الفحص الذكي للمستندات لتسجيل عملاء تأجير السيارات

نظرة عامة

تبدأ عملية تأجير السيارات بالأوراق الإدارية؛ حيث يقرأ الموظف بطاقة الهوية، ويكتب رقمًا طويلًا، ويعيد كتابة الاسم بالعربية، ويفحص تاريخ الانتهاء، ثم يكرر الأمر برُمّته لرخصة القيادة — بينما ينتظر العميل عند المنصة. إنها عملية بطيئة، وأي رقم يُكتب بالخطأ يرافق ذلك الحجز وصولاً إلى العقد الموقّع. قمتُ ببناء خاصية مسح المستندات ضوئيًا ضمن منصة كبيرة لتأجير السيارات لتلغي هذه الخطوة. يرفع الموظف صورة — للوجهين معًا، أو ملف PDF مباشرة من الماسح الضوئي — ليمتلئ نموذج العميل تلقائيًا: رقم البطاقة، والاسم الكامل بالعربية والإنجليزية، وتاريخ الميلاد، وتاريخ الانتهاء، والجنسية، ومكان الإصدار، وتفاصيل الرخصة الكاملة. فتتحول دقائق الكتابة إلى ثوانٍ معدودة من المراجعة. يميز هذه الخدمة أمرين رئيسيين: لا شيء يغادر مقر الشركة؛ فمستندات الهوية هي البيانات الأكثر حساسية لدى شركات التأجير، ومعظم أدوات المسح الضوئي ترسلها إلى خدمة ذكاء اصطناعي خارجية لمعالجتها على بنية تحتية لشخص آخر. أما هذا النظام فلا يفعل ذلك، حيث تُقرأ كل وثيقة على خوادم الشركة الخاصة — دون مزود ذكاء اصطناعي خارجي ودون طرف ثالث في السلسلة. كما يفهم المنطقة بشكل حقيقي؛ إذ صُمّمت معظم قارئات المستندات للجوازات الغربية وتتعامل مع اللغة العربية كخيار ثانوي. بينما صُمِّم هذا النظام للخليج ومصر منذ البداية — سلطنة عمان، والمملكة العربية السعودية، والإمارات العربية المتحدة، وقطر، والكويت، والبحرين، ومصر — حيث يقرأ العربية والإنجليزية جنباً إلى جنب ويتعامل مع التفاصيل الوطنية التي تخطئ فيها الأدوات العامة. كما أنه يميّز بطاقة الهوية عن رخصة القيادة، ويحفظهما كسجلين منفصلين، ويربطهما بالعميل نفسه عندما تؤكد البيانات ذلك، ويطلب مراجعة بشرية عندما لا تتأكد الملاءمة.

عن المشروع

ماسح ضوئي بالذكاء الاصطناعي مدمج في منصة كبيرة لتأجير السيارات — يرفع الموظف بطاقة الهوية أو رخصة القيادة ليمتلئ نموذج العميل تلقائياً في ثوانٍ، مع دعم عميق للمستندات الخليجية والمصرية.

التقنيات المستخدمة

التحديات

لم تكن الصعوبة يوماً في قراءة النص — بل في معرفة متى نثق به. فالخطأ في رقم واحد من رقم الرخصة ليس مجرد شكل غير مرتب؛ بل يتسرب مباشرةً إلى عقد مُوقَّع. لذا كانت القاعدة: لا تقدم أبداً إجابة خاطئة بثقة. كل حقل يحمل نسبة ثقة خاصة به. وحين يوفر المستند طريقة لإثبات القيمة رياضياً، يتحقق النظام منها. وعندما لا يوفر ذلك، يوضح النظام الأمر ويضع علامة مراجعة على الحقل. وعندما يتعارض جزءان في مستند واحد، يتوقف النظام بدلاً من التخمين. كما فرضت اللغة العربية تحدياتها الخاصة — فالأسماء والأرقام وتنسيق الصفحات تتصرف بشكل مختلف، وبعض الأخطاء لم تظهر إلا على البطاقات الحقيقية، بما في ذلك قراءة الأرقام من الخلف إلى الأمام بطريقة تبدو مقنعة تماماً على الشاشة. ثم كانت هناك الصور الحقيقية: انعكاس الضوء، والميلان، والظلال، وضغط تطبيقات المراسلة، والبطاقات الصغيرة وسط صفحة ممسوحة ضوئياً بالكامل. يقيّم النظام كل صورة أولاً؛ فإما أن يحسّنها، أو يتعامل معها، أو يطلب صورة أفضل. وكانت القطعة الأخيرة هي الثقة في سير العمل. النظام يجهز البيانات؛ بينما يراجع الموظف ويوافق دائماً قبل حفظ أي شيء.

النتائج والأثر

تحول تسجيل العملاء من دقائق من الكتابة إلى ثوانٍ من المراجعة. اختُبر النظام على بطاقات هوية ورخص قيادة الحقيقية من الأسواق السبعة كُلها، واستخرج 42 من أصل 45 حقلًا مفحوصًا بشكل صحيح — ودون أي قيمة خاطئة. أما الحالات الثلاث المتبقية فكانت لصور مقصوصة جدًا بحيث يتعذر قراءتها، وأبلغ النظام أنها غير صالحة للقراءة بدلاً من التخمين. • عملية رفع واحدة تتعامل مع وجهي البطاقة، وملفات PDF متعددة الصفحات، والهوية ورخصة القيادة معًا — حيث يتم فصلها وتوجيهها تلقائيًا • استخراج اللغتين العربية والإنجليزية من المستند نفسه في ممر واحد • يصل كل حقل مع مستوى ثقة محدد، بحيث يفحص الموظفون القيم القليلة غير المؤكدة بدلاً من إعادة قراءة المستند بالكامل • توقف خروج مستندات العملاء من البنية التحتية للشركة تمامًا — حيث تم استبعاد معالج الطرف الثالث من مسار البيانات الأكثر حساسية في العمل • أساس يمكن للشركة توسيعه ليشمل العقود والفواتير دون الحاجة لتغيير المزودين