Канцелярия крупной организации обрабатывает тысячи входящих документов в день: счета, акты, договоры, обращения граждан, претензии. Сотрудник вручную определяет тип документа, заносит его в нужную папку СЭД и перепечатывает реквизиты – номер, дату, контрагента, сумму. Эта рутина съедает рабочие часы и порождает ошибки. ИИ снимает с человека именно эти два шага: автоматически относит документ к категории и вытаскивает из него структурированные поля. Разберём, как это работает на практике и где проходят границы технологии.

Что реально делает ИИ с документом

Задача распадается на две части. Первая – классификация: модель смотрит на документ и решает, что это – счёт-фактура, кадровый приказ или жалоба. Вторая – извлечение реквизитов (information extraction): из распознанного текста выдёргиваются конкретные значения и привязываются к полям карточки документа.

Для классификации хорошо работают трансформерные модели поверх русскоязычных эмбеддингов – например, дообученный RuBERT. На корпусе в несколько тысяч размеченных образцов на каждый класс достижима точность 92–97% по типовым категориям. Извлечение реквизитов решают двумя путями: NER-модели для свободного текста (стороны договора, даты, суммы прописью) и layout-aware подходы вроде LayoutLM для документов с устойчивой структурой – счетов, накладных, актов, где важно положение поля на странице.

Перед обоими этапами стоит OCR. Качество распознавания скана определяет потолок всей системы: размытая печать или текст под углом ломают даже хорошую модель. Поэтому предобработку изображений мы выносим в отдельный, контролируемый этап конвейера.

Где проходят границы точности

ИИ не заменяет оператора полностью, и обещать обратное – обман. Реалистичная схема – человек в контуре. Модель отдаёт результат с оценкой уверенности: документы выше порога (скажем, 0,95) уходят в СЭД автоматически, остальные попадают на ручную проверку с уже предзаполненными полями. Так оператор подтверждает, а не перепечатывает, и при этом каждая правка возвращается в обучающую выборку.

Типовые узкие места – нестандартные шаблоны контрагентов, рукописные пометки, многостраничные приложения и документы с таблицами сложной вёрстки. Здесь точность падает, и закладывать её в SLA на уровне 99% безответственно. Честный диапазон автоматизации для смешанного потока документов – 60–80% без участия человека, остальное проходит проверку.

Отдельный вопрос – данные для обучения. Документы организации содержат персональные данные и коммерческую тайну, поэтому модель обучается и работает в контуре заказчика, а не во внешнем облаке. Это прямо стыкуется с требованиями защиты персональных данных по 152-ФЗ: обезличивание обучающей выборки и локализация хранения здесь не опция, а условие законности.

Как встроить это в существующий ландшафт

ИИ-обработка – не отдельный продукт, а слой внутри СЭД. Документ поступает, проходит OCR и модели, обогащается реквизитами и регистрируется в системе по обычному маршруту. Доступ к карточкам нужен и из офиса, и в поле, поэтому стоит сразу заложить корректную мобильную архитектуру для согласований и проверки документов вне рабочего места.

Главный вопрос проекта – коробка или заказная разработка. Готовые сервисы распознавания закрывают типовые счета и накладные, но спотыкаются на отраслевой специфике и ведомственных формах. Если документопоток нестандартный, выбор обычно склоняется к заказному решению вместо коробки, которое учитывает ваши классы документов и интегрируется с конкретной СЭД.

Путь от пилота на вашем корпусе до промышленной эксплуатации в контуре проходит через автоматизацию документооборота и работы с документами, где классы документов и метрики точности настраиваются под конкретную организацию.

Вывод

ИИ в документообороте – это не магия, а инженерная задача с измеримой точностью. Реальная ценность не в полной замене операторов, а в том, что система берёт на себя рутину классификации и ввода реквизитов, оставляя человеку контроль над спорными случаями. Начинайте с пилота на собственных документах, фиксируйте честные метрики и расширяйте автоматизацию по мере роста выборки.