Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Document AI - Käyttötapaukset

Oppitunti 3 / 16 Päivitetty 2. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Todelliset sovellukset eri toimialoilla
  2. Rahoitus ja pankkitoiminta: Automaattinen KYC
  3. Terveydenhuolto: Potilastiedot ja reseptit
  4. Lakiala: Sopimusten analysointi laajassa mittakaavassa
  5. Kirjanpito: Laskujen käsittely
  6. Logistiikka, arkistot ja julkinen sektori
  7. Vakiotuotantotyönkulku
  8. Keskeiset asiat

Päivitys 2. marraskuuta 2026 — OCR. OCR 4.0 (mistral-ocr-4-0) poistettiin käytöstä 30. syyskuuta 2026. Käytä OCR 4.1:tä (mistral-ocr-4-1), joka on ollut yleisesti saatavilla 31. elokuuta lähtien samaan hintaan, tai aliasta mistral-ocr-latest, joka on viitannut siihen 16. heinäkuuta lähtien. OCR 4.1 lisää luottamusluvut lohko tasolla.

Todelliset sovellukset eri toimialoilla

Document AI tekee muutakin kuin pelkkää tekstin erottamista. OCR:n, annotaatioiden ja kysymys-vastaus-toiminnon (QnA) yhdistelmä tekee palvelusta arvokkaan, koska se kattaa koko dokumentin elinkaaren vastaanotosta hyödyntämiseen. Tässä oppitunnissa käymme läpi yleisimmät käyttötapaukset toimialoittain ja osoitamme, mitkä palvelut ovat mukana missäkin vaiheessa. Tämä erottelu on tärkeää jo alussa, sillä jokainen lisäpalvelu tuo mukanaan kustannuksia ja viivettä.

Toimiala Käyttötapaus Käytetyt palvelut
Rahoitus ja pankkitoiminta Automaattinen KYC, tilioteanalyysi, vaatimustenmukaisuus OCR + Annotaatiot
Terveydenhuolto Potilastiedot, käsinkirjoitetut reseptit, lääketieteelliset raportit OCR + Annotaatiot + QnA
Lakiala Sopimusanalyysi, ehtojen erottelu, due diligence OCR + QnA
Vakuutus Korvauskäsittely, vakuutusilmoitukset OCR + Annotaatiot
Logistiikka Lähetysselvitykset, tulliasiakirjat, varastolistat OCR + Annotaatiot
Kirjanpito Toimittajalaskut, kuluraportit, tiliotteiden täsmäytys OCR + Annotaatiot
Julkinen sektori Arkistojen digitointi, hallinnolliset lomakkeet OCR
Valmistusteollisuus Tekniset tietolehdet, laatutodistukset, tarkastusraportit OCR + QnA

Rahoitus ja pankkitoiminta: Automaattinen KYC

Asiakkaan rekisteröinti on kysytyin käyttötapaus, koska se on toistuva, säännelty ja aikaa vievä prosessi. Tunne asiakkaasi (KYC) -prosessi noudattaa aina samaa järjestystä:

  1. Henkilöllisyystodistusten skannaus: Passi, henkilökortti, ajokortti
  2. OCR-erottelu: Etunimi, sukunimi, syntymäaika, dokumentin numero
  3. Jäsennellyt annotaatiot: Kenttien validointi Pydantic-skeeman avulla
  4. Ristitarkistus: Automaattinen vertailu sisäisiin tietokantoihin
  5. Rikastettu arkistointi: Dokumentti indeksoitu ja haettavissa QnA:n kautta

Mikä vei compliance-virkailijalta aiemmin useita tunteja, hoituu nyt sekunneissa tiedostoa kohden. Asiantuntija puuttuu vain epäilyttäviksi merkittyihin tapauksiin.

Terveydenhuolto: Potilastiedot ja reseptit

Lääketieteen ala tuottaa valtavia määriä dokumentteja, joista suuri osa on edelleen käsinkirjoitettuja. Käsinkirjoitettu resepti, jota usein pidetään lukukelvottomana, transkriptoidaan oikein, vaikka lääkäri sekoittaisikin latinankielisiä termejä paikalliseen kieleen. Rastituslomakkeet, jotka ovat olleet perinteisille OCR-moottoreille painajainen, puretaan totuusarvoiltaan huomattavalla tarkkuudella. Lääketieteellisissä raporteissa malli tunnistaa potilaan henkilöllisyyden, diagnoosin ja määrätyt lääkkeet.

Yksi käyttäytyminen ansaitsee erityistä huomiota, sillä se määrittää, kuinka paljon voit luottaa järjestelmään: jos kenttä puuttuu dokumentista – esimerkiksi listaamaton puhelinnumero – malli raportoi tämän puuttumisen sen sijaan, että se keksisi uskottavan arvon. Tämä on täysin vastakohta yleiskäyttöisen mallin refleksille, ja juuri tämä tekee erottelusta käyttökelpoista ilman systemaattista ihmisen tarkastusta.

Lakiala: Sopimusten analysointi laajassa mittakaavassa

Lakitoimistot ja oikeusosastot käyttävät ensisijaisesti ehtojen erottelua ja QnA-toimintoa. Ensimmäinen käyttötapaus liittyy irtisanomis-, kilpailukielto- tai luottamuksellisuusehtojen automaattiseen tunnistamiseen dokumenttikokoelmasta, mikä muuttaa manuaalisen tarkastelun avustetuksi lajitteluksi. Toinen loistaa due diligence -prosesseissa: kun yritysostoon liittyy satoja sopimuksia, voit kysyä kokoelmalta luonnollisella kielellä sen sijaan, että lukisit kaiken alusta loppuun, ja tarkastella yksityiskohtaisesti vain haun esiin nostamia dokumentteja.

Kirjanpito: Laskujen käsittely

Tämä on kypsin käyttötapaus ja usein ensimmäinen käyttöönotettava. Kaikki tiivistyy Pydantic-skeemaan, joka kuvaa tarkasti, mitä haluat hakea:

from pydantic import BaseModel, Field

class Invoice(BaseModel):
    vendor: str = Field(..., description="Vendor name")
    invoice_number: str = Field(..., description="Invoice number")
    date: str = Field(..., description="Invoice date in YYYY-MM-DD format")
    amount_excl_tax: float = Field(..., description="Amount excluding tax in euros")
    amount_incl_tax: float = Field(..., description="Amount including tax in euros")
    vat_amount: float = Field(..., description="VAT amount in euros")

Kun tämä skeema syötetään Annotaatiot-API:lle, se erottaa kentät jokaisesta skannatusta laskusta ilman, että toimittajien laskumalleja tarvitsee konfiguroida etukäteen. Huomaa huolellisuus kuvausten ja tyyppien määrittelyssä: tämä kertoo mallille, että summa on palautettava numerona ja päivämäärä muodossa YYYY-MM-DD eikä paperilla esiintyvässä muodossa.

Logistiikka, arkistot ja julkinen sektori

Logistiikassa tuhannet päivittäin käsiteltävät lähetysselvitykset, rahtikirjat ja tulliasiakirjat soveltuvat lähettäjän ja vastaanottajan tietojen automaattiseen erotteluun, kuvissa olevien viivakoodien ja seurantanumeroiden lukemiseen sekä käsinkirjoitettujen, usein rypistyneiden varastolistojen digitointiin.

Arkistojen digitointi on erikoistapaus. Tässä dokumentit ovat vanhoja, joskus huonokuntoisia, kirjoitettu 1800- tai 1900-luvun käsialalla, ja niissä käytetään typografiaa ja sanontatapoja, jotka eivät ole enää käytössä. OCR 4 käsittelee näitä paremmin kuin perinteiset OCR-moottorit visuaalisen ymmärryksensä ansiosta, mutta ole realistinen rajoitusten suhteen: tarkkuus laskee voimakkaasti vaurioituneissa kohteissa, ja jokaiseen vakavaan arkistoprojektiin kuuluu aina ihmisen tarkastusvaihe.

Vakiotuotantotyönkulku

Toimialasta riippumatta putki näyttää samanlaiselta: dokumentin sisäänotto skannauksen, latauksen tai sähköpostin kautta; OCR tekstin ja rakenteen erottamiseen käyttäen mistral-ocr-latest-mallia; annotaatiot jäsennellyn datan saamiseksi liiketoimintaskaemasi mukaisesti; rikastetun Markdownin indeksointi vektoritietokantaan tai SQL-tietokantaan; ja lopuksi hyödyntäminen haun, QnA:n, raportoinnin tai työnkulun automatisoinnin kautta. Jos suunnittelet projektia, kartoita nämä viisi vaihetta ennen kuin kirjoitat riviäkään koodia: ne määrittävät, minne tallennat datan, mitä toistat virhetilanteessa ja mitä laskutat.

Keskeiset asiat

  • Document AI soveltuu kaikille toimialoille, jotka käsittelevät dokumentteja
  • Vakiotyönkulku on: sisäänotto, OCR, annotaatiot, indeksointi, hyödyntäminen
  • Pydantic-annotaatioiden avulla voit erottaa täsmälleen tarvitsemasi tiedot
  • QnA:n avulla voit kysyä dokumenteilta luonnollisella kielellä indeksoinnin jälkeen
  • Kaikkien kolmen palvelun yhdistäminen luo end-to-end-dokumenttiratkaisun