章痕跡，容易被塞在口袋裡所以有摺痕，甚至水漬等影響的可能，相對於其他類別，影像的乾淨度比較無法要求，算是挑戰比較高的類型。InsAI 智慧辨識以語義理解處理「表頭—明細—總計」的層次關係，抽取後可自動彙總並輸出結構化資料，以縮短核對時間，讓現場隨拍、歷史掃描或非標準紙本都能被「看懂」，最後以結構化輸出進 ERP/票據/理賠系統。InsAI 智慧辨識將協助企業建置專屬 AI辨識解決方案，助益組織處理繁瑣的表單作業。
VDU 以區塊語義理解處理「表頭—明細—總計」的層次關係
VDU+ LLM 實踐抽取更準、驗核更快、交付即用目標
InsAI 智慧辨識在財報場景展示的能力延伸到「表格」應用；其中「視覺檢核、換頁/換行理解、API 串接與結構化輸出後生成報告」等做法，皆可按照表單型態（提貨單、會計師證明表、支票、扣繳憑單、醫院收費單、手寫任意表格）配置規則與語意範本，以達到「抽取更準、驗核更快、交付更即用」的目標，實踐用AI協助人員作業大幅提升效率的最佳典範。
同時相當多單位在意個資與資安保護問題， 因此期望所應用的模型可以在企業內落地建置，以CP值較高的模式規劃軟硬體架構，降低對 GPU 資源的高度依賴性，同時又不能影響整體業務執行的效果，這些期望也在 InsAI 努力的目標願景中。服務團隊將搭配客戶的實際應用場景，輔以近年研究的辨識模型成果，設計搭配不同的訓練模型手法，以及配合應用系統面的設計巧思，以解決客戶問題。
最後，雖然在某些影像還有難題待解，例如機械設計圖、建築設計圖面、複雜底色花樣的海報圖案、多重選擇的勾選框...等等。但對於通用模型的「通用」二字，相信以叡揚資訊持續研究跟投入的積極度，與世界技術整體進步飛快的速度，要能同時兼顧泛用性與精確性，InsAI 影像智慧辨識更全面的應用著實令人興奮與引頸企盼。