Wat LedgerLens is

Wat is LedgerLens?

Ik heb LedgerLens gebouwd nadat ik wekenlang handmatig nummers uit PDF-bankafschriften in spreadsheets had gekopieerd. Het hulpmiddel neemt een bestand dat u uploadt - PDF, DOCX, JPEG, PNG - en voert een taalmodel uit dat is afgestemd op het vinden van tabellen, nummers, datums en tekstlabels. Het model retourneert JSON-achtige structuren die we omzetten in een eenvoudig rooster dat u in de browser kunt zien. Elke cel bevat een betrouwbaarheidscore die rechtstreeks uit het interne waarschijnlijkheidsmodel van dat token komt. Ik wilde een systeem dat nooit doet alsof het perfect is, dus de interface dwingt u om naar de score te kijken voordat u een waarde accepteert.

Wanneer u de app voor het eerst opent, ziet u een dropzone. Sleep een afschrift of factuur daarheen en de UI toont een spinner terwijl het model werkt. De backend voert het model uit op een CPU-only instantie; geen GPU is vereist voor de demo. Als u een API-sleutel heeft verstrekt, gaat het verzoek naar het gehoste model; anders gebruikt de demomodus een kleine open-source model die lokaal wordt uitgevoerd en duidelijk gemarkeerde placeholderresultaten retourneert. De demomodus is handig voor het controleren van de lay-out en de weergave van de betrouwbaarheidsscore zonder credits te gebruiken.

Hoe het extractieproces werkt

Stap een: bestandsinname. De service leest de geüploade stream en zet PDF-pagina's om in afbeeldingen met behulp van een pure-JavaScript-bibliotheek; DOCX wordt omgezet in XML en vervolgens platgezet naar tekst; afbeeldingen worden ongewijzigd doorgegeven. Hierdoor blijft het originele bestand privé - niets wordt naar schijf geschreven, behalve een tijdelijke buffer die wordt gewist na de respons.

Stap twee: lay-outdetectie. Een lichtgewicht lay-outmodel identificeert regio's die eruitzien als tabellen, kopteksten of voetteksten. Het retourneert begrenzingsvakken en een type-label (tabel, alinea, koptekst). We houden alleen regio's die zijn gemarkeerd als tabel, omdat bankafschriften en facturen voornamelijk tabellarisch zijn.

Stap drie: cel-niveau OCR. Voor elke tabelregio voeren we OCR (Tesseract 5) uit om de ruwe tekst per cel te krijgen. De OCR-uitvoer wordt samen met de afbeeldingscrop naar het taalmodel gestuurd. Het model ontvangt een prompt die het vertelt om de volgende te extraheren: datum, beschrijving, debet, credit, saldo, belasting, BTW, en eventuele referentienummers. De prompt vraagt het model ook om een vertrouwenswaarde tussen 0 en 1 voor elk veld uit te voeren.

Stap vier: nabewerking. We aligneren de uitvoer van het model met het OCR-rooster, vullen eventuele ontbrekende cellen met de OCR-tekst en berekenen de lopende saldi waar mogelijk opnieuw. Als de som van de debeten minus de credits niet overeenkomt met het eindsaldo binnen een tolerantie van 0,01, markeren we de rij voor handmatige controle. Al deze berekeningen vinden plaats in de browser, zodat u de logica direct kunt zien.

Stap vijf: vertrouwensweergave. Elke cel toont de ruwe waarde en een kleine badge die 'vertrouwen: 0,87' aangeeft. De badgekleur verandert van groen (≥0,9) naar geel (0,7-0,89) naar rood (<0,7). Deze visuele hint is de primaire manier waarop u besluit of u een nummer vertrouwt of de originele PDF opent om te verifiëren.

Uitvoerformaten en betrouwbaarheidsscores

LedgerLens biedt u drie manieren om gegevens uit de app te halen:

- Inline-tabel - u kunt rijen rechtstreeks vanuit de weergave kopiëren en plakken. - CSV-download - het bestand wordt client-side gegenereerd; we ontsnappen elk veld dat begint met '=', '+', '-' of '@' om formule-injectie te voorkomen. - Excel (XLSX)-download - we gebruiken de SheetJS-bibliotheek om een werkmap te maken; dezelfde beveiliging tegen formule-injectie is van toepassing.

Elke kolom in het geëxporteerde bestand bevat een extra kolom met de naam 'betrouwbaarheid_'. Bijvoorbeeld een bankafschriftenexport heeft kolommen: datum, beschrijving, debet, credit, saldo, betrouwbaarheid_datum, betrouwbaarheid_beschrijving, betrouwbaarheid_debet, betrouwbaarheid_credit, betrouwbaarheid_saldo. De betrouwbaarheidswaarden zijn dezelfde nummers die u in de UI zag, afgerond op twee decimalen.

Hieronder staat een tabel die een typische betrouwbaarheidsverdeling laat zien voor een steekproef van 200 echte bankafschriften die we tijdens interne tests hebben verwerkt. De nummers zijn alleen illustratief; ze zijn geen garantie voor toekomstige prestaties.

Scores bereik | % van velden | Typisch gebruik 0,90 - 1,00 | 42% | Datums, bedragen, duidelijke afdrukken 0,80 - 0,89 | 31% | Handgeschreven notities, licht besmeurde afdrukken 0,70 - 0,79 | 15% | Lage resolutie-scans, gevouwen hoeken

Wanneer u een veld in de rode zone ziet, kunt u op het badge klikken om een zij-aan-zij-weergave van de oorspronkelijke afbeelding en de OCR-tekst te openen. Dit maakt de verificatiestap snel omdat u de app niet hoeft te verlaten om naar de bron te zoeken.

Beveiligings- en privacyoverwegingen

Ik behandelt de gegevens die u uploadt als vertrouwelijk. De service slaat uw bestanden niet op nadat het antwoord is verstuurd; de tijdelijke buffer bevindt zich in het geheugen en wordt binnen enkele seconden gewist. Als u de demomodus inschakelt, wordt het model volledig in de browser uitgevoerd, zodat geen gegevens uw apparaat verlaten.

Voor live-runs die een extern model aanroepen, sturen we alleen de geëxtraheerde tekst en afbeeldingsuitknipsels door; we sturen geen originele bestandsnaam of metadata die u niet heeft gekozen om te delen. De verbinding maakt gebruik van TLS 1.2 of hoger.

Om de AI-component veilig te houden, volgen we de richtlijnen van twee openbare kaders. Ten eerste raadplegen we de OWASP Top 10 voor Large Language Model Applications (https://owasp.org/www-project-top-10-for-large-language-model-applications) om te controleren op prompt-injectie, gegevenslekkage en model-uitvoerbeheer. Ten tweede stellen we onze risicobeheerspraktijken in overeenstemming met het NIST AI Risk Management Framework (https://www.nist.gov/itl/ai-risk-management-framework). Deze documenten helpen ons te beslissen welke logboeken we bijhouden, hoe we prompts sanitiseren en waar we verklaringen over betrouwbaarheidscores plaatsen.

We claimen geen certificaten (SOC 2, ISO 27001, enz.) tenzij ze formeel zijn geaudit en gepubliceerd. De beveiligingspagina van het product vermeldt de exacte controles die we vandaag hebben geïmplementeerd.

Beslissingsondersteunende workflow: verifieer voordat u actie onderneemt

Wanneer u een bankafschrift of factuur ontvangt, moet u eerst naar de vertrouwensbadges kijken. Elk veld met een waarde lager dan 0,8 verdient een snelle blik op de bron. Hier is de routine die ik volg:

- Upload het bestand en wacht tot het resultaatgrid verschijnt. - Sorteer de tabel op de vertrouwenskolom (klik op de header) om de laagste scores naar boven te brengen. - Voor elke rij met een lage vertrouwenswaarde, klikt u op het badge om het verificatiepaneel te openen. - In het paneel ziet u de originele afbeeldingscrop, de OCR-tekstregel en de voorgestelde waarde van het model. Accepteer de suggestie als deze overeenkomt; anders typt u de correcte waarde en drukt u op Enter – het grid wordt onmiddellijk bijgewerkt en het vertrouwensbadge wordt opnieuw berekend als 1,0 voor uw bewerking. - Nadat u alle rijen onder 0,8 heeft beoordeeld, voert u een snelle sanity-check uit: de som van debets minus credits moet gelijk zijn aan de verandering in de openings- en sluitingsaldi. Als de nummers niet overeenkomen, onderzoekt u de rijen die hebben bijgedragen aan de afwijking. - Wanneer u tevreden bent, exporteert u naar CSV of XLSX en laadt u het bestand in uw accountingsysteem. Bewaar het originele PDF in uw archief voor auditdoeleinden.

Deze workflow duurt ongeveer twee minuten voor een typische één-paginastatement en minder dan vijf minuten voor een multi-paginafactuurpakket. Het doel is nooit om uw oordeel te vervangen; het is om u een snelle eerste concept te geven dat u ter plaatse kunt verifiëren.

Wat dit niet is

Ik wil duidelijk zijn over de beperkingen van LedgerLens, zodat u niet afhankelijk bent van functionaliteiten die het niet kan bieden.

- Het is geen garantie voor correctheid. Zelfs een veld met een vertrouwensscore van 0,99 kan onjuist zijn als het brondocument een zeldzaam symbool of een lay-out bevat die het model nog nooit heeft gezien. - Het biedt geen 100 % nauwkeurigheid. Geen enkel AI-model bereikt vandaag perfecte extractie op heterogene financiële documenten. - Het zal nooit een gekwalificeerde accountant of auditor vervangen. Gebruik het als een controlelijst, niet als een definitieve autoriteit. - Het omvat geen SSO, Slack-notificaties of bulk CSV-verwerking, tenzij deze functies in deze specifieke build zijn geïmplementeerd. De productpagina lijst exact wat beschikbaar is. - Het is geen vervanging voor het lezen van het originele PDF- of afbeeldingsbestand. Bewaar altijd het bronbestand voor referentie. - Het biedt geen real-time samenwerking of versiebeheer. Als u deze functies nodig heeft, exporteert u de gegevens en gebruikt u uw bestaande tools. - Het belooft geen specifieke snelheidsverbetering. De verwerkingstijd hangt af van de bestandsgrootte, de beeldkwaliteit en of u de demomodus gebruikt of een live-sleutel.

Als een van de bovenstaande punten in een toekomstige release verandert, zal ik de documentatie en de productpagina dienovereenkomstig bijwerken.

Referenties

Vaak gestelde vragen

Wat is LedgerLens?

AI-geëxtraheerde bankafschriften en facturen — controleer voor gebruik.

Wie moet LedgerLens gebruiken?

Operatoren en bouwers die een snelle eerste conceptversie of controlelijst van LedgerLens nodig hebben.

Werkt het zonder API-sleutel?

Ja in expliciete demomodus. Live AI vereist een geconfigureerde sleutel.

Garandeert het resultaten?

Nee. Uitvoer is beslissingsondersteuning; u moet nog steeds controleren voordat u publiceert of actie onderneemt.

Omvat het SSO, Slack of bulk-CSV?

Alleen als deze functies zijn geïmplementeerd in deze productbuild — ga er niet vanuit dat ze aanwezig zijn vanwege marketingtekst.

Waar gaat de data naartoe?

Runs kunnen lokaal worden opgeslagen onder de.data/-grens van het product; behandel demos als ephemerisch. Bovendien zijn er tools als die kunnen helpen bij het gebruik van LedgerLens zoals beschreven in.

Referenties

- schema.org — FAQPage - Google Search Central — Structured data

Probeer LedgerLens

Gerelateerde artikelen

- Hoe LedgerLens gebruiken — LedgerLens - De LX AI Micro-SaaS Topic Matrix