Автоматизация обработки документов: где нужен ИИ и как контролировать данные

Автоматизацию обработки документов лучше начинать с одной повторяющейся операции: переноса согласованного набора реквизитов из файла в рабочий реестр. Для неё можно отдельно проверить распознавание, извлечение полей, правила контроля и объём ручной работы. Менять всю систему хранения и согласования документов для такого пилота не требуется.

Ключевой принцип — сомнительное значение не становится проверенным автоматически. Система должна сохранить связь поля с исходным фрагментом, отметить пропуск или неоднозначность и передать такой случай сотруднику.

Какую операцию с документами автоматизировать

Сначала разделите четыре разные задачи:

• Хранение и согласование — где лежит документ, кто его видит и утверждает. Это функции СЭД или другого рабочего контура.
• Распознавание текста — получение текста из фотографии или скана с помощью OCR. Если PDF уже содержит текстовый слой, отдельное распознавание может не понадобиться.
• Извлечение полей — поиск номера, даты, поставщика, суммы или других реквизитов и приведение их к заданной структуре.
• Проверка — контроль обязательных полей, форматов, допустимых значений, повторов и спорных фрагментов.

Эти задачи не следует объединять в обещание «ИИ обработает документы». OCR может прочитать символы, но не подтверждает, что найденная строка относится именно к итоговой сумме. Извлечение может предложить значение, но не должно додумывать отсутствующую единицу измерения. Юридическая оценка документа, электронная подпись и решение об оплате относятся к другим процессам.

Для первого пилота подходит маршрут с ясным выходом: документ поступил, система подготовила заданные поля, сотрудник проверил исключения, подтверждённые данные попали в согласованный реестр.

Как проходит документ от получения до записи

Рабочий маршрут можно описать шестью шагами:

1. Получение. Система принимает файл, проверяет формат и сохраняет связь с оригиналом.
2. Определение типа. Документ относят к известному классу: счёт, накладная, акт или другой согласованный вид. Неизвестный тип уходит на ручной разбор.
3. Извлечение. Из текстового PDF данные можно читать напрямую. Для изображения сначала применяют OCR. Затем система ищет нужные поля.
4. Формальная проверка. Правила проверяют наличие обязательных полей, формат даты, структуру номера, сумму и другие заданные условия.
5. Проверка спорного. Сотрудник видит предложенное значение рядом с фрагментом источника. Пустое или неоднозначное поле остаётся неподтверждённым.
6. Запись. В реестр передают только значения со статусом, разрешённым правилами процесса. Повторный файл обрабатывают по заранее согласованному правилу.

Не каждый шаг требует языковой модели. Проверка расширения файла, формата даты, обязательного поля и точного совпадения с реестром выполняется обычными правилами. Фиксированная интеграция подходит, если документы однотипны, поля находятся в известных местах, а маршрут всегда одинаков.

ИИ уместен, когда структура документов заметно различается, название одного реквизита меняется или нужное значение приходится выбирать по контексту. Если системе нужно выбирать следующий инструмент или действие в зависимости от документа, можно рассматривать ИИ-агента. Агент отличается от бота: бот даёт интерфейс в диалоге, а агент выбирает разрешённый шаг внутри заданных полномочий. Если выбора нет, достаточно обычной автоматизации.

Какие документы и поля подходят для пилота

Начните с одного класса документов и ограниченного списка реквизитов. Подготовьте обычные файлы и случаи, на которых сотрудник сейчас останавливается или ошибается.

В выборку полезно включить:

• текстовые PDF, фотографии и сканы, если они реально поступают в процесс;
• документы разных поставщиков или форм, но одного рабочего назначения;
• многостраничные файлы;
• пропущенные обязательные поля;
• плохо читаемые фрагменты;
• несколько похожих сумм или дат;
• повторно поступивший файл;
• повреждённый или неподдерживаемый формат.

Для каждого типа заранее запишите нужные поля и эталонные значения. У поля должно быть не только название, но и правило: обязательность, формат, допустимые варианты и действие при сомнении. Например, дата может приводиться к единому формату, но исходное написание и место в документе должны оставаться доступными для сверки.

Универсальную точность или минимальное число документов назначить заранее нельзя. Результат зависит от качества файлов, разнообразия форм, набора реквизитов и допустимого уровня ручной проверки. Выборку и критерии нужно согласовать для конкретного потока.

Как проверять результат рядом с оригиналом

Экран проверки должен отвечать на четыре вопроса: какое поле искали, что извлекли, откуда взяли значение и можно ли его записывать.

Проверяющий должен открыть соответствующий фрагмент, а не искать реквизит по всему документу. После исправления полезно сохранить первоначально извлечённое значение, итоговое значение, статус и факт ручной проверки. Такой протокол помогает разбирать повторяющиеся ошибки и обновлять правила.

Учебный пример: значение нельзя додумывать

Ниже приведён результат детерминированного разбора трёх синтетических текстовых документов. Это воспроизводимый учебный пример, а не тест OCR, языковой модели или клиентского внедрения.

Во втором примере система не подставляет привычную единицу. В третьем она не выбирает одно число без основания. Три текстовых примера показывают правило обработки неоднозначности, но по ним нельзя рассчитывать точность распознавания сканов или эффективность будущего проекта.

Готовое распознавание или разработка связанного процесса

Готовый OCR-сервис стоит проверить первым, если задача ограничена чтением типовых файлов и выдачей текста или известных полей. Но перенос данных в рабочий реестр обычно включает больше операций: определение типа документа, валидацию, поиск повтора, ручное подтверждение и обработку сбоя целевой системы.

Сравнивайте варианты по составу процесса, а не только по функции распознавания. В расходы могут входить подготовка документов, разработка правил, интерфейс проверки, интеграция, размещение и внешние сервисы. Цены, сроки и регулярные расходы можно оценить после выбора данных и границ проекта.

Switch On AI разрабатывает ИИ-агентов для рабочих задач, но агент нужен не в каждом потоке. На разборе задачи можно отделить фиксированную интеграцию от этапов, где системе действительно требуется выбирать действие. Для похожего сценария опубликована демонстрация извлечения и проверки полей. Это демонстрация подхода, а не доказательство отраслевой точности или готового клиентского внедрения.

Как принять пилот и учесть ручные исправления

До запуска зафиксируйте контрольную выборку и ожидаемое значение каждого проверяемого поля. Затем для каждого документа сохраните вход, ожидаемый результат, фактический результат и причину расхождения.

При приёмке считайте отдельно:

• общее число проверяемых полей;
• правильно извлечённые значения;
• ошибочные значения;
• пропуски и неоднозначные случаи;
• случаи, корректно переданные человеку;
• время автоматической обработки;
• время ручной проверки и исправления;
• повторы и неудачные попытки записи.

Особенно опасны ошибки, которые выглядят как успешный результат. Сомнительная сумма не должна получать статус проверенной. Недоступность реестра не должна отображаться как завершённая запись. Повторный файл не должен создавать новую запись, если правила процесса требуют считать его дублем.

Сокращение ручного времени можно измерить сравнением одинаковых выборок до и во время пилота. Денежная экономия требует отдельного расчёта: нужно учесть разработку, эксплуатацию, проверку исключений и фактическую стоимость рабочего времени. Быстрое распознавание само по себе не доказывает экономический эффект.

Что подготовить для оценки автоматизации

Для первого обсуждения соберите:

• несколько обезличенных обычных документов;
• примеры плохих сканов, пропусков, неоднозначных сумм и повторов;
• список нужных полей;
• правила обязательности и проверки каждого поля;
• форму итогового реестра;
• описание текущего маршрута документа;
• требования к хранению, доступу и передаче данных;
• имя сотрудника, который знает процесс и примет результат.

Пароли, ключи доступа и персональные данные для первичного знакомства не нужны. Если документы нельзя передавать за пределы выбранного контура, это условие следует зафиксировать до выбора OCR, модели и места размещения.

Покажите Switch On AI обезличенные примеры документов, нужные поля и форму итогового реестра. Мы обсудим один поток, определим, где достаточно правил и интеграции, где может понадобиться ИИ, а какие значения должен подтверждать сотрудник. Затем ключевой сценарий можно проверить на прототипе; прототип не равен полноценному внедрению.