数据录入员 · 任务逐条

从文件录入数据

机器如今能读取其中很多内容,但进展慢,也读不全。晨星说,它部署了由 AI 驱动的数据采集与导入,并保留人在回路的治理。国税局的数字化试点处理了 5,330 万份纸质申报中约 380 万份(7%);2025 年申报季,承包商扫描了 5%。在人口普查局的一次测试中,字符识别与人工录入值一致约 73%,其余交给录入员。

这是一家公司对自身运营的描述、一个机构的审计和一次较早的测试;都没有统计有多少录入岗位消失。

核对与改正记录

核对仍然必要,因为机器抽取单靠自己并不可靠。在 ExtractBench 上,前沿模型在一个 369 字段的财务报告表单上有效输出为 0%;在某一领域,有效输出 90%,通过率却只有 12.5%。在发票上,最好的模型对干净发票的准确率为 96.50%,对扫描收据为 87.46% —— 不错,但不足以让记录免于复核。

这是基准测试,其中一项出自一家出售文档产品的公司;没有测量实际中还剩多少核对工作。

处理例外

把采集自动化的系统,本来就是设计成把难处理的情况交给人。一家外包公司说,它的文档处理配有专门的「人在回路」例外处理;在受监管的行业里,自动化流程仍需要专门的人来监督。在人口普查局的测试里,软件读不准的字段交给了录入员。

这是一家公司对自己所售服务的描述和一次较早的政府测试;没有测量有多少例外处理岗位。

拆信与整理文件

把来件数字化会减少这项工作,但纸张仍然要有人处理。那家外包公司说,它的服务减少了对专门拆封、审阅和分拣文件的收发室人员的需要;国税局的承包商仍须招人收件和拆信。

这是厂商对自家服务的说法和一份审计;都没有统计收发室岗位。