Содержание

Распознавание документов с помощью AI — это автоматическое извлечение данных из сканов, фотографий и PDF: реквизитов из счетов, условий из договоров, ответов из анкет. Мультимодальные языковые модели понимают документ целиком, а не только распознают буквы, поэтому справляются с разными форматами без шаблона под каждый. Надёжная система извлекает данные по строгой схеме, проверяет их правилами и отправляет спорные случаи человеку.

Разберём, чем AI отличается от классического OCR, как получить структурированный результат, как проверить точность и встроить обработку в процесс.

Чем AI отличается от классического OCR?

Классическое OCR превращает изображение в текст, но не понимает, что этот текст означает: где номер счёта, а где ИНН поставщика. Для каждого вида документа приходилось настраивать шаблоны и правила. Языковые модели понимают структуру и смысл документа и извлекают нужные поля даже из незнакомых форматов.

Критерий Классическое OCR с шаблонами Мультимодальная модель
Новый формат документа Нужен новый шаблон Обычно работает сразу
Понимание смысла Нет Да: находит поле по контексту
Таблицы и сложная вёрстка Часто ошибается Справляется лучше
Стоимость страницы Ниже Выше, но падает
Предсказуемость Высокая Нужна проверка результата

Часто их совмещают: OCR даёт текст и координаты, модель — понимание и структуру.

Как получить структурированный результат?

Чтобы результат можно было сразу загрузить в учётную систему, модель должна возвращать данные по строгой схеме: заранее определённые поля, типы и форматы. Современные API поддерживают структурированный вывод, при котором ответ гарантированно соответствует схеме.

{
  "document_type": "invoice",
  "invoice_number": "string",
  "invoice_date": "YYYY-MM-DD",
  "supplier": { "name": "string", "inn": "string", "kpp": "string" },
  "total_amount": "number",
  "vat_amount": "number",
  "items": [
    { "name": "string", "quantity": "number", "unit_price": "number", "amount": "number" }
  ],
  "confidence_notes": "string"
}

Советы по извлечению:

  1. Описывайте каждое поле: что это и как выглядит в документе.
  2. Просите модель оставлять поле пустым, если значения нет, а не угадывать.
  3. Обрабатывайте многостраничные документы целиком, а не постранично.
  4. Сохраняйте исходный документ и ответ модели для разбора ошибок.

Об общих принципах встраивания моделей — статья как встроить LLM в продукт.

Бланки документов, калькулятор и ручка на тёмном столе Фото: Unsplash

Как проверить точность извлечения?

Точность проверяют двумя способами: автоматическими правилами для каждого документа и регулярной оценкой на контрольной выборке. Правила ловят очевидные ошибки, а контрольная выборка показывает реальную точность по каждому полю.

  • арифметика — сумма позиций и НДС совпадают с итогом;
  • форматы — ИНН, БИК и даты проходят проверку контрольных сумм и форматов;
  • справочники — поставщик найден в базе контрагентов, валюта допустима;
  • дубли — счёт с таким номером и поставщиком ещё не загружен;
  • контрольная выборка — сотни размеченных документов, на которых измеряется точность после каждого изменения.

Подробнее об оценке — статья оценка качества LLM.

Как встроить обработку в бизнес-процесс?

Обработку встраивают так, чтобы человек проверял только сомнительные документы, а остальные проходили автоматически. Сначала проверяются все документы, затем — по мере накопления статистики точности — автоматический поток расширяется.

  • документы поступают из почты, загрузки в интерфейсе или сканера;
  • модель извлекает данные, правила проверяют их;
  • документы без ошибок попадают в учётную систему автоматически;
  • спорные — в очередь проверки с подсвеченными полями;
  • исправления оператора сохраняются и используются для улучшения.

Об интеграции с учётными системами — статья интеграция с 1С и CRM, а об агентах, которые выполняют многошаговые процессы, — AI-агенты в бизнес-процессах.

Как посчитать эффект?

Эффект считают по времени сотрудников, скорости обработки и количеству ошибок до и после внедрения. Обычно наибольшая экономия — в процессах с сотнями однотипных документов в месяц: входящие счета, заявки, анкеты.

  • время ручной обработки одного документа сейчас;
  • доля документов, прошедших без исправлений;
  • время проверки спорного документа оператором;
  • стоимость вызовов модели и сопровождения системы.

Подробнее — статьи окупаемость автоматизации бизнес-процесса и сколько стоит AI-функция.

Коротко

  • AI понимает документ целиком и извлекает поля без шаблона под каждый формат.
  • Требуйте от модели структурированный ответ по строгой схеме.
  • Проверяйте результат правилами и регулярной оценкой на контрольной выборке.
  • Сомнительные документы отправляйте человеку, остальные — автоматически в учёт.
  • Эффект считайте по времени, точности и стоимости относительно ручной обработки.

Частые вопросы

  • Справится ли AI с рукописным текстом?

    Современные модели неплохо читают аккуратный рукописный текст, но точность заметно ниже, чем на печатных документах. Для рукописных полей стоит закладывать обязательную проверку человеком.

  • Можно ли обрабатывать документы с персональными данными?

    Можно, но нужно учитывать, где обрабатываются данные: при передаче во внешний сервис требуется правовое основание и, для данных россиян, соблюдение требований о локализации. Альтернатива — модели, развёрнутые на своих серверах.

  • Сколько стоит обработка одного документа?

    Обычно от долей рубля до нескольких рублей за страницу в зависимости от модели и объёма. Основные затраты — разработка, интеграция и настройка проверки, а не сами вызовы модели.