Канцелярия крупной организации принимает сотни документов в день: счета, договоры, обращения граждан, акты, письма от контрагентов. Каждый документ кто-то открывает, читает, относит к нужной категории, заводит карточку в СЭД и отправляет ответственному. Это рутина, которая съедает рабочие часы и порождает ошибки на ручном вводе. ИИ-ассистент берёт на себя три первых шага – распознавание, извлечение данных и маршрутизацию и оставляет человеку только проверку и решение.

Что именно автоматизируется

Обработка входящего документа распадается на предсказуемые операции, и каждую можно поручить машине.

  • Распознавание и классификация. OCR превращает скан или фото в текст, а языковая модель определяет тип документа: это счёт, претензия, заявление или коммерческое предложение. Точность классификации на типовых корпоративных потоках уже сейчас доходит до 95–98%.
  • Извлечение реквизитов. Из договора ассистент достаёт стороны, сумму, срок и предмет; из счёта – ИНН, номер, дату и позиции. Данные сразу ложатся в поля карточки СЭД, без ручного перепечатывания.
  • Маршрутизация. По типу и содержанию документ уходит нужному исполнителю или в нужный отдел. Обращение по льготам попадает в профильный сектор, счёт – в бухгалтерию.
  • Подготовка проекта ответа. На типовые обращения модель формирует черновик, который сотрудник правит и утверждает.

Сценарии применения языковых моделей в корпоративной среде мы подробно разбирали в обзоре enterprise-кейсов LLM – обработка документов остаётся самым окупаемым из них.

Где проходит граница доверия

ИИ-ассистент – помощник, а не автономный делопроизводитель. Решение остаётся за человеком, особенно в госсекторе, где цена ошибки в обращении гражданина высока. Мы строим процесс так: модель готовит, сотрудник подтверждает. Уверенность классификации ниже порога – документ уходит на ручной разбор, а не проталкивается дальше с риском.

Отдельный вопрос – конфиденциальность. Документооборот содержит персональные данные, коммерческую и иногда служебную тайну, поэтому отправлять документы во внешнее облако недопустимо. Мы разворачиваем модели в контуре заказчика, на его серверах, без выхода данных наружу. Требования к защите и типовые угрозы для таких систем мы разбирали в материале о безопасности корпоративных LLM. Это же отвечает и на запрос импортонезависимости: решение работает на отечественной инфраструктуре и не зависит от доступности зарубежных сервисов.

Как мы внедряем

Начинаем с одного потока – например, входящих счетов или обращений граждан. На нём собираем размеченную выборку, дообучаем модель под конкретную терминологию и формы организации, интегрируемся с действующей СЭД через её API. Пилот на одном потоке окупается за два–три месяца за счёт высвобожденных часов канцелярии, после чего подключаем остальные категории документов.

Технически ассистент встраивается и в десктоп, и в мобильные интерфейсы согласования – подход к таким клиентам в условиях импортозамещения мы описывали в статье про мобильную разработку. Руководитель утверждает документ с телефона, ассистент уже подготовил карточку и проект резолюции.

Onepoint проектирует и внедряет такие системы под задачу заказчика – от пилота на одном потоке до полного контура. Дальше начинается работа по автоматизации документооборота в контуре заказчика: разметка потока, дообучение модели под формы организации и интеграция с действующей СЭД.

Вывод

ИИ-ассистент не заменяет делопроизводителя – он снимает с него рутину распознавания, ввода и сортировки, оставляя человеку проверку и решение. Внедрение в собственном контуре закрывает вопросы конфиденциальности и импортонезависимости, а старт с одного потока даёт измеримый результат уже в первый квартал.