Обработка документов с помощью ИИ: извлечение данных из договоров, накладных и статей

Сотрудники тратят часы на то, чтобы прочитать документ, найти в нем нужные цифры и перенести их в 1С, CRM или таблицу. ИИ берет на себя чтение и перенос: распознает документ, извлекает поля и таблицы, проверяет их по правилам и передает в нужную систему. Человек смотрит только то, в чем система не уверена.

Какие документы обрабатываем

Мы работаем с документами, где обычное распознавание по шаблону не справляется: структура меняется от контрагента к контрагенту, нужные данные спрятаны в тексте, таблицах или картинках, а результат надо сверить с другими системами.

Для типовой первички в 1С есть готовый продукт: 1С:Распознавание первичных документов работает со счетами, накладными ТОРГ-12, актами, счетами-фактурами, УПД, УКД и кассовыми чеками. Если ваша задача укладывается в этот список, мы так и скажем. Разработка под задачу нужна, когда документы нестандартные, данные надо сверять с заказами или договорами или результат должен попасть сразу в несколько систем. Подробнее о том, как ИИ подключается к учетной системе, в статье о нейросетях для 1С.

Где обработка документов окупается

Эффект считаем до старта по простой формуле: сколько документов приходит в месяц, сколько минут сотрудник тратит на каждый и сколько стоит час его работы. К этому добавляем цену ошибок: неверная сумма в накладной, пропущенный штраф в договоре, позиция, которая не сошлась с заказом и всплыла только при инвентаризации.

Обработка документов с помощью ИИ обычно окупается, если выполняется хотя бы одно условие:

• документов много и они приходят постоянно, а не раз в квартал;
• структура документов разная, и шаблонное распознавание ломается;
• на каждый документ уходят не секунды, а минуты или часы чтения;
• ошибки при ручном вводе стоят денег или создают риски;
• данные из документа нужно сверить с 1С, CRM или другим документом.

Если документов мало, они однотипные и уже хорошо распознаются готовым сервисом, разработка не нужна, и мы так и скажем на разборе.

Как устроено решение

Распознавание. Документ из почты, папки или со сканера превращается в текст с сохранением таблиц. Для изображений и графиков используем модели, которые понимают картинку.

Классификация. Система определяет вид документа: договор, накладная, письмо, статья. От этого зависит, какие поля искать.

Извлечение. Для каждого вида документа задаем схему: какие поля, в каком формате, где их обычно искать. Языковая модель находит значения даже там, где они записаны словами или разбросаны по тексту.

Проверка. Извлеченные данные проверяем правилами: сходятся ли суммы, существует ли контрагент, совпадают ли позиции с заказом. Сомнительные поля подсвечиваются и уходят сотруднику.

Передача. Проверенные данные попадают в 1С, CRM, базу или отчет. Каждое значение хранит ссылку на место в исходном документе, чтобы его можно было быстро проверить.

Если нужно не только извлекать данные, но и отвечать на вопросы по массиву документов, добавляем поиск на RAG. Как он устроен, мы разобрали в статье о RAG-системе, а внедряем его в рамках услуги база знаний на RAG.

С какими системами интегрируем

• 1С: создание и заполнение документов и справочников через выгрузки, OData или HTTP-сервисы, по согласованному списку операций.
• CRM: Битрикс24, amoCRM и другие системы с API.
• Источники документов: почтовые ящики, файловые хранилища, сканеры, системы документооборота.
• Хранилища результатов: базы данных, таблицы, BI-отчеты.
• Модели: GPT, Claude, DeepSeek, YandexGPT, GigaChat, Qwen. Для договоров и персональных данных используем модели в контуре компании.

Наш опыт: извлечение данных из научных статей для фармкомпании

Международной фармкомпании (NDA) нужно было собирать данные из научных публикаций для исследований и раскладывать их по модели PICOS-T: популяция, вмешательство, препарат сравнения, исходы, дизайн исследования и время.

Мы сделали систему, которая автоматически собирает публикации и извлекает из них данные по модели PICOS-T. Она разбирает не только текст, но и таблицы и изображения, где в научных статьях часто лежат главные результаты, и складывает выводы в структуру для исследователей. В основе GPT-4, PubMedBERT и RAG.

Точность извлечения выше 90%, экономия больше 10 часов на одном исследовании. Проект занял 2,5 месяца. Тот же подход работает для любых документов, где данные приходится искать в тексте и таблицах свободной формы: договоров, технических отчетов, тендерной документации.

Еще один близкий проект: цифровой помощник по базе знаний, Telegram-бот, который по вопросу обычными словами находит нужный документ. Поиск стал в 7 раз быстрее, экономия времени 30%.

Безопасность документов

• NDA подписываем до того, как получаем первые документы.
• Персональные данные обезличиваем до отправки в модель.
• Договоры и другие чувствительные документы обрабатываем на моделях в контуре компании или на российских серверах.
• Системе даем права только на нужные операции в 1С и CRM, запись в учет можно оставить на подтверждение сотрудника.

Как проходит проект и сколько стоит

1. Разбор документопотока на 30-40 минут, бесплатно: какие документы, сколько их, кто и сколько времени на них тратит.
2. Тестовая выборка. Берем ваши реальные документы и замеряем точность извлечения до запуска.
3. Расчет эффекта. Считаем часы и рубли, которые вернет система, фиксируем показатель для пилота.
4. Пилот на одном потоке документов: извлечение, проверка, передача в систему, сравнение времени обработки с исходным.
5. Масштабирование на другие виды документов и отделы.

Пилот стоит от 300 000 ₽. Точную цену и срок фиксируем после разбора: они зависят от числа видов документов, их сложности и систем, куда передаем данные.