客户在文档处理软件需求征询中寻找什么？
智能文档处理软件的客户，追求的是把进入企业的各类文件流（发票、采购订单、合同、表单）转化为自己系统可以使用的数据，而无需重新录入。他们的问题不仅仅是字符识别本身：而是要把从接收到导入管理工具的整条链路自动化，同时妥善处理机器无法识别的情况。
对卖方而言，结果是直接的：夸耀识别技术的回应会失分，因为客户想要的是一个端到端的结果；展示了对真实文档的覆盖能力、自动化处理、人工处理异常情况，以及下游系统集成的回应，才会获胜。所期望的软件质量，可以依据 ISO/IEC 25010 这类公开标准框架来描述。
一份 IDP 回应必须证明哪些方面？
一份 IDP 回应要从四个方面来评判，因为正是这四个方面决定了客户能否真正实现文档处理链路的自动化。
| 方面 | 客户担心什么 | 卖方必须证明什么 |
|---|---|---|
| 文档覆盖能力 | 某类文档被误读 | 对客户格式和模板的支持 |
| 自动化处理 | 需要过多人工返工 | 基于其文档、无需人工干预即可处理的比例 |
| 异常情况处理 | 一个存疑的案例仍然被放行 | 针对不确定案例的人工核查流程 |
| 集成与安全 | 提取出的数据卡在半路 | 交付给下游系统，以及数据保护 |
一份证明了这四个方面的回应，回应的是客户真正的需求；一份只专注于识别技术的回应，只覆盖了其中一小部分。
客户如何评判一份 IDP 需求征询的回应？
IDP 需求征询的客户，通常在没有事先公布评分表的情况下作出评判，比较的是各份回应在自动化方面带来的真实收益。如果需求征询附带一份标准问卷，权重会依据其数量规模和风险高低来分配；如果没有，那么对需求的理解、证据的清晰度和价格的透明度就会成为决定因素。基于客户真实一批文档的测试，比单纯的断言更有分量，而异常处理和下游集成的重要性，不亚于提取本身。
一个能厘清一切的让步
数量不多、类型单一的文档，用简单的辅助录入就能处理，用不着发起一场文档处理需求征询。这个话题真正有意义的场合，是文档数量庞大、类型多样的组织，在那里，自动化和异常处理才是真正带来收益的地方。
那些导致 IDP 需求征询落败的错误
- 推销识别技术：客户想要的是一条端到端的自动化链路，而不是一个孤立的引擎。
- 承诺完美的提取效果：客户知道总有一些顽固的案例；真正让人安心的是异常处理机制。
- 忽视下游集成：提取出来却没有交付给系统的数据毫无价值。
- 忽视文档安全：发票和合同中包含敏感数据，《个人信息保护法》（PIPL）同样适用。
- 用示例文档做测试：测试要靠客户真实的文档才能赢得认可。
在发布本网站的 Optivalue.ai 平台上，分析智能体会在撰写前对需求征询中的每一项要求进行分类，并将其与企业文档相匹配，从而使每条回应都注明来源及其证据等级。
常见问题
当各家识别引擎都很相似时，一份 IDP 回应如何脱颖而出？
一份 IDP 回应，靠的是基于客户真实文档测得的结果、清晰的异常处理流程，以及清晰易读的价格。在性能相当的情况下，基于客户自身文档的证据和已经展示的下游集成能力，比一句提取效果的承诺更有分量。
如何在不夸大的前提下谈论自动化处理率？
把它与测试中客户真实的文档挂钩，而不是给出一个笼统的数值。基于其文档测得的结果，比一句承诺更有价值。
为什么异常处理机制至关重要？
因为没有任何系统能做到零差错地读取一切：正是针对不确定案例的人工核查流程，避免了错误数据流向下游。这一点会被客户实际检验。
在 IDP 回应中，应如何谈及数据安全？
说明文档在哪里被处理、谁能访问，以及其中包含的个人数据如何得到保护，并遵守《个人信息保护法》（PIPL）。进入企业的文档往往具有敏感性。
如何为真实文档测试做准备？
获取一批具有代表性的客户文档，并基于这些案例展示提取、异常处理和集成的效果。
引用来源
- ISO/IEC 25010，软件产品质量特性标准。
- 《个人信息保护法》（PIPL），涉及文档中所含个人数据的处理。