CheckAPI vs ручна перевірка квитанцій
Кожен обмінник і P2P-платформа стикається з одним і тим же питанням: скільки квитанцій на день може перевіряти оператор, не пропускаючи підозрілі? Ми зібрали конкретні цифри, щоб було зрозуміло, де ручна перевірка працює нормально, а де вже час підключати автоматику.
Порівняльна таблиця
| Параметр | Ручна перевірка | CheckAPI |
|---|---|---|
| Час на одну квитанцію | 30–90 секунд | ~1 секунда |
| 100 квитанцій на день | ~1.5 год роботи оператора | автоматично, без участі людини |
| 500 квитанцій на день | повна зміна одного оператора | автоматично, ~8 хв сумарно |
| 1 000 квитанцій на день | 2 оператори або овертайм | $0.03 за перевірку, $30 на день |
| Помилки (пропущені невідповідності) | 3–8% (залежить від втоми) | <1% (4% позначає як «невизначено») |
| Масштабування | наймати людей | один API-запит |
| Робочий час | поки сидить оператор | 24/7 |
| Вартість при 1 000/день | ~$800–1200/міс (зарплата) | $30/міс (тариф Start) |
Коли ручної перевірки достатньо
Якщо у вас до 10–15 квитанцій на день, один оператор справляється без помітної втоми. Кожну квитанцію він дивиться спокійно: звіряє суму, картку, статус, час — за хвилину-дві. При такому обсязі витрати на API не окупаються, а ризик помилки через поспіх мінімальний.
Типові випадки: невеликий обмінник з постійними клієнтами, приватний продавець на OLX, фрілансер, що приймає оплату на картку.
Коли потрібна автоматизація
Критична точка — десь між 50 і 100 квитанціями на день. Саме тут оператор починає поспішати, пропускати дрібниці, і саме на це розраховують шахраї: підсунути підроблений скрін у момент, коли черга заявок давить.
Автоматизація має сенс, коли:
- Обсяг квитанцій росте і ви вже думаєте про другого оператора
- Ви працюєте з P2P і приймаєте оплату від незнайомих контрагентів
- Обмінний пункт працює у вечірні або нічні години, коли оператор один
- Вам потрібна звірка у реальному часі — поки клієнт ще на лінії
Типові помилки операторів
Помилки при ручній перевірці — це не питання кваліфікації, а питання навантаження. На 20-й квитанції оператор уважний, на 200-й — ні. Ось реальні кейси, з якими стикаються обмінники:
- Одна цифра в картці. Квитанція показує картку *7731, а очікувана — *7731. Все збігається? А якщо квитанція насправді показує *7713 — оператор після 4 годин роботи може не помітити перестановку цифр. Мозок «дописує» знайоме число.
- Скрін форми замість квитанції. Клієнт надсилає екран з полем «Переказати 2 500 грн на картку *7731» — там є всі потрібні дані, але кнопку «Підтвердити» ще не натиснули. Оператор бачить суму і картку, не зауважує відсутність статусу «Успішно».
- Повторне використання квитанції. Клієнт відправив 2 500 грн три дні тому, зберіг квитанцію, і тепер надсилає її знову для нової заявки на ту ж суму. Якщо оператор не перевіряє дату і час — пропускає.
- Втома наприкінці зміни. Статистика обмінників показує: 70% пропущених невідповідностей трапляються в останні 2 години зміни.
Масштабування: де ламається ручна перевірка
Ручна перевірка працює лінійно: подвоїли обсяг — подвоїли штат. API працює плоско: чи 100, чи 10 000 квитанцій — один і той самий ендпоінт, та сама секунда відповіді.
| Обсяг/день | Ручна: людей потрібно | Ручна: зарплата/міс | CheckAPI: вартість/міс |
|---|---|---|---|
| 50 | 0.5 оператора | ~$300 | $30 (Start) |
| 200 | 2 оператори | ~$1 000 | $200 (Business) |
| 500 | 4 оператори | ~$2 500 | $200 (Business) |
| 1 000 | 8 операторів або овертайм | ~$5 000 | $600 (2× Business) |
При 500+ квитанціях різниця в 10 разів. І це без врахування ризиків: один пропущений фейк на 15 000 грн з'їдає місячну економію на операторах.
Як виглядає робочий процес до і після
До (ручна перевірка):
- Клієнт надсилає фото квитанції в чат або на пошту
- Оператор відкриває зображення, збільшує
- Шукає суму — порівнює з заявкою
- Шукає картку отримувача — порівнює з очікуваною
- Перевіряє статус — «Успішно» чи щось інше
- Записує результат, переходить до наступної заявки
- Час: 30-90 секунд. При черзі — клієнт чекає.
Після (з CheckAPI):
- Клієнт надсилає фото квитанції
- Система автоматично відправляє фото + суму + картку в API
- Через 1 секунду повертається
verified: trueабо причина відмови - Оператор бачить зелену галочку або червоний прапорець
- Тільки ~4% квитанцій потрапляють на ручну перевірку (нечіткі фото, незвичні формати)
Оператор не зникає — він переключається з рутинної звірки на роботу з клієнтами і з тими випадками, де потрібне людське рішення.
Скільки часу займає підключення
Типовий сценарій — від ранку до вечора того ж дня:
- 30 хвилин: прочитати документацію, зрозуміти формат запиту і відповіді
- 1-2 години: написати інтеграцію (один POST-запит, один JSON у відповідь)
- 30 хвилин: тестування на реальних квитанціях через демо
- 30 хвилин: підключення до бойової системи
Не потрібні SDK, бібліотеки, складні налаштування. Один HTTP-запит — один JSON у відповідь. Будь-яка мова програмування, будь-який фреймворк.
Як працює інтеграція
Один HTTP-запит. Надсилаєте фото квитанції, суму і 4 цифри картки — отримуєте verified: true/false з причиною. Ніяких SDK, бібліотек, складних налаштувань.
curl -X POST https://check.sarmkadan.com/api/v1/verify \
-H "X-API-Key: YOUR_KEY" \
-F "image=@kvytantsiya.jpg" \
-F "expectedAmount=2450.00" \
-F "expectedCardLast4=7731"Відповідь — JSON:
{
"verified": true,
"confidence": 0.97,
"detectedAmount": 2450.0,
"detectedCardLast4": "7731",
"reason": "confirmed",
"durationMs": 870
}Типовий сценарій: ваша система отримує фото квитанції від клієнта, надсилає його в CheckAPI, і через секунду показує оператору готовий вердикт. Оператор натискає «підтвердити» або дивиться вручну тільки ті ~4%, де модель не впевнена.
Підтримуються всі основні формати: JPEG, PNG, WebP. Максимальний розмір файлу — 10 МБ, чого з запасом вистачає для будь-якого скріншота з телефону. У відповіді крім вердикту є розпізнана сума, розпізнана картка і час обробки — все, що потрібно для логу.
Повна документація з прикладами на Python, Node.js і cURL: check.sarmkadan.com/docs
Що робити з 4% «невизначених»
CheckAPI автоматично закриває 96% квитанцій. Решта 4% — це випадки, де модель не може впевнено зчитати дані: дуже темне фото, обрізана квитанція, нестандартний формат або пошкоджене зображення. У таких випадках API повертає причину «не знайдено», і квитанція потрапляє на ручну перевірку оператору.
Це не проблема — це правильна поведінка. Краще чесно сказати «не впевнений» і передати людині, ніж вгадувати і пропустити фейк. При 300 квитанціях на день це ~12 штук на ручну перевірку — 15-20 хвилин роботи оператора замість 10 годин на весь потік.
Практична порада: якщо відсоток «невизначених» в якийсь день зростає — перевірте якість фото. Найчастіша причина — клієнти надсилають скріншоти зі стиснених месенджерів, де деталі втрачаються. Попросіть надсилати оригінал замість пересланого фото.
Безпека і приватність
При виборі між ручною перевіркою і API є ще один аспект — безпека даних. При ручній перевірці оператор бачить повні реквізити клієнта: картку, суму, ім'я, іноді IBAN. При використанні API фото обробляється на серверах CheckAPI і видаляється одразу після перевірки — нічого не зберігається, нічого не передається стороннім хмарним сервісам. Оператор бачить тільки вердикт: зелена галочка або червоний прапорець.
Що під капотом
Власна ML-модель, навчена на понад 16 000 реальних квитанцій українських банків: ПриватБанк, monobank, OTP, А-Банк, Raiffeisen. Зображення обробляються на наших серверах і видаляються одразу після перевірки — нічого не зберігається, нічого не передається стороннім хмарам.