من دقة الحروف إلى دقة العملية: دليل مؤسسي لاختبار حلول OCR

تختبر مؤسسة حل تعرّف ضوئي على الحروف (Optical Character Recognition - OCR) على فاتورة واضحة الطباعة. تقرأ الأداة معظم الكلمات والأرقام بصورة صحيحة، وتبدو النتيجة على الشاشة مطمئنة تماما. لكن حين يُستخدم الحل نفسه على مستندات العمل الفعلية، يخلط بين أعمدة الجدول، وينسب المبلغ الإجمالي إلى حقل الضريبة، ويفصل الحاشية التوضيحية عن البند الذي تقيّده.

هنا يُطرح السؤال الذي يجب أن يسبق أي قرار شراء: هل نجح الحل لأنه قرأ الصفحة، أم فشل لأنه لم يُنتج بيانات يمكن للمؤسسة الوثوق بها؟

هذا الفرق بين قراءة الصفحة وإنتاج بيانات موثوقة هو ما يفسّر أغلب حالات خيبة الأمل بعد تبني حلول OCR داخل المؤسسات. قد تقرأ الأداة كل كلمات الصفحة، ثم تضع القيمة الصحيحة في الخانة الخطأ. عندها تكون دقة الحروف مرتفعة، بينما تفشل العملية التي سيُستخدم المستند داخلها.

قبل التفاصيل، أربع نقاط تستحق أن يحملها القارئ معه:

• نسبة دقة واحدة لا تكفي؛ فهي قد تُخفي فروقا جوهرية بين نوع الخطأ وأثره الفعلي على العمل.
• المستند العربي يفرض متغيرات إضافية - اتجاه الكتابة، اتصال الحروف، التشكيل، الجداول المعقدة - تجعل اختباره حالة قائمة بذاتها، لا نسخة مصغّرة عن اختبار الإنجليزية.
• النجاح الحقيقي يُقاس على ثلاثة مستويات متكاملة: دقة النص، ودقة البنية، ودقة العملية.
• يبدأ القرار المؤسسي السليم بعينة اختبار تُشبه مستندات المؤسسة فعليا، لا بعرض تجريبي على مستند نظيف ومُختار بعناية.

لماذا لا تكفي نسبة الدقة العامة؟

حين يعرض مزوّد الحل رقمًا واحدًا - "دقة 97%" مثلا- فإن هذا الرقم يخفي أكثر مما يكشف. الأخطاء ليست من نوع واحد، وأثرها على العمل ليس واحدًا أيضًا.

يجدر التمييز بين خمسة أنواع من الأخطاء عند تقييم أي حل:

• خطأ إملائي محدود الأثر، لا يُغيّر معنى الجملة ولا يعطّل استخدامها.
• خطأ في ترتيب القراءة، يُخرج النص بترتيب مختلف عن ترتيبه المنطقي في الصفحة.
• خطأ في بنية جدول، يُدخل قيمة عمود في عمود آخر أو يدمج صفين لا يجب دمجهما.
• خطأ في رقم هوية أو قيمة مالية أو تاريخ، وهو الأخطر لأنه يمسّ حقلًا يُبنى عليه قرار أو إجراء.
• خطأ يمنع النظام التالي من استخدام المخرجات أصلًا، بسبب تنسيق غير متوقَّع أو حقل مفقود.

النوع الأول قد لا يستحق التوقف عنده. النوع الأخير قد يعني توقّف العملية بأكملها. مؤسسة تقارن الحلول بنسبة دقة واحدة تُعامل هذين الخطأين بالوزن نفسه، بينما الفارق بينهما في التأثير المؤسسي هائل. أثر الخطأ، لا عدده، هو المقياس الذي يجب أن يقود القرار.

المستند العربي يختبر أكثر من قراءة الحروف

اختبار حلول OCR على مستندات إنجليزية ثم افتراض أن النتيجة تنطبق على المستندات العربية افتراض غير دقيق. المستند العربي يحمل مجموعة من الخصائص التي تجعل اختباره مسألة قائمة بذاتها:

• اتجاه الكتابة من اليمين إلى اليسار، وما يترتب عليه من تعقيد في استنتاج ترتيب القراءة الصحيح.
• اتصال الحروف وتغيّر أشكالها بحسب موضعها في الكلمة.
• التشكيل، وتنوّع الخطوط بين المستندات المطبوعة والمخطوطة والمصمَّمة.
• وجود العربية والإنجليزية في الصفحة نفسها، وهو الوضع الشائع في المراسلات والعقود الرسمية.
• الأرقام والتواريخ الهجرية والميلادية جنبًا إلى جنب.
• الجداول متعددة المستويات، والصفحات متعددة الأعمدة.
• الأختام والحواشي والعلامات المائية.
• تفاوت جودة المسح في الأرشيفات القديمة، من ورق مصفرّ إلى نسخ مصوَّرة بزاوية غير مستقيمة.

هذه ليست تفاصيل هامشية. تشير دراسة KITAB-Bench، وهي معيار شامل متعدد المجالات لتقييم OCR والتعرّف على المستندات العربية، إلى أن التقييم الموثوق يحتاج عينات متنوعة فعلًا: مجموعة بيانات تضم قرابة 8,800 عينة موزّعة على تسعة مجالات رئيسية وستة وثلاثين مجالًا فرعيًا، تشمل نصوصًا وجداول ومخططات وأنواعًا متعددة من الوثائق. أي معيار يقيس النص وحده، أو يعتمد على نوع مستند واحد، يمنح صورة جزئية عن الأداء الفعلي.

من جهة أخرى، توضح الورقة البحثية الخاصة بنموذج بصير  النموذج الذي طوّرته مسراج لفهم المستندات العربية  أن اتجاه الكتابة، وتنوّع الخطوط، والتشكيل، والبنية المعقدة للصفحة عوامل تؤثر مباشرة في جودة الاستخراج، وأن التعامل معها يتطلب تكييفًا مخصَّصًا لا يكتفي بتطويع نموذج عام مبني أساسًا على لغات أخرى.

المصادر: KITAB-Bench، ورقة بصير.

مستويات الدقة الثلاثة

نجاح حل OCR لا يُقاس بعدد الحروف التي قرأها بصورة صحيحة فقط، لكنه يقاس بقدرته على الحفاظ على معنى المستند وبنيته، واستخراج الحقول الحرجة، وإنتاج مخرجات قابلة للاستخدام داخل أنظمة المؤسسة بأقل قدر من المراجعة البشرية. هذا يستدعي التمييز بين ثلاثة مستويات مختلفة من الدقة.

أولًا: دقة النص

هل قرأت الأداة الحروف والكلمات والأرقام بصورة صحيحة؟ هذا هو المستوى الأكثر شيوعا في التقييم، ويمكن قياسه عبر:

• معدل خطأ الحروف (Character Error Rate - CER).
• معدل خطأ الكلمات (Word Error Rate - WER).

هذان المقياسان ضروريان، لكنهما لا يكشفان شيئًا عن مكان الخطأ أو أثره على العملية اللاحقة.

ثانيًا: دقة البنية

هل حافظت الأداة على ترتيب القراءة، وعلاقة العنوان بالفقرات التابعة له، والصفوف والأعمدة، ودمج الخلايا حين يلزم، والقوائم والحواشي في مواضعها؟

يمكن قياس هذا المستوى بمقاييس تراعي بنية الجداول تحديدًا، مثل التشابه القائم على مسافة التحرير الشجرية (Tree-Edit-Distance-based Similarity - TEDS)، وهو مقياس صُمم خصيصًا لمقارنة بنية الجدول ومحتواه معًا، لا النص المستخرج وحده.

المصدر: بحث TEDS لتقييم الجداول.

ثالثًا: دقة العملية

هل يمكن استخدام الناتج مباشرة داخل الأرشيف أو قاعدة البيانات أو سير العمل، دون إعادة تنسيق أو تدخل يدوي مكثّف؟ هذا هو المستوى الذي يهم صاحب القرار فعليًا، وتُقاس عبره:

• دقة الحقول الحرجة تحديدًا، لا دقة الصفحة كاملة.
• نسبة المستندات التي أكملت مسارها دون تدخل يدوي.
• زمن المراجعة البشرية لكل مستند أو دفعة مستندات.
• نسبة المخرجات التي احتاجت إلى إعادة تنسيق قبل استخدامها.
• أثر الخطأ على الإجراء التالي في سير العمل.
• نجاح التكامل الفعلي مع النظام المستهدف، لا مجرد إمكانية التصدير.

حل يسجّل نتيجة ممتازة على المستوى الأول وحده قد يظل غير صالح للاعتماد المؤسسي، لأن القرار لا يُتخذ على مستوى الحرف، بل على مستوى العملية التي يخدمها المستند.

كيف تبني عينة اختبار تشبه مؤسستك؟

معظم الاختبارات تفشل قبل أن تبدأ، لأن العينة المُختبَرة لا تشبه واقع العمل. لبناء عينة اختبار ذات معنى:

• حدّد أنواع المستندات المرتبطة تحديدًا بحالة الاستخدام المستهدفة، لا كل ما تنتجه المؤسسة.
• اختر عينة سهلة ومتوسطة وصعبة من كل نوع، لا نسخة واحدة من أفضل حالاتها.
• ضمّن مستندات قديمة ومائلة ومنخفضة الجودة، فهذه هي التي ستكشف حدود الحل الفعلية.
• ضمّن الجداول، والصفحات ثنائية اللغة، والمستندات ذات الحواشي.
• حدّد الحقول الحرجة مسبقًا، قبل رؤية أي نتيجة، حتى لا يتأثر التحديد بأداء حل بعينه.
• أعِدّ نسخة مرجعية صحيحة يراجعها مختص بشري، لتكون معيار المقارنة الوحيد الموثوق.
• تجنّب اختبار قدرات لا يدّعي الحل دعمها أصلًا، مثل الخط اليدوي، إلا إذا كانت مطلوبة فعليًا في حالة الاستخدام.

يُفضَّل أن تبدأ المؤسسة بنوع واحد أو ثلاثة أنواع من المستندات على الأكثر، بدل جمع أرشيف واسع لا يخدم قرارًا محددًا. عمق الاختبار في نوع واحد أجدى من اتساعه على أنواع كثيرة دون تركيز.

كيف تنفّذ مقارنة عادلة بين الحلول؟

مقارنة الحلول دون ضبط شروط الاختبار تُنتج نتائج مضلِّلة، مهما بدت دقيقة على السطح. يجب أن تحصل جميع الحلول المُقارَنة على:

• الملفات نفسها، وجودة الصور نفسها، وعدد الصفحات نفسه.
• إعدادات المعالجة نفسها قدر الإمكان.
• تنسيق مخرجات مطلوب ومحدَّد مسبقًا، لا التنسيق الافتراضي لكل حل.
• قائمة الحقول والأسئلة نفسها تمامًا.

عند مقارنة النماذج التوليدية تحديدًا  وهي فئة تتغيّر نتائجها بحسب الإصدار والتعليمات المستخدمة  يجب تسجيل:

• اسم النموذج وإصداره الدقيق.
• تاريخ إجراء الاختبار.
• التعليمات (Prompts) المستخدمة حرفيًا.
• عدد مرات التشغيل، لأن النتيجة قد تتفاوت بين تشغيل وآخر.
• أي معالجة سبقت إدخال المستند إلى النموذج.
• أي تصحيح يدوي أُجري بعد الاستخراج قبل احتساب النتيجة.

لا تُنشر نتيجة مقارنة، داخليًا أو خارجيًا، دون توضيح المقياس المستخدم وحجم العينة وطبيعة المستندات. رقم بلا سياق لا يصلح أساسًا لقرار شراء.

بطاقة التقييم المؤسسية

تجميع ما سبق في بطاقة واحدة يساعد فرق المشتريات والحوكمة على مقارنة الحلول بمعايير موحّدة، بدل الاعتماد على انطباع عام بعد عرض تجريبي:

الأوزان النسبية لهذه المحاور تتغيّر بحسب حالة الاستخدام، لا بحسب تفضيل عام. في الفواتير، قد تحصل القيم المالية على وزن أعلى من باقي الحقول. في اللوائح والتعاميم الرسمية، يكون رقم المادة وتاريخ الإصدار غالبًا أكثر أهمية من دقة النص الوصفي المحيط بهما. البطاقة نفسها ثابتة؛ الأوزان هي التي تُخصَّص.

من الاختبار التقني إلى قرار الاعتماد

قبل بدء الاختبار، لا بعده، تحدّد المؤسسة شروط النجاح التي ستُقاس النتيجة عليها. من أبرزها:

• الحد الأدنى المقبول لدقة الحقول الحرجة تحديدًا.
• نسبة المستندات المسموح بإحالتها إلى المراجعة البشرية.
• الحد الأقصى المقبول لزمن المعالجة.
• تكلفة الصفحة أو المستند الواحد.
• متطلبات الاحتفاظ بالبيانات ومدته.
• متطلبات النشر، محليًا كان أم سحابيًا.
• قدرة الحل على التكامل عبر واجهة برمجة التطبيقات (Application Programming Interface - API) القائمة لدى المؤسسة.

تحديد هذه الشروط سلفًا يمنع أثرًا شائعًا: تعديل معايير النجاح بعد رؤية النتائج لتناسب الحل المفضَّل مسبقًا.

الاختبار الجيد ينتهي بأحد ثلاثة قرارات واضحة، لا بانطباع عام:

• جاهز للاعتماد في الحالة المحددة التي اختُبر عليها تحديدًا.
• يحتاج إلى تخصيص أو تحسين قبل الاعتماد، مع تحديد ما الذي يحتاج تحسينًا بالضبط.
• غير مناسب لنوع المستند أو مستوى المخاطر المطلوب، ويُستبعد بثقة بدل تأجيل القرار.

أين تظهر هذه المعايير على أرض الواقع؟

المنهج السابق ليس تمرينًا نظريًا. بصير، النموذج الذي طوّرته مسراج لفهم المستندات العربية، بُني أساسًا على فكرة أن الاستخراج الصحيح للنص لا يكفي وحده؛ فالهدف هو تحويل المستند إلى محتوى منظَّم يحافظ على النص وبنيته معًا، بصيغة (Markdown) قابلة للفهرسة والتكامل المباشر مع الأنظمة اللاحقة.

عند تطوير بصير، اعتمد الفريق منهجية تقييم متعددة المستويات تتقاطع مع ما ورد في هذا المقال: قياس دقة النص عبر معدلي CER وWER، وقياس دقة البنية عبر مقاييس تراعي هيكل الجدول لا محتواه فقط، واختبار عينات متنوعة من المستندات العربية تشمل الجداول والصفحات ثنائية اللغة والحواشي، بدل الاكتفاء بمستند نظيف واحد.

في التجارب المنشورة على معيار Misraj-DocOCR  وهو معيار داخلي مُراجَع من مختصين بشريين، يضم عينات مستندات عربية متنوعة الصعوبة  سجّل بصير معدل خطأ كلمات (WER) بلغ 0.25، متفوقًا بذلك على مجموعة من الحلول المفتوحة المصدر والتجارية على العينة نفسها وبالمقياس نفسه. هذا الرقم مرتبط تحديدًا بهذا المعيار وهذه العينة؛ أي مقارنة عليه في سياق مختلف تحتاج اختبارًا مستقلًا.

هذا لا يعفي أي مؤسسة تفكّر باعتماد بصير من الخطوة الأهم: تجربته على عينة من مستنداتها الفعلية، وفق المنهج الموضّح في هذا المقال، قبل أي توسّع في الاستخدام.

الخلاصة

اختبار OCR الحقيقي لا يبدأ بأفضل صفحة تستطيع الأداة قراءتها، وإنما بأصعب مستند تعتمد عليه المؤسسة في عملها. والقرار الصحيح لا يسأل عن دقة الحروف وحدها؛ بل عن قدرة الناتج على إكمال العملية بأمان، وبأقل تدخل يدوي، ودون فقدان معنى المستند.

ابدأ بعينة من مستندات العمل الفعلية، وحدّد الحقول التي لا يُقبل الخطأ فيها، ثم اختبر النص والبنية والعملية معًا  لا كل مستوى بمعزل عن الآخر.

إن كانت مؤسستك تتعامل مع حجم كبير من المستندات العربية وتفكّر في تقييم بصير ضمن هذا المنهج، يمكن التواصل مع فريق مسراج لبناء اختبار محدود على عينة من مستندات المؤسسة، وفق معايير نجاح متفق عليها مسبقًا.