Cara Menangani Skor Kepercayaan Rendah di Document AI dan Power Platform

By Mirko Peters · 2026-09-18

Pelajari cara mengelola skor kepercayaan rendah di Document AI dan Power Platform dengan aturan validasi, pelacakan Dataverse, dan peninjauan pengecualian Power Apps.

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

Mengelola skor kepercayaan rendah di Document AI dan Power Platform membutuhkan strategi yang disengaja yang memadukan ekstraksi AI dengan tinjauan manusia (human-in-the-loop). Panduan ini membahas cara menetapkan aturan validasi, mengonfigurasi pelacakan Dataverse, dan membangun antarmuka pengecualian Power Apps agar alur dokumen otomatis tidak gagal secara diam-diam ketika akurasi ekstraksi menurun.

Poin Penting

• Skor kepercayaan mengukur keyakinan AI terhadap bidang tertentu, bukan akurasi seluruh dokumen.
• Titik data kritis seperti total faktur dan instruksi pembayaran tetap memerlukan validasi aturan bisnis yang ketat, meskipun kepercayaan AI tinggi.
• Power Automate berperan sebagai mesin perutean, yang mengirim bidang berkepercayaan rendah ke antrean pengecualian yang ditunjuk.
• Dataverse menyimpan riwayat lengkap ekstraksi, tinjauan, dan koreksi untuk kepatuhan.
• Power Apps menyediakan layar verifikasi berdampingan tempat peninjau manusia dapat dengan cepat memperbaiki bidang yang tidak pasti.

Memahami Skor Kepercayaan Document AI

Ketika organisasi menerapkan Microsoft Content Understanding dan AI Builder, tim sering memperlakukan skor kepercayaan sebagai lampu hijau atau lampu merah untuk seluruh dokumen. Namun, skor kepercayaan bekerja pada tingkat bidang per bidang. Nama pemasok yang bersih dan tercetak mesin mungkin menghasilkan kepercayaan 99%, sementara nomor faktur yang dicap di atas latar gelap atau terlipat mungkin hanya menghasilkan kepercayaan 65%. Mengandalkan satu skor agregat untuk seluruh PDF membuat tim either memblokir terlalu banyak berkas yang baik atau membiarkan kesalahan berbahaya lolos.

Untuk membangun arsitektur cloud yang tangguh, administrator harus melihat melampaui dokumen secara keseluruhan dan mengevaluasi profil risiko setiap bidang. Bidang internal berisiko rendah mungkin dapat menoleransi ambang batas yang lebih rendah, tetapi data keuangan dan hukum yang kritis menuntut pemeriksaan yang ketat. Menyadari bahwa estimasi kepercayaan adalah prediksi probabilistik, bukan jaminan mutlak, adalah langkah pertama menuju pipeline otomasi yang dapat dipercaya.

Ilusi Format yang Rapi

Format yang rapi dengan mudah menciptakan rasa aman yang semu. Total faktur dengan kepercayaan 98% memang terlihat meyakinkan, tetapi akurasi numerik tidak menjamin validitas bisnis. Jika total yang diekstraksi tidak sesuai dengan jumlah item baris ditambah pajak, atau jika nama pemasok tidak ada dalam daftar vendor yang disetujui, kepercayaan tinggi tidak berarti apa-apa. AI membaca karakter di halaman, tetapi pemeriksaan validasi hilir harus memastikan apakah angka-angka tersebut masuk akal dalam konteks aplikasi perusahaan Anda yang lebih luas.

Membangun Pola Perutean Pengecualian di Power Automate

Setelah Content Understanding mengekstrak bidang yang diperlukan, Power Automate mengambil alih sebagai mesin proses. Ketika dokumen menghasilkan skor keyakinan yang rendah atau gagal dalam pemeriksaan validasi, alur kerja otomatisasi tidak boleh memaksa data maju hanya agar antrean tetap bergerak. Sebaliknya, alur harus bercabang berdasarkan ambang batas bisnis yang telah ditentukan.

Bayangkan sebuah kontrak masuk dengan tanggal kedaluwarsa yang diekstrak dengan keyakinan tinggi, tetapi nama pemilik kontrak ambigu. Alur Power Automate yang dirancang dengan baik mengevaluasi skor setiap bidang wajib. Jika ada bidang kritis yang berada di bawah ambang batas yang dapat diterima, alur menghentikan pembuatan rekaman otomatis dan mengarahkan file ke antrean tinjauan khusus. Dengan cara ini, data buruk tidak merusak sistem inti perusahaan Anda, sementara intervensi manusia tetap terfokus hanya pada pengecualian.

Melacak Riwayat Proses di Dataverse

Antrean pengecualian yang tidak dikelola dengan cepat berubah menjadi tempat parkir digital, di mana dokumen tertahan tanpa batas waktu sementara anggota tim mengira orang lain sedang memantaunya. Dengan mengarahkan rekaman dokumen ke Microsoft Dataverse, organisasi menciptakan satu sumber kebenaran untuk setiap konten yang masuk ke dalam alur proses. Dataverse tidak hanya menyimpan bidang yang diekstrak dan skor keyakinan, tetapi juga seluruh jejak audit: kapan file tiba, model ekstraksi mana yang dijalankan, siapa yang meninjau pengecualian, koreksi apa yang dilakukan, dan ke mana dokumen dikirim berikutnya.

Merancang Antarmuka Tinjauan Manusia dengan Power Apps

Ketika model AI menemukan nilai yang ambigu atau skor keyakinan yang rendah, penilaian manusia diperlukan. Memaksa peninjau mencari di rantai email, membuka lampiran PDF mentah, dan memperbarui sistem backend secara manual justru menggagalkan tujuan otomatisasi. Power Apps mengatasi tantangan ini dengan menyediakan layar tinjauan yang dirancang khusus untuk pengelolaan pengecualian.

Aplikasi tinjauan yang efektif menampilkan dokumen atau gambar asli berdampingan dengan bidang formulir yang diekstrak. Peninjau dapat langsung melihat bidang mana yang memicu peringatan keyakinan rendah, memeriksa teks sumber asli, memasukkan koreksi, dan mengirimkan item kembali ke dalam alur kerja aktif. Hal ini mengubah tinjauan human-in-the-loop dari detour prosedural yang canggung menjadi bagian yang mulus dan cepat dari keseluruhan proses bisnis.

Kesimpulan

Document AI dan Microsoft Content Understanding dapat secara signifikan mengurangi entri data manual, tetapi teknologi saja tidak dapat menggantikan desain proses yang jelas. Dengan memperlakukan skor keyakinan sebagai peringatan terperinci, bukan kebenaran mutlak, menerapkan pemeriksaan validasi yang kuat, dan memanfaatkan Power Automate, Dataverse, dan Power Apps untuk penanganan pengecualian, organisasi dapat mengubah penerimaan dokumen yang berantakan menjadi alur kerja otomatis yang andal. Untuk mempelajari konsep dasar di balik ekstraksi dokumen dan otomatisasi cloud, Dengarkan episode lengkapnya dan berlangganan M365 FM untuk wawasan ahli lainnya tentang Microsoft 365, Power Platform, dan AI.

Pertanyaan Umum

Apa sebenarnya arti skor keyakinan dalam Document AI?

Skor keyakinan adalah estimasi statistik yang diberikan oleh model AI yang menunjukkan seberapa yakin model tersebut terhadap bidang tertentu yang diekstrak, seperti tanggal atau total faktur. Skor ini mengukur kemungkinan akurasi ekstraksi berdasarkan pola visual dan teks, tetapi tidak menjamin bahwa data bisnis tersebut benar atau valid.

Bagaimana Power Automate seharusnya menangani ekstraksi dengan keyakinan rendah?

Power Automate seharusnya mengevaluasi skor keyakinan bidang kritis terhadap ambang batas bisnis yang telah ditentukan. Jika skor berada di bawah tingkat yang disyaratkan, alur harus melewati pembuatan rekaman otomatis dan mengarahkan dokumen ke antrean tinjauan manusia yang ditunjuk atau proses penanganan pengecualian.

Mengapa Dataverse penting untuk alur kerja pemrosesan dokumen?

Dataverse berfungsi sebagai basis data bisnis terpusat untuk proses dokumen Anda, menyimpan rekaman terstruktur, metrik keyakinan, dan riwayat pemrosesan. Dataverse mencegah file dan metadata terjebak di kotak masuk email yang tersebar, serta memberikan kepemilikan yang jelas dan kemampuan audit untuk setiap dokumen.

Apa peran Power Apps dalam menangani pengecualian dokumen?

Power Apps menyediakan antarmuka pengguna khusus tempat peninjau manusia dapat melihat dokumen asli bersama bidang AI yang diekstrak, mengoreksi informasi yang tidak pasti atau hilang, dan mengembalikan rekaman yang sudah divalidasi ke dalam alur kerja otomatis secara mulus.