බැංකු පත්රිකා AI සමඟ JSON ආකාරයට පරිවර්තනය කරන වැඩසටහනක් සාදන කාලයේ, බොහෝ සංවර්ධකයින්ට පළමුව තේරෙන ප්රශ්නය "ඇත්තේ කොහේද?" යන්නයි. මූලිකව පත්රිකා කියවීම සරල වුවද, නිපදවන දත්ත වැරදිද කියා හඳුනා ගැනීම අභියෝගයක් වූවා.
මුලින්ම ලේඛනයක් LLM (Large Language Model) එකකට දී, එය "structured JSON" ලෙස පිළිතුරක් ලබා දීමට ඉල්ලීම කළා. ආරම්භක ප්රතිඵල සැනසිල්ලක් දෙනවා වගේ හිටියා – වගු, විවිධ සැලසුම්, ස්කෑන් කරන PDF ගොනුත් නිතරම හොඳින් පරිවර්තනය වුණා. නමුත් නිරන්තරයෙන් නව පත්රිකා එකතු කරන විට, එක් එක් බැංකුවේ ආකෘති වෙනස් වීම, Wise, Revolut, UK බැංකු, Australian OFX වැනි විවිධ ෆයිල් වර්ග පෙනී ආයේ.
මොඩලය තවමත් වැඩි පරිමාණයෙන් නිවැරදියි, නමුත් 14 පේජ් පත්රිකාවක 300කට ආසන්න ගනුදෙනු අතර එකක් වරදක් වුවහොත්, JSON එක පූර්ණයෙන්ම සත්ය බවක් පෙනේ. ඒ වරදක් ගිණුම් සටහන් මෘදුකාංගයකට ඇතුළත් කරද්දී, මුළු අපනයනම අවිශ්වාසීය වේ.
ප්රධාන විසඳුම – දත්ත ප්රතිඵලය වෙනම පරීක්ෂා කිරීම. බැංකු පත්රිකාවල අරඹන ශේෂය, සෑම ගනුදෙනුවක්, අවසාන ශේෂය යන සියල්ල එකිනෙකට ගැලපෙන්නා යුතුය. එම නිසා LLM, OCR, CSV, OFX වැනි ඕනෑම ප්රතිඵලයක් එකම validation step එකකින් ගෙවී ගිය හැක. එකතු කළ මුළු මුදල ගැළපේනම්, හොඳයි; ගැළපෙන්නේ නැත්නම්, පද්ධතිය පරිශීලකයාට දෝෂයක් පෙන්වයි.
මෙම පරීක්ෂණය සමඟ, කිසිඳු දෝෂයක් තවමත් පෙනෙන්නේ නැත්නම්, පද්ධතිය එය නිවැරදි බවට තහවුරු කරයි. සමහර වෙලාවට පරීක්ෂකය තනිවම ගැටලුව සකස් කරයි; නොහැකි නම්, පරිශීලකයාට ඉදිරියට යාමට අවශ්ය තොරතුරු දෙනවා.
කොහොමද මේක Sri Lanka වලට වැදගත්?
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන්ට AI හා data validation තාක්ෂණය අත්හදා බැලීමට ප්රායෝගික උදාහරණයක්.
- ලෝක වෙළඳපොලේ API‑වලින් බැංකු දත්ත ලබා ගැනීමට අවශ්ය දැනුම ලබා දීමට.
- ශ්රී ලංකාවේ කුඩා ව්යාපාරිකයන්ට ගිණුම් තොරතුරු ස්වයංක්රීයව පිරික්සුම් කර, ගිණුම් තොග දෝෂයෙන් වැළැක්වීමට.
- FinTech ආරම්භකයන්ට AI‑පදනම් පරිවර්තකයක් නිර්මාණය කිරීමේ පදනම් මාර්ගෝපදේශයක්.
අවසන් වශයෙන්, AI මොඩලය පූර්ණයෙන්ම නිවැරදි වීමට බලාපොරොත්තු වීමේ තැනට, එය “පරීක්ෂා කළ හැකි” ප්රතිඵලයක් ලබා දීමට අවශ්ය බව තේරුම් ගත්තා. මේ අත්දැකීම AI සමඟ වැඩ කරන ඕනෑම සංවර්ධකයාට අගනා පාඩමක්.
ඔබේ ව්යාපාරයේ හෝ පර්යේෂණයේ AI‑පදනම් දත්ත පරිවර්තනය අවශ්ය නම්, මේ මාර්ගෝපදේශය අනුගමනය කිරීමෙන් ගිණුම් දෝෂයෙන් නිදහස් විය හැක.
