✓ Phân phối bản quyền chính hãng tại Việt Nam Hotline: 0866 398 102 contact@foxitpdf.vn

AI Agent trích xuất dữ liệu hóa đơn, hợp đồng PDF với Foxit

Kiến trúc AI Agent trích xuất dữ liệu từ hóa đơn và hợp đồng PDF: Foxit OCR kết hợp LLM, prompt mẫu, cách kiểm tra độ chính xác và lưu ý hóa đơn điện tử VN.

Nhập liệu hóa đơn thủ công là một trong những công việc tốn người nhất ở phòng kế toán: đọc PDF, gõ lại số hóa đơn, mã số thuế, từng dòng hàng vào phần mềm. Bài viết này dành cho trưởng phòng kế toán, CTO và đội IT nội bộ muốn tự động hóa khâu đó bằng AI Agent: kết hợp OCR của Foxit với mô hình ngôn ngữ lớn (LLM) — kèm kiến trúc cụ thể, prompt mẫu đã dùng thực tế, và cách kiểm soát sai sót để dám đưa vào vận hành.

AI Agent xử lý tài liệu là gì?

Khác với việc “hỏi ChatGPT một câu”, AI Agent là chương trình tự thực hiện chuỗi bước: nhận file → OCR → trích xuất dữ liệu có cấu trúc → tự kiểm tra → ghi vào hệ thống, và chỉ gọi người khi gặp trường hợp bất thường. Foxit hiện cung cấp đủ “nguyên liệu” cho chuỗi này:

  • OCR: trong Foxit PDF Editor (chạy được hàng loạt qua giao diện), hoặc dạng công cụ dòng lệnh/thư viện trong Foxit PDF SDK cho pipeline server.
  • Trích xuất: Foxit PDF Services API (REST) có Extract API lấy văn bản từ PDF và cho phép nối chuỗi job — đầu ra OCR làm đầu vào bước extract. Lớp Document AI của Foxit trích được bảng, cặp key-value, trường form, và tách giá trị cụ thể như số hóa đơn, ngày hợp đồng theo prompt; với file scan, nó tự OCR cả ảnh chụp và screenshot.
  • Ký số khép kín quy trình: Foxit eSign API để hợp đồng sau khi trích xuất, đối chiếu xong được gửi ký tự động (OAuth 2.0, endpoint createfolder, ký nhúng iframe, webhook folder_executed báo hoàn tất).

Kiến trúc tham khảo: 4 lớp

Đây là kiến trúc chúng tôi đã triển khai cho một khách hàng phân phối thiết bị (khoảng 3.000 hóa đơn đầu vào/tháng):

  1. Thu nhận & OCR: hóa đơn PDF đổ về từ email/cổng hóa đơn điện tử. File dạng scan đi qua OCR (Foxit) để có lớp văn bản; file PDF “sinh ra số” (hóa đơn điện tử XML kèm PDF) bỏ qua bước này.
  2. Chuẩn hóa văn bản + bố cục: lấy text kèm thông tin vị trí (bảng, dòng) — chất lượng bước này quyết định 80% độ chính xác phía sau.
  3. LLM extraction: gửi văn bản vào LLM với prompt ép trả về JSON theo schema cố định (xem bên dưới).
  4. Kiểm tra & ghi sổ: lớp validation bằng code thường (không phải AI): kiểm định dạng mã số thuế, cộng lại tiền hàng + VAT so với tổng, đối chiếu tên nhà cung cấp với danh mục. Hồ sơ “sạch” tự ghi vào phần mềm kế toán; hồ sơ nghi vấn đẩy vào hàng đợi cho người duyệt.

Bảng: chọn thành phần theo quy mô

Quy môOCRTrích xuấtMức tự động
< 500 file/thángFoxit PDF Editor (OCR Multiple Files)AI Assistant / Document AI hỏi trực tiếp trên fileBán tự động, người thao tác
500 – 5.000 file/thángFoxit PDF Services API hoặc PDF SDK chạy theo lịchExtract API + LLM, JSON schemaTự động, người duyệt ngoại lệ
> 5.000 file/thángFoxit PDF SDK nhúng server, hàng đợi xử lýLLM + validation nhiều tầng, log đầy đủTự động, giám sát bằng dashboard

Prompt mẫu đã dùng thực tế

Prompt dưới đây (rút gọn) là dạng chúng tôi dùng cho hóa đơn GTGT Việt Nam — điểm mấu chốt là schema cứng + quy tắc “không bịa”:

Bạn là hệ thống trích xuất dữ liệu hóa đơn GTGT Việt Nam.
Từ văn bản OCR dưới đây, trả về DUY NHẤT một JSON theo schema:

{
  "so_hoa_don": string,        // Số hóa đơn
  "ky_hieu": string,           // Ký hiệu mẫu/ký hiệu hóa đơn
  "ngay_phat_hanh": "YYYY-MM-DD",
  "ben_ban": { "ten": string, "mst": string },
  "ben_mua": { "ten": string, "mst": string },
  "dong_hang": [ { "ten": string, "so_luong": number,
                   "don_gia": number, "thanh_tien": number } ],
  "tien_hang": number,
  "thue_suat_vat": string,     // vd "8%", "10%", "KCT"
  "tien_vat": number,
  "tong_thanh_toan": number,
  "do_tin_cay": "cao" | "trung_binh" | "thap"
}

Quy tắc:
- Trường không tìm thấy → null, TUYỆT ĐỐI không suy đoán.
- Số tiền: bỏ dấu chấm phân tách nghìn, trả về number.
- MST phải có 10 hoặc 13 chữ số; sai định dạng → null và hạ do_tin_cay.
- Nếu tien_hang + tien_vat ≠ tong_thanh_toan → do_tin_cay: "thap".

Hai chi tiết đáng giá nhất sau nhiều vòng thử: (1) bắt LLM tự chấm độ tin cậy theo quy tắc kiểm tra chéo số học — giúp định tuyến hồ sơ nghi vấn; (2) quy tắc “không tìm thấy → null” giảm hẳn hiện tượng bịa số liệu, rủi ro nguy hiểm nhất của LLM trong kế toán.

RAG: hỏi đáp trên cả kho hợp đồng

Với hợp đồng, nhu cầu thường không phải “nhập liệu” mà là tra cứu: “những hợp đồng nào có điều khoản tự động gia hạn?”, “mức phạt chậm thanh toán của nhà cung cấp X?”. Kiến trúc phù hợp là RAG (Retrieval-Augmented Generation):

  • OCR + trích văn bản toàn bộ kho hợp đồng (một lần, sau đó tăng dần theo file mới).
  • Cắt đoạn (chunk) theo điều khoản, tạo embedding, lưu vào vector database.
  • Khi người dùng hỏi, hệ thống tìm các đoạn liên quan rồi đưa cho LLM trả lời kèm trích dẫn file + điều khoản gốc.

Ở quy mô nhỏ, Foxit AI Assistant với tính năng chat trên nhiều tài liệu đáp ứng được mà không cần xây hệ thống riêng; RAG tự xây chỉ đáng đầu tư khi kho tài liệu lên hàng nghìn file và cần phân quyền truy cập.

Độ chính xác: nguyên tắc kiểm soát

Kinh nghiệm vận hành thực tế của chúng tôi:

  • Đo trên bộ mẫu chuẩn trước khi go-live: lấy 100–200 hóa đơn đã nhập tay đúng làm “đáp án”, chạy pipeline và đo tỷ lệ khớp từng trường. Chỉ tự động hóa hoàn toàn các trường đạt ≥ 98–99%.
  • Validation bằng code, không bằng AI: tổng tiền, định dạng MST, ngày hợp lệ — kiểm bằng code thường, rẻ và tuyệt đối.
  • Human-in-the-loop: mọi hồ sơ do_tin_cay “thấp” phải qua người duyệt. Mục tiêu đúng của AI Agent là giảm 70–90% thao tác, không phải 100%.
  • Lưu vết (audit log): lưu file gốc, văn bản OCR, JSON trích xuất và người duyệt — phục vụ giải trình khi quyết toán thuế.

Bối cảnh hóa đơn điện tử Việt Nam

Vài lưu ý pháp lý – nghiệp vụ riêng cho Việt Nam:

  • Hóa đơn điện tử theo Nghị định 123/2020/NĐ-CP và Thông tư 78/2021/TT-BTC có file XML là bản gốc dữ liệu — nếu nhận được XML, hãy đọc thẳng XML thay vì OCR bản PDF thể hiện; OCR + LLM dành cho hóa đơn chỉ có bản PDF/scan, chứng từ giấy cũ và hóa đơn nước ngoài.
  • Dữ liệu trích xuất nên đối chiếu với hệ thống tra cứu hóa đơn của Tổng cục Thuế để phát hiện hóa đơn sai lệch trước khi ghi sổ.
  • Với tài liệu nhạy cảm, cân nhắc LLM self-host hoặc chế độ xử lý cục bộ (Foxit có Local AI mode trên desktop) và rà soát hợp đồng xử lý dữ liệu với nhà cung cấp AI.

Câu hỏi thường gặp (FAQ)

AI trích xuất hóa đơn có chính xác hơn người nhập tay không?

Với hóa đơn in rõ, pipeline OCR + LLM + validation đạt độ chính xác tương đương hoặc cao hơn nhập tay ở các trường chuẩn (số hóa đơn, MST, tổng tiền), và nhất quán hơn vì không mệt mỏi. Hóa đơn mờ, viết tay vẫn cần người xử lý — vì vậy luôn thiết kế luồng duyệt ngoại lệ.

Có bắt buộc phải biết lập trình để làm AI Agent trích xuất không?

Ở quy mô nhỏ thì không: Foxit AI Assistant / Document AI cho phép hỏi trực tiếp “lấy số hóa đơn, ngày, tổng tiền trong file này” trên giao diện. Pipeline tự động nối với phần mềm kế toán thì cần đội IT dùng Foxit PDF Services API hoặc PDF SDK.

OCR của Foxit có đọc được hóa đơn tiếng Việt scan không?

Có, engine OCR của Foxit hỗ trợ tiếng Việt có dấu, chạy được hàng loạt trong PDF Editor hoặc theo lịch trên server qua PDF SDK. Chất lượng scan từ 300 dpi cho kết quả tốt nhất.

Chi phí xây một pipeline như vậy khoảng bao nhiêu?

Ba cấu phần: bản quyền Foxit (Editor cho người dùng, SDK/API tính theo khối lượng), chi phí gọi LLM (thường chỉ vài trăm đồng đến vài nghìn đồng mỗi tài liệu), và công xây dựng ban đầu. Với 1.000–3.000 hóa đơn/tháng, khách hàng của chúng tôi thường hoàn vốn trong 6–12 tháng nhờ giảm giờ công nhập liệu.

Bắt đầu từ đâu?

FoxitPDF.vn cung cấp bản quyền Foxit PDF Editor, tư vấn Foxit PDF SDK / PDF Services API / eSign API và đồng hành thiết kế pipeline trích xuất phù hợp quy mô của bạn. Xem bảng giá hoặc liên hệ đội kỹ thuật — hotline 0866 398 102 — để được đánh giá miễn phí trên chính bộ hóa đơn, hợp đồng mẫu của doanh nghiệp.

Biên soạn từ tài liệu của nhà sản xuất, được dẫn ở phần nguồn tham khảo. Ví dụ và mã minh họa cần được kiểm thử trên dữ liệu sao lưu trước khi sử dụng.

Nguồn tham khảo:

← Tất cả tin tức
Gọi điện 0866 398 102 Zalo Chat Zalo Gửi email