可直讀
有 XML、API 或文字層的資料，應優先走結構化抽取，不必繞一圈 OCR。
OCR 不是第一手段
報帳 OCR 系統給製造業品質管理一個很好的啟發：自動化的第一步不是把所有文件都丟給 AI，而是先判斷資料來源。電子發票 XML 可以直讀，QR Code 可以解碼，PDF 文字層可以抽取，真正需要 OCR 的通常是圖片或掃描件；手寫、塗改、低信心度資料，則應標示待覆核。
這套分流邏輯，正是品質資料進入 QIF 框架前也必須具備的治理思維。資料不先分類，後面再強的模型也只是承接混亂。
分流代表系統理解資料來源
報帳資料看起來都是「憑證」，但來源差很多。電子發票、紙本發票、收據、交通憑證、PDF 帳單、手機照片，每一種資料的結構性、可信度、錯誤風險與後續審核路徑都不同。
可解析
QR Code、條碼、表格欄位與固定版面，適合用規則與解析器先處理。
待覆核
模糊圖片、手寫件、金額不一致、供應商資訊異常，應進人工覆核佇列。
分流不是把資料切開而已，而是讓系統知道：這筆資料從哪裡來、能信到什麼程度、該進哪個流程、何時必須停下來讓人判斷。
對應到 QIF：品質資料也需要分流
製造現場的品質資料也不是單一型態。CAD/MBD、PMI、CMM 量測結果、AOI 圖像、檢驗報告、供應商文件、異常紀錄與改善對策，各自有不同的來源、語意與信任邊界。
| 報帳資料分流 | 品質資料分流 | 治理意義 |
|---|---|---|
| 電子發票 XML / API | CAD / MBD / QIF 結構化資料 | 優先直讀，保留來源與欄位語意。 |
| QR Code / 條碼解析 | 圖面標註、PMI、檢驗規格解析 | 用規則與標準結構先歸位。 |
| 圖片 OCR / 收據照片 | 掃描報告、AOI 圖像、照片式證據 | 可抽取，但要標示信心度與限制。 |
| 低信心度待覆核 | 異常件、缺欄位、供應商資料不一致 | 不硬塞進系統，先進覆核或例外流程。 |
重點：QIF 不只是接收資料，而是讓品質資料依照來源、語意、規則與結果被正確放入品質流程。這和報帳系統先分流再判讀的精神一致，但不能把兩者說成同一件事。
自動化的成熟度在於邊界管理
很多系統在展示時只強調「自動辨識率」，但現場真正怕的是另一件事：錯的資料被自信地送進下一關。財務怕錯帳，品質怕錯判，製造怕錯版，這些問題都不是 OCR 辨識率單一數字能解決的。
成熟系統要能回答四個問題：
資料來源可追溯嗎？
知道資料來自 API、原生 PDF、掃描圖片、人工輸入，還是供應商外部文件。
規則能說明嗎？
不是只給結果，而要知道為什麼這筆資料被送到報帳、覆核、補件或異常流程。
何時不該自動化？
遇到低信心度、欄位衝突、金額不一致或關鍵欄位缺漏，就要停止自動入帳。
覆核能回灌嗎？
人工修正不只是補洞，而是讓下一次的分流規則與信心判斷更準。
這也是 QIF 對品質資料的啟發：AI 前面要有資料入口治理；沒有分流，AI 只是承接混亂；有分流，AI 才能做高價值判讀。
三個內部案例：從工廠文件看資料分流
以下案例來自內部檔案命名與資料整理邏輯，公開頁不放本機檔案路徑與 file 連結，避免把內部工作區暴露到網站上。
工廠資料分流盤點表
先盤點資料來源與可處理性，再決定直讀、解析、OCR 或覆核。這是報帳手冊精神在工廠資料治理上的對應。
全庫檔案索引
對完整檔案庫先做型別與來源分類，代表「分流先於判讀」不是口號，而是系統落地前的基本動作。
OCR 原文彙總
只有影像或掃描件才進 OCR；結構化檔案優先直讀。這能降低誤辨識，也讓後續覆核更聚焦。
外部來源與註解
- 財政部電子發票整合服務平台 Open API註解：支撐「電子發票資料不必只靠 OCR，應優先使用結構化資料或介接」的說法。
- 財政部電子發票應用程式介面使用規範註解：支撐資料介接需注意授權、個資與使用規範，適合放在合規提醒。
- 電子發票證明聯一維及二維條碼規格註解：支撐電子發票 QR Code 可作為資料解析來源，而不只是影像 OCR 對象。
- goodOCR 報帳發票解析註解：支撐報帳憑證 OCR 可擷取欄位並整理成表格，減少人工輸入錯誤。
- NewSoft GenAI-OCR 企業單據辨識註解：支撐企業憑證類型不只發票，也包含交通、公用事業與其他費用單據。
- 韜睿 AI 智能發票辨識引擎註解：支撐發票辨識可透過 API / JSON 回傳接入後端流程。
- Aspire：發票 OCR 的運作方法註解：可對應上傳、擷取、驗證、匯入會計或 ERP 系統的流程。
- Payhawk：Receipt vs Invoice Recognition註解：支撐收據與發票應自動分類，因為後續流程不同。
- SignUp Software：OCR Invoice Processing Guide註解：支撐 OCR 後續會進入 ERP 驗證、routing 與入帳流程。
- Ramp：OCR invoice processing註解：支撐 AP 系統自動擷取發票欄位並減少人工輸入瓶頸。
想把工廠文件先分流，再導入 AI 判讀？
AI Expert Services 可協助盤點資料來源、設計分流規則、建立覆核佇列，讓 AI 不只是辨識文字，而是進入可治理的品質資料流程。
卡片定位與保密、引用聲明
定位：本頁為知識庫「QIF 專題系列」文章，用來整理工廠 CAD、品質資料、製造治理與 AI 應用之間的關係，並連結外部權威準則。具體敏感明細留在各受控源文件，本頁只做指引。（本頁所述「工廠」均為去識別化代稱。）
若連結之權威單位，有認為需要修改／下架之必要，本單位將配合調優、修改、刪除或者下架。
保密（營業秘密）：本頁為對外文件，不揭露客戶名稱、機種真實名稱（一律代號）、配方、供應商料號、報價等營業秘密。
引用（連結＝引用，不得用於模型訓練）：外部連結僅供「引用、查證、延伸閱讀」，不得整段／整圖轉載、不得用於訓練 AI。標準發行者（ISO／ASME／AIAG）之標準條文原文一律不轉錄；本頁相關內容均為自行整理並標出處。