БЛОГ · · 7 МИН ЧТЕНИЯ
ИИ для работы с документами: извлечение данных и проверка результата
Как ИИ извлекает данные из счетов и договоров, сравнивает версии и готовит сводки, и как устроить проверку, чтобы ошибки не попали в учёт.
В любой компании есть сотрудники, которые весь день переносят данные из документов в учётную систему: реквизиты из счетов, суммы из актов, сроки и штрафы из договоров. Ещё кто-то сверяет новую редакцию договора со старой или собирает сводку из десятка файлов к совещанию. ИИ для работы с документами берёт на себя именно эту часть: читает, находит нужное и раскладывает по полям.
Загрузить PDF в чат с нейросетью и получить ответ сегодня может любой. Но между «один раз попробовал в чате» и «каждый день обрабатываем поток документов» большая разница. В этой статье разберём, какие задачи с документами ИИ уже решает, как устроен процесс от файла до проверенного результата и в каких случаях затея не окупится.
Какие задачи с документами ИИ решает уже сейчас
Почти все практические сценарии сводятся к пяти типам задач:
| Задача | Что на входе | Что на выходе |
|---|---|---|
| Извлечение данных | Счета, акты, накладные, сканы | Заполненные поля: контрагент, ИНН, суммы, даты, позиции |
| Сравнение версий | Две редакции договора или регламента | Список изменений с цитатами из обеих версий |
| Проверка по правилам | Договор, заявка, закупка | Отклонения от шаблона, политики или лимитов |
| Сводка | Несколько документов по одной теме | Короткий отчёт со ссылками на источники |
| Сортировка | Входящий поток файлов и писем | Тип документа и маршрут: кому и куда передать |
Эти задачи хорошо подходят для ИИ, потому что каждый раз похожи, но не одинаковы. Счета от разных поставщиков выглядят по-разному, и жёсткий шаблон распознавания на каждый не напишешь. Языковая модель понимает, что «Итого к оплате» и «Сумма с НДС» в разных счетах означают одно и то же.
Чем рабочий процесс отличается от чата с нейросетью
В чате человек сам выбирает файл, сам формулирует вопрос и сам проверяет ответ. В рабочем процессе всё это должно происходить без него, а человек подключается только там, где нужно решение. Отсюда несколько требований, которых в чате нет:
- Одинаковый результат. Каждый документ превращается в одни и те же поля в одном формате, иначе их не загрузить в учётную систему.
- Источник каждого значения. Для любого поля видно, из какого места документа оно взято.
- Доступы и хранение. Документы не уходят в публичный сервис, а сотрудник видит только то, что ему положено видеть.
- Место для результата. Данные попадают туда, где с ними работают: в 1С, ERP, СЭД или таблицу, а не остаются в окне чата.
- Понятная проверка. Заранее решено, что проверяет программа, что проверяет человек и что делать с сомнительными случаями.
Как устроен процесс: от файла до проверенного результата
- Приём. Документы приходят из почты, СЭД или общей папки и попадают в одну очередь.
- Распознавание. Если документ сканированный, сначала из картинки получают текст. Качество скана здесь важнее выбора модели: по размытой фотографии ошибётся любая.
- Извлечение по схеме. Модели заранее задают список полей и формат: какие поля нужны, как писать даты и суммы, что делать, если поля нет. Модель не придумывает структуру сама, а заполняет готовую.
- Автоматические проверки. Часть ошибок ловится без всякого ИИ: сумма позиций сходится с итогом, НДС посчитан верно, у ИНН правильная контрольная сумма, контрагент есть в справочнике, такой счёт не загружали раньше.
- Проверка специалистом. Документы, которые не прошли проверки или вызвали сомнения у модели, уходят человеку. Он видит поле, значение и фрагмент документа, откуда оно взято.
- Запись в систему. Проверенные данные попадают в учётную систему, а в журнале остаётся, кто и что исправил.
Главная работа ИИ — шаги 2 и 3. Остальное — обычная инженерия и правила компании. Именно они отличают надёжный процесс от эксперимента.
Как проверять результат, чтобы ошибки не попали в учёт
У любой модели есть доля ошибок, поэтому вопрос не в том, ошибётся ли она, а в том, где ошибку поймают. Работают несколько простых приёмов.
Ссылка на источник для каждого поля. Специалист не перечитывает документ целиком, а смотрит на подсвеченный фрагмент рядом со значением. Проверка поля занимает секунды.
Правила, которые не зависят от модели. Арифметика, контрольные суммы, справочники и проверка дубликатов не ошибаются так, как языковая модель. Чем больше таких правил, тем меньше остаётся на ручную проверку.
Выборочная проверка «уверенных» документов. Даже если документ прошёл все проверки, часть таких документов стоит смотреть вручную. Так видно, не начала ли модель ошибаться на новом формате счетов.
Тестовый набор. До запуска соберите несколько десятков настоящих документов с правильными ответами. На них сравнивают модели, промпты и любые изменения в процессе. Без такого набора нельзя сказать, стало лучше или хуже.
Метрики пилота. Время на один документ, доля полей, принятых без исправлений, и ошибки, найденные при выборочной проверке. Те же метрики нужны для расчёта окупаемости.
Договоры: где ИИ помогает, а где нужен юрист
Проверка договоров — один из самых частых запросов к ИИ, но здесь легко ожидать от него слишком многого.
ИИ хорошо справляется с подготовительной работой:
- сравнить новую редакцию с предыдущей и показать все изменения, включая мелкие;
- найти отклонения от типового шаблона компании;
- выписать сроки, суммы, штрафы, условия расторжения и ответственность сторон;
- проверить, что обязательные пункты на месте.
Решение о том, приемлемы ли условия, остаётся за юристом. ИИ не знает истории отношений с контрагентом и того, на какие уступки компания готова пойти. Разумная схема — агент готовит выжимку и список отклонений, юрист начинает работу с них, а не с чистого листа.
Когда ИИ для документов не окупится
Не каждый документооборот стоит автоматизировать с помощью ИИ. Скорее всего, затея не оправдается, если:
- документов мало. Если счетов несколько десятков в месяц, настройка и сопровождение обойдутся дороже ручного ввода;
- данные уже есть в структурированном виде. Документы через ЭДО часто приходят с машиночитаемыми данными, и их достаточно загрузить напрямую, без распознавания;
- качество исходников очень плохое. Рукописные документы и фотографии под углом дают много ошибок, и экономия уходит на проверку;
- некуда положить результат. Если извлечённые данные никто не загрузит в систему, процесс превратится в ещё одну таблицу;
- цена ошибки требует полной проверки каждого документа. Тогда ИИ ускорит работу, но не так сильно, как кажется на первый взгляд.
Как прикинуть экономию до начала разработки, мы разбирали в статье «Как понять, окупится ли AI-агент в вашем процессе».
С чего начать
Не нужно сразу подключать ИИ ко всему документообороту. Начните с одного типа документов, которых много и которые обрабатывают вручную:
- Выберите тип документа, например входящие счета или акты.
- Соберите несколько десятков реальных примеров и правильные ответы к ним.
- Опишите поля, формат и правила проверки, которые уже применяют сотрудники.
- Проверьте на этом наборе, как модель справляется с вашими документами.
- Запустите пилот на части потока рядом с сотрудниками и сравните метрики с тем, что было до.
Если на пилоте время на документ заметно сократилось, а ошибки ловятся проверками, можно добавлять следующий тип документов. Если нет — вы узнаете это за несколько недель, а не после большого проекта.
