כיצד מטפלים בציוני ביטחון נמוכים ב-Document AI וב-Power Platform

By Mirko Peters · 2026-09-18

למדו כיצד לנהל ציוני ביטחון נמוכים ב-Document AI וב-Power Platform באמצעות כללי אימות, מעקב ב-Dataverse וסקירות חריגים ב-Power Apps.

Automatically translated with AI from the original post. Read the English original

ניהול ציוני ביטחון נמוכים ב-Document AI וב-Power Platform דורש אסטרטגיה מכוונת שמשלבת חילוץ באמצעות AI עם סקירה אנושית בתהליך (human-in-the-loop). מדריך זה עוסק בבניית כללי אימות, בהגדרת מעקב ב-Dataverse ובפיתוח ממשקי Power Apps לטיפול בחריגים, כדי לוודא שתהליכי המסמכים האוטומטיים לא ייכשלו בשקט כאשר דיוק החילוץ יורד.

עיקרי הדברים

• ציוני ביטחון מודדים את מידת הוודאות של ה-AI לגבי שדות ספציפיים, ולא את דיוקו של המסמך כולו.
• נתונים קריטיים כמו סכומי חשבוניות והוראות תשלום דורשים אימות קפדני לפי כללי עסק, גם כאשר ציון הביטחון גבוה.
• Power Automate משמש כמנוע ניתוב ושולח שדות בעלי ביטחון נמוך לתורי חריגים ייעודיים.
• Dataverse שומר היסטוריית ביקורת מלאה של חילוצים, סקירות ותיקונים לצורכי תאימות.
• Power Apps מספק מסכי אימות זה לצד זה, שבהם סוקרים אנושיים יכולים לתקן במהירות שדות לא ודאיים.

הבנת ציוני הביטחון של Document AI

כאשר ארגונים מטמיעים את Microsoft Content Understanding ואת AI Builder, צוותים נוטים לראות בציוני הביטחון אור ירוק או אדום בינארי עבור המסמך כולו. אולם ציוני הביטחון פועלים ברמת שדה בודד. שם ספק מודפס במחשב, נקי וברור, עשוי לחזור עם ביטחון של 99%, בעוד שמספר חשבונית שמודפס על רקע כהה או על קפל בנייר עשוי לחזור עם ביטחון של 65%. הסתמכות על ציון מצטבר אחד עבור PDF שלם גורמת לצוותים או לחסום קבצים תקינים רבים מדי, או לאפשר לשגיאות מסוכנות לחמוק.

כדי לבנות ארכיטקטורת ענן עמידה, מנהלי מערכות חייבים להביט מעבר למסמך הכולל ולהעריך את פרופיל הסיכון של כל שדה. לשדות פנימיים בסיכון נמוך ייתכנו ספים נמוכים יותר, אך נתונים פיננסיים ומשפטיים קריטיים דורשים בדיקה קפדנית. ההכרה בכך שהערכות ביטחון הן תחזיות הסתברותיות ולא ערובות מוחלטות היא הצעד הראשון לבניית צינור אוטומציה אמין.

אשליית העיצוב הנקי

עיצוב נקי עלול בקלות ליצור תחושת ביטחון כוזבת. סכום חשבונית שחוזר עם ביטחון של 98% נראה מרגיע, אך דיוק מספרי אינו מבטיח תקפות עסקית. אם הסכום שחולץ אינו תואם לסכום שורות הפריט בתוספת המס, או אם שם הספק אינו קיים ברשימת הספקים המאושרים שלכם, ביטחון גבוה אינו אומר דבר. ה-AI קורא את התווים שבעמוד, אך בדיקות האימות במורד התהליך חייבות לוודא שהמספרים הללו הגיוניים בהקשר הרחב של יישומי הארגון שלכם.

בניית דפוס ניתוב החריגים ב-Power Automate

כשהמערכת מחלצת את השדות הנדרשים באמצעות Content Understanding, Power Automate מקבל את השליטה כמנוע התהליך. כאשר מסמך מניב ציוני ביטחון נמוכים או נכשל בבדיקות תקינות, תהליך האוטומציה לא צריך לדחוף את הנתונים קדימה רק כדי לשמור על קצב התור. במקום זאת, הזרימה צריכה להתפצל בהתאם לספי עסק שהוגדרו מראש.

דמיינו חוזה נכנס שבו תאריך התפוגה חולץ בביטחון גבוה, אך שם בעל החוזה אינו ברור. זרימת Power Automate מתוכננת היטב בודקת את הציון של כל שדה חובה. אם שדה קריטי כלשהו נמצא מתחת לסף המקובל, הזרימה משהה את יצירת הרשומה האוטומטית ומנתבת את הקובץ לתור סקירה ייעודי. כך נמנעת הכנסת נתונים שגויים למערכות הליבה הארגוניות, ובו בזמן ההתערבות האנושית מכוונת אך ורק למקרי החריגה.

מעקב אחר היסטוריית התהליך ב-Dataverse

תורים לא מנוהלים של חריגות הופכים מהר מאוד למגרשי חניה דיגיטליים, שבהם מסמכים נשארים שם ללא הגבלה בזמן שחברי הצוות מניחים שמישהו אחר מטפל בהם. על ידי ניתוב רשומות המסמכים ל-Microsoft Dataverse, הארגונים יוצרים מקור אמת יחיד לכל פריט תוכן הנכנס לצינור העיבוד. Dataverse שומר לא רק את השדות שחולצו ואת ציוני הביטחון, אלא גם את מסלול הביקורת המלא: מתי הגיע הקובץ, איזה מודל חילוץ רץ, מי סקר את החריגה, אילו תיקונים בוצעו, ולאן המסמך הועבר לאחר מכן.

תכנון ממשקי סקירה אנושית באמצעות Power Apps

כאשר מודל AI נתקל בערך עמום או בציון ביטחון נמוך, נדרש שיקול דעת אנושי. דרישה מהסוקרים לחפש בשרשורי דוא"ל, לפתוח קובצי PDF גולמיים ולעדכן ידנית מערכות צד-שרת מבטלת את מטרת האוטומציה. Power Apps פותרת אתגר זה באמצעות מסכי סקירה מותאמים, שנבנו במיוחד לניהול חריגות.

אפליקציית סקירה יעילה מציגה את המסמך או התמונה המקוריים לצד שדות הטופס שחולצו. הסוקרים יכולים לראות מיד איזה שדה הפעיל את אזהרת הביטחון הנמוך, לבדוק את טקסט המקור המקורי, להזין תיקונים ולהחזיר את הפריט לתוך זרימת העבודה הפעילה. כך הופך שילוב של סקירה אנושית בתוך התהליך מהסטה פרוצדורלית מביכה לחלק חלק ומהיר מתהליך העסק הכולל.

סיכום

Document AI ו-Microsoft Content Understanding יכולים לצמצם באופן דרמטי הזנת נתונים ידנית, אך טכנולוגיה לבדה אינה יכולה להחליף תכנון תהליכים ברור. על ידי התייחסות לציוני ביטחון כאל אזהרות מדויקות ולא כאל אמיתות מוחלטות, הטמעת בדיקות תקינות איתנות, ושימוש ב-Power Automate, Dataverse ו-Power Apps לטיפול בחריגות, ארגונים יכולים להפוך קליטת מסמכים בלתי מסודרת לזרימת עבודה אוטומטית ואמינה. כדי להכיר את המושגים הבסיסיים שמאחורי חילוץ מסמכים ואוטומציה בענן, האזינו לפרק המלא והירשמו ל-M365 FM לתובנות מעמיקות נוספות על Microsoft 365, Power Platform ובינה מלאכותית.

שאלות נפוצות

מה משמעותו של ציון ביטחון ב-Document AI?

ציון ביטחון הוא הערכה סטטיסטית שמספק מודל ה-AI, המעידה על מידת הוודאות שלו לגבי שדה מסוים שחולץ, כמו תאריך חשבונית או סכום כולל. הוא מודד את הסבירות לדיוק החילוץ על בסיס דפוסים חזותיים וטקסטואליים, אך אינו מבטיח שנתוני העסק נכונים או תקפים.

כיצד Power Automate צריך לטפל בחילוצים עם ביטחון נמוך?

Power Automate צריך להעריך את ציוני הביטחון של שדות קריטיים מול ספי עסק שהוגדרו מראש. אם ציון נמוך מהרמה הנדרשת, הזרימה צריכה לדלג על יצירת הרשומה האוטומטית ולנתב את המסמך לתור סקירה אנושי ייעודי או לתהליך טיפול בחריגות.

מדוע Dataverse חשוב לתהליכי עיבוד מסמכים?

Dataverse משמש כמסד הנתונים העסקי המרכזי של תהליכי המסמכים, ושומר רשומות מובְנות, מדדי ביטחון והיסטוריית עיבוד. הוא מונע מקבצים ומטא-דאטה להיתקע בתיבות דוא"ל מפוזרות, ומספק בעלות ברורה וניתנות לביקורת לכל מסמך.

מה תפקידו של Power Apps בטיפול בחריגות מסמכים?

Power Apps מספק ממשק משתמש ייעודי שבו סוקרים אנושיים יכולים לצפות במסמכים המקוריים לצד השדות שחולצו על ידי ה-AI, לתקן מידע לא ודאי או חסר, ולהחזיר רשומות מאומתות לתוך זרימת העבודה האוטומטית בצורה חלקה.