OCR trong ngân hàng

Trả lời nhanh: OCR trong ngân hàng là việc đọc ảnh hoặc bản scan của giấy tờ định danh, hồ sơ tín dụng, chứng từ và sao kê thành dữ liệu có cấu trúc để đưa vào hệ thống nghiệp vụ. OCR chỉ đọc chữ. Xác thực danh tính, kiểm tra logic và duyệt ngoại lệ vẫn là các lớp riêng phía sau.

Điểm chính

  • OCR ngân hàng có bốn nhóm tài liệu chính: giấy tờ định danh, hồ sơ tín dụng, chứng từ giao dịch và tài liệu pháp lý.
  • OCR đọc chữ trên giấy tờ. Việc xác thực người thật phải dựa vào đối chiếu sinh trắc học theo Thông tư 17/2024/TT-NHNN.
  • Độ chính xác cần đo theo trường dữ liệu và theo tỷ lệ hồ sơ đi thẳng không cần sửa, không đo theo ký tự.
  • Ngưỡng tin cậy nên đặt khác nhau cho từng trường: số tiền và số tài khoản chặt hơn họ tên hay địa chỉ.
  • Ảnh giấy tờ là dữ liệu cá nhân nên cần quy định che, lưu và xoá ngay từ lúc thiết kế.
Mục lục
  1. OCR được dùng ở những khâu nào của ngân hàng?
  2. Một hồ sơ đi qua OCR theo luồng nào?
  3. OCR trong eKYC: đọc giấy tờ khác gì xác thực người thật?
  4. OCR hồ sơ tín dụng khó ở đâu?
  5. Đo độ chính xác OCR ngân hàng thế nào cho đúng?
  6. Dữ liệu từ OCR có rủi ro bảo mật và tuân thủ nào?
  7. Những lỗi hay gặp khi triển khai và cách xử lý
  8. Chọn giải pháp: OCR theo mẫu hay xử lý tài liệu thông minh?
  9. Lộ trình đưa OCR vào một quy trình ngân hàng
  10. OCR không phù hợp trong trường hợp nào?
  11. Câu hỏi thường gặp

OCR được dùng ở những khâu nào của ngân hàng?

OCR (Optical Character Recognition, nhận dạng ký tự quang học) đọc chữ in trong ảnh và trả về văn bản. Nếu chưa nắm nguyên lý, bạn xem trước bài OCR là gì và hoạt động ra sao. Trong ngân hàng, giá trị của OCR nằm ở chỗ tài liệu đến từ nhiều kênh: ảnh chụp qua ứng dụng, bản scan tại quầy, PDF gửi qua email, fax của khách doanh nghiệp.

Có thể chia các khâu dùng OCR thành bốn nhóm:

  • Định danh khách hàng: căn cước công dân, hộ chiếu, giấy phép lái xe khi mở tài khoản, mở thẻ, đăng ký vay trực tuyến.
  • Hồ sơ tín dụng: hợp đồng lao động, bảng lương, sao kê tài khoản ở ngân hàng khác, tờ khai thuế, báo cáo tài chính, giấy đăng ký kinh doanh, giấy chứng nhận quyền sử dụng đất, đăng ký xe.
  • Chứng từ giao dịch: uỷ nhiệm chi giấy, phiếu gửi rút, hồ sơ nhờ thu, thư tín dụng (L/C), tờ khai hải quan đi kèm thanh toán quốc tế.
  • Tài liệu pháp lý và nội bộ: hợp đồng bảo đảm, biên bản, công văn, hồ sơ nhân sự và hồ sơ kiểm toán.

Mỗi nhóm có đặc thù khác nhau. Giấy tờ định danh có bố cục cố định, nhưng ảnh chụp bằng điện thoại thường lệch góc và có loá sáng. Sao kê và báo cáo tài chính có bảng dài nhiều trang, nơi lỗi sai dòng nghiêm trọng hơn lỗi sai ký tự. Hợp đồng là văn bản tự do, nên cần tìm điều khoản chứ không chỉ đọc chữ.

Một hồ sơ đi qua OCR theo luồng nào?

Nhiều bài chỉ nói OCR “tự động nhập liệu”. Thực tế bước nhận dạng chỉ là một trong sáu bước. Hai bước quyết định chất lượng là trích trường và kiểm tra chéo, vì chúng biến chuỗi ký tự thành dữ liệu có nghĩa nghiệp vụ.

Sáu bước xử lý hồ sơ ngân hàng bằng OCR: tiếp nhận ảnh, làm sạch ảnh, nhận dạng ký tự, trích trường dữ liệu, kiểm tra chéo, duyệt ngoại lệ
Sơ đồ khái niệm về luồng xử lý hồ sơ bằng OCR. Hai bước nhấn màu cam và xanh đậm là nơi hầu hết lỗi nghiệp vụ được chặn lại.

Cách làm ở bước 5 là lợi thế riêng của ngân hàng, vì ngân hàng có sẵn dữ liệu để đối chiếu. Ví dụ minh hoạ: trên một uỷ nhiệm chi, OCR đọc số tiền bằng số là 45.000.000 và số tiền bằng chữ là “bốn mươi lăm triệu đồng”. Hệ thống tự chuyển chữ thành số rồi so khớp. Nếu lệch, chứng từ chuyển sang người kiểm tra, dù độ tin cậy từng ký tự vẫn cao. Tương tự, số tài khoản thụ hưởng được tra tên chủ tài khoản. Họ tên trích từ ảnh được so với tên trong hồ sơ khách hàng sau khi chuẩn hoá dấu và thứ tự từ.

OCR trong eKYC: đọc giấy tờ khác gì xác thực người thật?

Khi mở tài khoản trực tuyến, OCR giúp khách khỏi gõ tay họ tên, ngày sinh, số định danh, địa chỉ. Nhưng OCR chỉ cho biết giấy tờ ghi gì. Nó không cho biết người đang cầm điện thoại có phải chủ giấy tờ hay không, cũng không biết thẻ có bị làm giả hay không. Vì vậy eKYC thực tế xếp thành ba lớp.

Ba lớp của eKYC ngân hàng: lớp 1 OCR đọc chữ trên giấy tờ, lớp 2 đối chiếu dữ liệu chip hoặc cơ sở dữ liệu, lớp 3 sinh trắc học khuôn mặt
Sơ đồ khái niệm. OCR là lớp đầu, chưa phải xác thực danh tính.

Về pháp lý, Ngân hàng Nhà nước ban hành Thông tư 17/2024/TT-NHNN ngày 28/6/2024 về mở và sử dụng tài khoản thanh toán. Theo đó, mở tài khoản ngân hàng online phải xác thực sinh trắc học từ 01/10/2024. Điểm quan trọng với thiết kế OCR là việc đối chiếu sinh trắc học phải khớp với dữ liệu lưu trong chip của căn cước công dân hoặc thẻ căn cước, hoặc qua xác thực tài khoản định danh điện tử. Nghĩa là dữ liệu đáng tin nằm ở chip hoặc hệ thống định danh, còn kết quả OCR từ mặt thẻ chỉ nên dùng để điền sẵn và đối chiếu thêm. Chi tiết kỹ thuật riêng cho giấy tờ này nằm trong bài OCR căn cước công dân.

Luồng eKYC cụ thể do từng ngân hàng và cơ quan quản lý quy định, nên bài này chỉ mô tả vai trò của OCR trong luồng đó. Với đơn vị đang triển khai, hãy đối chiếu bản thông tư còn hiệu lực và hướng dẫn của đầu mối pháp chế trước khi chốt thiết kế.

OCR hồ sơ tín dụng khó ở đâu?

Hồ sơ vay là nơi OCR thường vấp nhất, vì tài liệu do khách tự chuẩn bị nên không có chuẩn chung. Bảng dưới liệt kê tài liệu, trường cần lấy và cách kiểm tra chéo phù hợp.

Tài liệu Trường cần trích Khó khăn thường gặp Cách kiểm tra chéo
Căn cước công dân Số định danh, họ tên, ngày sinh, nơi cư trú Loá thẻ, ảnh chụp lệch, thẻ ép plastic phản quang So với hồ sơ đã nhập, chip hoặc dữ liệu định danh
Sao kê tài khoản Ngày, diễn giải, ghi nợ, ghi có, số dư Bảng nhiều trang, dòng diễn giải xuống dòng, mỗi ngân hàng một mẫu Số dư đầu cộng phát sinh phải bằng số dư cuối
Bảng lương, hợp đồng lao động Tên đơn vị, mức lương, thời hạn hợp đồng Mẫu tự soạn, đóng dấu đè lên chữ Mức lương so với dòng tiền về tài khoản
Báo cáo tài chính, tờ khai thuế Doanh thu, lợi nhuận, tổng tài sản, kỳ báo cáo Bảng nhiều cột, số âm trong ngoặc, đơn vị nghìn hay triệu Các tổng phụ cộng lại bằng tổng, kỳ báo cáo khớp hồ sơ vay
Giấy chứng nhận quyền sử dụng đất, đăng ký xe Số thửa, diện tích, chủ sở hữu, số khung Mẫu thay đổi theo thời kỳ, chữ viết tay bổ sung Tên chủ sở hữu khớp người vay hoặc bên bảo đảm

Hai chỗ cần chú ý. Thứ nhất, chữ tiếng Việt có dấu làm tăng nguy cơ nhầm giữa các ký tự gần nhau, ảnh hưởng đến tên người và địa chỉ. Cơ chế được giải thích trong bài OCR tiếng Việt. Thứ hai, ghi chú viết tay, chữ ký và ô đánh dấu trên biểu mẫu thuộc phạm vi nhận dạng chữ viết tay, xem bài ICR là gì. Đừng kỳ vọng một động cơ OCR đọc chữ in xử lý tốt cả phần viết tay.

Đo độ chính xác OCR ngân hàng thế nào cho đúng?

Con số “chính xác 98%” trên tờ giới thiệu thường tính theo ký tự trên tài liệu sạch. Ngân hàng quan tâm đến ba thước đo khác.

  • Độ chính xác theo trường (field accuracy): tỷ lệ trường được trích đúng hoàn toàn. Một trường số tài khoản sai một chữ số là sai cả trường dù 99% ký tự đúng.
  • Tỷ lệ đi thẳng (straight-through rate): phần hồ sơ qua hết các bước kiểm tra mà không ai phải sửa.
  • Tỷ lệ sai lọt: trường sai nhưng được hệ thống tin là đúng và không bị chặn. Đây là chỉ số rủi ro quan trọng nhất, vì lỗi bị chặn chỉ tốn thời gian, còn lỗi lọt gây sai sót nghiệp vụ.

Cách đo chắc chắn là lấy một tập hồ sơ cũ, nhờ người thành thạo nhập lại làm đáp án chuẩn, rồi so từng trường với kết quả OCR. Tập mẫu cần có cả ảnh xấu, bản photo mờ, thẻ cũ, vì đó mới là điều kiện thật. Số liệu sau đó nên tách theo loại tài liệu và theo kênh nhận (ứng dụng, quầy, email), vì độ chính xác trung bình che mất nhóm đang yếu.

Sau khi có số liệu, đặt ngưỡng theo cặp “độ tin cậy” và “mức rủi ro của trường”, thay vì một ngưỡng chung.

Ma trận 2x2: trục ngang là độ tin cậy của OCR thấp hoặc cao, trục dọc là rủi ro của trường dữ liệu thấp hoặc cao. Rủi ro cao và tin cậy
Ma trận khái niệm để chọn mức kiểm tra. Ví dụ minh hoạ: số tiền, số tài khoản thuộc hàng rủi ro cao. Ghi chú, tên cơ quan cấp thuộc hàng thấp.

Ngay cả khi OCR tự tin, trường rủi ro cao vẫn nên rút mẫu ngẫu nhiên để kiểm lại định kỳ, vì độ tin cậy do mô hình tự báo có thể lệch khi chất lượng ảnh đổi.

Dữ liệu từ OCR có rủi ro bảo mật và tuân thủ nào?

Ảnh căn cước và sao kê chứa dữ liệu cá nhân và thông tin tài chính. Với OCR, rủi ro không chỉ ở kết quả mà ở những bản sao phát sinh trong quá trình xử lý. Có bốn điểm cần rà soát:

  • Ảnh gốc và ảnh trung gian: ảnh sau khi cắt, xoay, tăng tương phản thường nằm trong thư mục tạm của máy chủ xử lý. Cần xác định thời điểm xoá.
  • Nhật ký hệ thống (log): nhiều hệ thống ghi nguyên văn kết quả OCR vào log phục vụ gỡ lỗi. Số căn cước, số tài khoản không nên xuất hiện dạng rõ ở đây.
  • Dữ liệu sinh trắc học: ảnh khuôn mặt là dữ liệu nhạy cảm theo luật về bảo vệ dữ liệu cá nhân, nên không dùng ảnh của khách để huấn luyện lại mô hình nếu chưa có căn cứ và sự đồng ý phù hợp.
  • Bên thứ ba: dùng dịch vụ OCR trên đám mây hay thuê đơn vị nhập liệu bên ngoài là việc giao xử lý dữ liệu. Với ngân hàng, phạm vi thuê ngoài còn chịu quy định riêng của Ngân hàng Nhà nước, xem bài BPO ngân hàng đúng quy định.

Bản số hoá cũng cần chính sách lưu trữ rõ ràng: thời hạn giữ theo loại hồ sơ, quyền truy cập theo vai trò, bản gốc giấy hay ảnh được coi là bản lưu chính. Phần này nằm trong lưu trữ tài liệu điện tử.

Những lỗi hay gặp khi triển khai và cách xử lý

Dấu hiệu Nguyên nhân thường gặp Cách xử lý
Họ tên bị sai dấu hoặc dính chữ Ảnh độ phân giải thấp, thẻ loá Kiểm tra chất lượng ảnh ngay ở ứng dụng, yêu cầu chụp lại trước khi gửi
Số tài khoản lệch một chữ số Nhầm các chữ số hình gần giống như 0 và 8, 1 và 7 Bắt buộc tra tên chủ tài khoản hoặc kiểm tra số kiểm tra nếu có
Sao kê bị lệch dòng, số dư không cộng được Diễn giải xuống dòng làm tách một giao dịch thành hai Kiểm tra công thức số dư đầu, phát sinh, số dư cuối, lệch thì chuyển người xử lý
Mẫu mới đọc kém dù mẫu cũ tốt Ngân hàng đối tác đổi bố cục, cơ quan cấp đổi mẫu Theo dõi độ chính xác theo từng mẫu, gom hồ sơ bị trả về để bổ sung cấu hình
Tỷ lệ phải sửa tăng đột ngột Đổi camera, đổi kênh scan, cập nhật phần mềm Đối chiếu số liệu trước và sau ngày thay đổi, giữ mẫu đối chứng cố định
Người kiểm tra gõ lại hết thay vì sửa Giao diện không hiển thị vị trí trường trên ảnh Cho xem ảnh cạnh trường nghi ngờ, ưu tiên hiển thị theo mức tin cậy

Lỗi thứ hai trong bảng đáng chú ý nhất, vì mô hình nhận dạng có thể trả kết quả hợp lý về hình thức nhưng sai về nội dung. Chính vì vậy kiểm tra chéo không thể bỏ, kể cả khi bảng thống kê cho thấy OCR rất ổn.

Chọn giải pháp: OCR theo mẫu hay xử lý tài liệu thông minh?

Hai hướng chính hiện nay là OCR theo mẫu (template) và nền tảng xử lý tài liệu thông minh. Hướng thứ hai kết hợp OCR với mô hình hiểu bố cục và ngữ nghĩa, được phân tích trong bài IDP là gì.

Tiêu chí OCR theo mẫu Xử lý tài liệu thông minh
Tài liệu phù hợp Bố cục cố định: căn cước, uỷ nhiệm chi mẫu của chính ngân hàng Bố cục thay đổi: hợp đồng, sao kê nhiều ngân hàng, báo cáo tài chính
Công sức cấu hình Mỗi mẫu mới cần định nghĩa vùng đọc Mô hình tự tìm trường, nhưng cần dữ liệu mẫu để tinh chỉnh
Khả năng giải thích lỗi Dễ truy vết vì vùng đọc cố định Khó hơn, cần ghi lại độ tin cậy và vị trí trên ảnh
Triển khai tại chỗ (on-premise) Thường nhẹ, dễ đặt trong hạ tầng ngân hàng Tuỳ nhà cung cấp, có thể cần tài nguyên tính toán lớn
Tích hợp Gọi qua API hoặc phần mềm RPA Gọi qua API, thường có giao diện kiểm tra riêng

Khi hỏi nhà cung cấp, hãy yêu cầu chạy thử trên tập hồ sơ của chính ngân hàng thay vì tài liệu minh hoạ của họ. Hãy hỏi thêm: dữ liệu thử có bị giữ lại không, hệ thống đặt ở đâu, kết quả có kèm vị trí trên ảnh và độ tin cậy từng trường không. Nếu ngân hàng đã dùng robot phần mềm để nhập liệu sang hệ thống lõi, OCR là phần đọc đầu vào cho robot đó. Cách hai công nghệ phối hợp được mô tả tại RPA và AI khác nhau thế nào.

Lộ trình đưa OCR vào một quy trình ngân hàng

  1. Chọn một loại chứng từ có khối lượng lớn và bố cục ổn định. Ví dụ minh hoạ: giấy đề nghị mở tài khoản doanh nghiệp, phiếu thu chi tại một khối giao dịch.
  2. Lập danh sách trường và quy tắc kiểm tra cho từng trường. Trường nào bắt buộc, định dạng ra sao, đối chiếu với danh mục hoặc hệ thống nào.
  3. Chuẩn bị tập mẫu và đáp án chuẩn. Lấy hồ sơ đã xử lý xong, ẩn thông tin định danh nếu thử nghiệm ngoài môi trường sản xuất.
  4. Chạy song song với cách làm cũ. So sánh theo trường, ghi lại các kiểu lỗi và ngưỡng tin cậy cho từng trường.
  5. Thiết kế màn hình xử lý ngoại lệ. Người kiểm tra thấy ảnh, giá trị OCR và lý do bị chặn trên cùng một màn hình.
  6. Quy định lưu và xoá dữ liệu. Ảnh trung gian, log, bản sao ở môi trường thử.
  7. Theo dõi hằng tuần: độ chính xác theo trường, tỷ lệ đi thẳng, sai lọt qua kiểm tra mẫu, thời gian xử lý ngoại lệ.

Để quyết định có đáng đầu tư hay không, hãy so thời gian xử lý và tỷ lệ sai trước và sau, theo phương pháp trong bài đo ROI tự động hoá. Bức tranh rộng hơn về các mảng số hoá của ngân hàng nằm trong bài chuyển đổi số trong ngân hàng.

OCR không phù hợp trong trường hợp nào?

  • Khi nghiệp vụ cần chắc chắn tuyệt đối về giấy tờ thật hay giả. OCR không phát hiện giả mạo, đó là việc của kiểm tra chip, đối chiếu cơ sở dữ liệu và nghiệp vụ thẩm định.
  • Khi tài liệu chủ yếu là chữ viết tay hoặc ảnh quá xấu. Lúc này nên thu lại tài liệu hoặc dùng ICR kèm người kiểm tra.
  • Khi khối lượng nhỏ và mỗi hồ sơ khác nhau. Công sức cấu hình có thể lớn hơn công nhập tay.
  • Khi chưa có dữ liệu hoặc hệ thống để đối chiếu. Thiếu bước kiểm tra chéo thì OCR chỉ chuyển lỗi nhập liệu thành lỗi nhận dạng.

Nhập liệu bằng người vẫn cần ở các ngoại lệ và các trường rủi ro cao. Vai trò công việc đó và cách tổ chức được trình bày ở bài data entry là gì.

Câu hỏi thường gặp

OCR trong ngân hàng có thay thế eKYC không?

Không. OCR là một thành phần của eKYC, làm nhiệm vụ đọc chữ trên giấy tờ. Việc xác minh người thật dựa vào đối chiếu sinh trắc học và dữ liệu từ chip căn cước hoặc hệ thống định danh điện tử, theo Thông tư 17/2024/TT-NHNN.

Ngân hàng nên tin OCR bao nhiêu phần trăm?

Không có ngưỡng chung cho mọi ngân hàng. Mức chấp nhận phụ thuộc vào trường dữ liệu, loại tài liệu và kênh nhận. Bạn nên tự đo bằng tập hồ sơ thật có đáp án chuẩn, đo theo trường và theo tỷ lệ sai lọt, không dựa vào con số quảng cáo.

OCR có đọc được chữ viết tay trên biểu mẫu ngân hàng không?

OCR đọc chữ in tốt hơn chữ viết tay. Ô điền tay, chữ ký hoặc ghi chú thường cần công nghệ nhận dạng chữ viết tay riêng và bước kiểm tra của người. Với các trường quan trọng như số tiền, nên có đối chiếu số và chữ.

Dùng OCR trên đám mây cho hồ sơ khách hàng có được không?

Có thể, nhưng đó là việc giao xử lý dữ liệu cho bên thứ ba nên cần đánh giá vị trí đặt dữ liệu, cam kết bảo mật, thời gian lưu và quyền kiểm tra. Ngân hàng cũng cần đối chiếu với quy định của Ngân hàng Nhà nước về thuê ngoài và an toàn hệ thống thông tin.

OCR hoá đơn và OCR hồ sơ ngân hàng khác nhau ở đâu?

Hoá đơn có cấu trúc khá ổn định và cần khớp với dữ liệu kế toán. Hồ sơ ngân hàng đa dạng hơn, gồm giấy tờ định danh, sao kê, hợp đồng, và cần đối chiếu với hệ thống lõi và danh mục khách hàng. Phần hoá đơn được trình bày riêng ở bài OCR hoá đơn.

VBPO Tech Blog cập nhật tin tức và kiến thức công nghệ cho doanh nghiệp Việt Nam. Xem thêm các bài cùng chuyên mục OCR & xử lý tài liệu.