直通處理需要幾高的 OCR 準確率？

直通處理，即發票在無人覆核下入帳，實際上需要財務欄位近乎完美的準確率，大約 99.9%。實務上，最好的系統會把 70–85% 的發票直通處理、其餘送給人手，而不是硬要在每份文件上都達到那個門檻。

為甚麼單靠 95% 準確率並不夠？

因為準確率是逐個欄位量度的，而一張發票有很多欄位。每欄 95% 之下，一張有十幾個欄位的發票通常至少有一個錯。沒有驗證層，那個錯可以靜靜地入帳，這比慢更糟。

怎樣提升發票 OCR 準確率？

最大的進步來自你在 OCR 之上建的東西，而不是換個模型。把抽取欄位與來源系統和 PO 交叉比對、寫下業務規則（總額要加得對、稅項要在合理範圍），再加信心評分，讓低信心的發票被升級處理，而不是被信任。

發票 OCR 到底有幾準？ · Common Analytics

Q: 發票 OCR 有幾準？

在乾淨、由 ERP 產生的發票上，現代 OCR 可達 95–99% 欄位級準確率。在混合供應商版式上大約 85–95%，在掃描或手寫發票上則接近 70–85%。標題欄位最準；多行的逐行明細表最難。

發票上的 OCR，準到足夠讀出文字，卻未準到可以未經檢查就信任。2026 年，實際的欄位級準確率大約是：乾淨的結構化發票 95–99%、混合供應商版式 85–95%、掃描或手寫的 70–85%。有用的問題不是「OCR 準不準」，而是「準到足夠做甚麼」，而這些百分比與「可以安全入帳」之間的落差，正是真正的工作所在。

「OCR 準確率」到底量度甚麼？

大家常引一個單一的準確率數字，好像它就能一錘定音。其實不然，因為你可以量度的其實有四樣不同的東西：

字元準確率：OCR 讀對單一字元的頻率。這是最高、也最無用的數字，因為一個錯字仍可毀掉整個欄位。
欄位準確率：整個欄位（總額、發票號碼）讀對的頻率。這才是對應付帳最重要的數字。
文件準確率：一份文件上每一個欄位同時都對的頻率。它永遠低過欄位準確率，也是真正決定返工多少的那個。
直通率：無人碰過就入帳的發票比例。這是業務層面的指標。

當供應商報「99% 準確率」，要問清楚他們指的是哪一個。99% 的字元準確率，背後可以坐著一個遠低於此的文件準確率。

按類型分，發票 OCR 有幾準？

準確率跟發票有多結構化走：

結構化發票（ERP 產生、版式一致）：95–99% 欄位準確率，通常開箱即用。
半結構化（多家供應商、版式各異）：85–95%，在你自己的文件上訓練幾星期後改善。
非結構化或手寫：70–85%，存疑欄位仍需人手。

在同一張發票之內，準確率也不平均。供應商名稱、發票號碼和總額這類標題欄位，通常做到 98–99%。逐行明細表因為行列多變，才是最難的部分，就算最好的工具也大約落在 95–97%。如果你的發票以逐行明細為主，錯誤就會集中在那裡。

為甚麼 95% 準確率不等於做好了 95%

這正是陷阱所在。95% 欄位準確率聽起來像個 A。現在把它放到一整份文件上算一算。如果一張發票有 12 個欄位、每個欄位 95% 準確，那麼「每一個」欄位都對的機會，是 0.95 的 12 次方，大約 54%。換句話說，接近一半的發票都帶著至少一個錯欄位。

每欄 85% 之下，在同一張 12 欄的發票上，幾乎每一份都有錯。你並沒有消除人手工作，只是把它由「打字」搬去「找錯」，而後者往往更慢，因為現在要先有人發現那個錯，才能去改。

這正是為甚麼單靠原始 OCR 準確率，是錯的優化對象。一個準多 2% 的模型，仍然要你逐份檢查文件。真正改變經濟賬的，是知道該檢查「哪些」文件。

哪些欄位最常出錯？

錯誤不會平均分佈在一張發票上，而知道它們集中在哪，就知道該把檢查放在哪。有四個欄位造成大部分返工：

逐行明細。 明細表是任何發票最難的部分。行會換行、欄位在不同供應商之間移位、一張發票可以有幾十行。那個 95–97%（而不是 99%）的準確率，就住在這裡。
日期。 發票日期、到期日和服務日期可以同在一頁。OCR 把數字讀得很好；出錯的是分辨哪個是哪個。
稅項。 有時以稅率、有時以金額、有時兩者並列，還可能分成幾類。一個錯了的稅欄，會連總額也一起拖錯。
手寫批註。 更正、批核和註記，是任何文件上準確率最低的內容。

先把你的驗證規則對準這四樣，因為準確率就在這裡贏或輸。一套在標題欄位有 99% 準確、卻在逐行明細馬虎的系統，仍然會在每一張多行發票上製造返工。

甚麼才真正把準確率推高？

由「OCR 讀到了」跳到「我們可以入帳」，靠的不是更好的 OCR 引擎，而是上面那一層驗證，做三件事：

交叉比對。 把抽取欄位與來源系統或 PO 對數。兩個獨立來源一致時，信心就高；不一致時，你就找到了那條需要人手的行。
業務規則。 逐行明細必須加總等於總額。稅項必須落在預期範圍。日期不可能早過 PO。大多數 OCR 錯誤一出現就違反了某條規則。
信心評分。 每張發票由這些檢查得出一個分數。高信心的直通入帳；低信心的升級處理。

最後那一步，正是大多數示範略過、卻是整個重點的一環。我們在對數自動化要做到 97% 準確率，關鍵在哪一文，以一宗真實的空運貨物項目走過同一套：真正重要的準確率，來自 OCR 周圍的引擎，而不是 OCR 本身。

你實際上需要幾高的準確率？

完整的直通處理，即發票在無人覆核下入帳，實際上需要財務欄位近乎完美的準確率，大約 99.9%。很少真實的發票組合能達到，而在每一份文件上都硬追這個數，正是自動化項目預算爆掉的原因。

你幾乎肯定不需要它。你需要的，是一套把它有信心的 70–85% 發票入帳、其餘送給覆核者的系統。這把一個人的全職輸入，變成幾小時的例外處理，而效益正正來自這裡。我們的如何自動從 PDF 發票抽取數據指南，走過如何建起這條流程。

如果你想知道你那組特定的發票，實際可以做到幾高準確率、又值多少錢，那正是免費的 30 分鐘 ROI 診斷要做的事。我們會看你真實的文件，老實告訴你自動與人手之間的界線該畫在哪。

好的 OCR 只是入場門檻。決定「它甚麼時候沒把握」的那套引擎，才是產品。