AI Membaca Invoice untuk Pajak: Risiko hallucination dan mapping salah yang harus dikontrol

OCR salah dan hallucination bukan hal yang sama

OCR salah ketika karakter pada dokumen terbaca keliru: angka 8 menjadi 3, titik menjadi koma, atau nomor NPWP kehilangan digit. Kesalahan dapat terlihat dengan membandingkan bounding box dan gambar sumber.

Hallucination terjadi ketika model menghasilkan field atau penjelasan yang tidak ada. Ia dapat mengisi nomor kontrak, tanggal jatuh tempo, atau tarif pajak karena pola invoice biasanya mempunyai informasi tersebut. Output tampak rapi, tetapi tidak bersumber.

Mapping salah terjadi ketika field terbaca benar tetapi masuk akun atau perlakuan yang keliru. Kata “maintenance” dipetakan sebagai jasa tertentu, padahal invoice mencakup penggantian suku cadang. Nama vendor benar, tetapi entitas legal berbeda. Ketiganya membutuhkan kontrol terpisah.

Pertahankan provenance per field. Setiap nilai hasil ekstraksi harus menunjuk halaman dan area sumber. Field tanpa sumber diberi null, bukan ditebak. Candidate mapping menampilkan rule serta bukti, bukan menyamar sebagai data invoice.

Validasi dokumen sebelum membaca pajak

Sistem perlu mengenali apakah file benar-benar invoice, credit note, proforma, receipt, purchase order, atau laporan settlement. Proforma bukan selalu kewajiban pembayaran. Credit note mempunyai arah berbeda. Dokumen duplikat dapat memakai nama file lain.

Periksa integritas file, jumlah halaman, keterbacaan, bahasa, mata uang, dan orientasi. Tandai hasil scan rendah, tabel terpotong, tulisan tangan, password, atau halaman hilang. Jangan memaksa model memberi output lengkap pada input buruk.

Validasi identitas vendor terhadap master: nama legal, NPWP, alamat, rekening, status, dan hubungan afiliasi. Fuzzy match hanya memberi kandidat. Vendor baru atau rekening berubah memerlukan prosedur onboarding dan verifikasi anti-fraud di luar model pajak.

Simpan hash file untuk deteksi duplikat. Gabungkan dengan nomor invoice, vendor, tanggal, dan nilai. Duplikat tidak selalu identik secara byte karena scan ulang, sehingga gunakan exact dan fuzzy detection.

Aritmetika menjadi pagar pertama

Hitung ulang subtotal, diskon, DPP, PPN, pajak lain, dan total. Periksa tanda negatif pada credit note. Bandingkan mata uang dan kurs. Toleransi pembulatan ditetapkan eksplisit, bukan dibiarkan model memilih.

Jika total tidak cocok, dokumen masuk exception. Sistem tidak boleh menyeimbangkan dengan membuat adjustment otomatis tanpa alasan. Selisih bisa berasal dari biaya pengiriman, withholding, uang muka, atau formula khusus yang perlu dilihat manusia.

Tarif yang terbaca belum tentu tarif yang benar. Invoice vendor dapat salah. AI harus membandingkan dengan aturan serta master treatment, lalu menandai konflik. Menyalin kesalahan lawan transaksi ke sistem internal bukan otomasi yang aman.

Satu invoice dapat mempunyai banyak treatment

Invoice paket dapat memuat barang, instalasi, training, lisensi, perjalanan, dan reimbursement. Mapping seluruh nilai berdasarkan satu keyword menyebabkan pajak salah. Ekstraksi perlu sampai line item dan kontrak.

Deskripsi pendek seperti “professional fee” tidak cukup menentukan PPh. Identitas pihak, substansi pekerjaan, lokasi, kontrak, hak, dan ketentuan menentukan. Model dapat mengusulkan kategori, tetapi reviewer tax memutuskan kasus abu-abu.

Royalti versus jasa software menjadi contoh klasik. Kata subscription atau license tidak otomatis menjawab. Apakah pelanggan memperoleh hak memperbanyak atau mengeksploitasi, atau hanya akses memakai software? Kontrak dan treaty dapat relevan. AI tidak boleh memutuskan dari invoice satu halaman.

Invoice lintas negara membutuhkan data yang sering tidak tercetak: negara domisili penerima, surat keterangan domisili, beneficial owner, tempat jasa dilakukan atau dimanfaatkan, serta permanent establishment. Model harus menandai dokumen pendukung yang hilang, bukan mengasumsikan dari domain email atau kode mata uang.

Kurs juga perlu sumber dan tanggal yang sesuai dengan kewajiban. AI dapat mengambil mata uang dan jumlah, lalu mesin aturan memilih kandidat kurs. Reviewer memastikan konteks. Menggunakan kurs bank, kurs invoice, atau kurs pajak secara bergantian tanpa kebijakan akan menghasilkan selisih yang tidak dapat direproduksi.

Jika vendor memotong pajak luar negeri atau mencantumkan sales tax negara lain, pisahkan dari pajak Indonesia. Field bernama tax tidak otomatis PPN. Mapping membutuhkan jenis pajak, yurisdiksi, dasar, dokumen, dan kemungkinan kredit sesuai ketentuan.

Reimbursement juga rawan. Apakah biaya dikeluarkan atas nama pelanggan, mempunyai bukti, dan memenuhi syarat? Apakah terdapat markup? Label “reimbursable” dari vendor bukan bukti final.

Master mapping perlu versi dan tanggal efektif

Tax code, chart of accounts, tarif, dan aturan berubah. Mapping vendor tahun lalu mungkin tidak sesuai kontrak baru. Setiap rule mempunyai pemilik, dasar, tanggal mulai, tanggal akhir, dan approval.

Jangan melatih model dari jurnal historis tanpa membersihkan kesalahan. Historical posting menunjukkan apa yang pernah dilakukan, bukan selalu apa yang benar. Bangun gold set yang direview tax dan accounting.

Ketika confidence rendah atau transaksi di luar pola, sistem memilih abstain. Kemampuan tidak menjawab adalah fitur penting. Ukur abstention rate bersama accuracy. Model yang selalu mengisi field sering menyembunyikan ketidakpastian.

Perubahan mapping diuji pada sampel lama dan baru. Simulasikan dampak rupiah sebelum deploy. Sediakan rollback dan pertahankan output versi sebelumnya untuk audit.

Human review berbasis risiko

Tidak semua invoice memerlukan review sama. Nilai tinggi, vendor baru, lintas negara, pihak afiliasi, manual journal, perubahan rekening, kontrak kompleks, dan tax treatment langka masuk prioritas tinggi. Invoice rutin bernilai kecil dengan exact match dapat diproses otomatis setelah kontrol matang.

Reviewer melihat gambar sumber, field, aritmetika, candidate mapping, confidence, rule, dan histori. Antarmuka yang hanya menampilkan hasil teks membuat reviewer sulit menemukan hallucination. Sorot lokasi setiap field pada dokumen.

Approval tidak boleh menjadi klik massal. Ukur waktu review dan override. Jika hampir semua output diubah, model belum siap. Jika tidak pernah ada override, audit sampel karena reviewer mungkin terlalu percaya.

Pisahkan operator yang memperbaiki ekstraksi, tax reviewer yang menentukan treatment, dan approver pembayaran. AI tidak boleh menghapus segregation of duties.

Privasi invoice adalah isu nyata

Invoice memuat nama, alamat, NPWP, rekening, harga, produk, dan hubungan bisnis. Jangan mengunggahnya ke layanan AI publik tanpa kebijakan. Tinjau lokasi pemrosesan, retensi, subprocessor, penggunaan data untuk training, enkripsi, dan penghapusan.

Masking rekening atau identitas dapat mengurangi risiko, tetapi mungkin menghilangkan field yang diperlukan untuk fraud check. Desain pipeline agar model hanya menerima data minimum. Untuk pengujian, gunakan dokumen sintetis yang mencakup layout sulit.

Prompt injection juga mungkin tersembunyi pada dokumen, misalnya teks yang menyuruh model mengabaikan aturan. Sistem ekstraksi harus memperlakukan isi invoice sebagai data, bukan instruksi. Pisahkan system rules dan batasi tool access. Model pembaca invoice tidak perlu akses untuk mengirim pembayaran.

Log perlu mencatat siapa melihat dokumen, model dan versi, prompt, output, perubahan manusia, serta status. Retensi log disesuaikan dengan kebutuhan audit dan perlindungan data.

Uji dengan dokumen yang sengaja sulit

Benchmark harus mencakup scan miring, resolusi rendah, tabel dua halaman, mata uang asing, diskon, credit note, bilingual, cap menutupi angka, multi-entity, QR code, tulisan tangan, dan invoice dengan total salah. Tambahkan dokumen bukan invoice untuk menguji penolakan.

Ukur akurasi per field, bukan satu angka umum. Kesalahan NPWP, DPP, PPN, rekening, dan total mempunyai dampak berbeda. Ukur exact match, numeric tolerance, classification precision, recall, false automation, dan nilai rupiah terdampak.

Lakukan end-to-end test dari upload sampai jurnal dan laporan pajak. Model bisa benar tetapi integrasi menukar kolom atau membulatkan nilai. Rekonsiliasi total input dan output wajib ada.

Shadow mode dijalankan beberapa periode. Sistem membuat rekomendasi tanpa posting. Bandingkan dengan proses manual dan tinjau seluruh perbedaan material. Go-live bertahap berdasarkan vendor serta tipe invoice.

Exception queue yang tidak menjadi kuburan

Setiap exception memiliki alasan spesifik: unreadable, arithmetic mismatch, vendor unknown, duplicate, tax ambiguity, contract missing, atau security alert. Tetapkan pemilik dan SLA. Jangan memakai satu status “manual review”.

Setelah posting, jalankan kontrol detektif. Cocokkan total invoice yang diproses dengan jurnal, pembayaran, faktur, dan bukti potong. Cari reversal cepat, vendor dengan override tinggi, dan pengguna yang selalu menutup exception. Model yang lolos kontrol input masih dapat gagal di integrasi atau tindakan pengguna.

Audit trail harus memungkinkan satu jurnal kembali ke file, versi ekstraksi, mapping, reviewer, dan approval. Jika hubungan itu putus setelah data dipindahkan ke ERP, sistem belum benar-benar auditable.

Hubungkan koreksi ke akar masalah. Jika vendor selalu mengirim scan buruk, minta e-invoice atau format lebih baik. Jika purchase order tidak memuat tax code, perbaiki procurement. Jika master vendor ganda, bersihkan. AI seharusnya mengurangi exception dari waktu ke waktu, bukan menyembunyikannya.

Pantau aging, volume, nilai, dan override. Lonjakan setelah model update memicu rollback. Sampel output otomatis tetap diaudit. Fraud atau error sering muncul pada kasus yang terlihat terlalu sempurna.

Batas keputusan yang harus tertulis

Dokumen governance harus menyatakan field mana boleh diekstrak otomatis, rule mana boleh auto-post, kondisi yang wajib review, pihak yang menyetujui mapping, dan tindakan yang dilarang. Sertakan prosedur perubahan aturan pajak dan incident response.

AI boleh mengisi draft jurnal atau candidate treatment. Ia tidak boleh mengarang dokumen, mengubah invoice sumber, membuat bukti potong final tanpa kontrol, atau membayar vendor. Ketika sumber resmi tidak tersedia, sistem harus meminta manusia.

Manfaat AI membaca invoice nyata: close lebih cepat, populasi lebih lengkap, duplikasi cepat terlihat, dan reviewer fokus pada exception. Namun manfaat itu hanya muncul jika perusahaan mempertahankan sumber, aritmetika, mapping, keamanan, dan review.

Invoice bukan kumpulan kata kunci. Ia satu potongan dari kontrak dan transaksi. Model dapat membaca teks dalam hitungan detik, tetapi tidak boleh mengisi ruang kosong dengan keyakinan palsu. Sistem terbaik bukan yang selalu memberi jawaban. Sistem terbaik tahu kapan menunjukkan bukti, kapan menandai ketidakpastian, dan kapan berhenti untuk meminta keputusan manusia.