AI и интеграции

Распознавание документов с помощью ИИ: практика внедрения

AI и интеграции6 мин чтенияРедакция Creative Tech
Распознавание документов с помощью ИИ: практика внедрения

Как работает автоматическое распознавание документов с помощью нейросетей, какие документы можно обрабатывать, как оценить точность и встроить решение в учёт.

Бухгалтерия, логистика, закупки и юридический отдел ежедневно обрабатывают сотни документов: счета, накладные, акты, договоры, доверенности. Сотрудники вручную переносят реквизиты, суммы и позиции в учётную систему. Это монотонная работа, в которой неизбежны ошибки. Современные технологии искусственного интеллекта позволяют автоматизировать значительную часть этой работы. Рассказываем, как устроено распознавание документов и как внедрить его на практике.

Как работает распознавание

Обработка документа проходит несколько этапов.

Получение документа

Документы поступают из разных источников: электронная почта, сканер, мобильное приложение, системы электронного документооборота. Система автоматически собирает их в единую очередь обработки.

Предобработка

Изображение выравнивается, очищается от шумов, корректируется контрастность. Для многостраничных документов определяются границы и порядок страниц. Если в одном файле несколько документов, они разделяются.

Распознавание текста

Технология оптического распознавания символов преобразует изображение в текст с сохранением информации о расположении элементов на странице. Для электронных документов в формате PDF с текстовым слоем этот этап упрощается.

Классификация

Система определяет тип документа: счёт, товарная накладная, универсальный передаточный документ, акт, договор. От типа зависит, какие данные нужно извлекать.

Извлечение данных

Это ключевой этап. Раньше для каждого типа документа создавались шаблоны с координатами полей, и система ломалась при малейшем изменении формы. Современные языковые модели понимают структуру документа и смысл текста, поэтому извлекают данные из документов разных форм без настройки шаблонов: реквизиты сторон, номер и дату, суммы, ставки налога, табличную часть с позициями.

Проверка и сопоставление

Извлечённые данные проверяются: контрагент ищется в справочнике, суммы пересчитываются, позиции сопоставляются с номенклатурой, документ сверяется с договором или заказом. Обнаруженные расхождения помечаются для проверки сотрудником.

Передача в учётную систему

Проверенные данные передаются в 1С или другую систему, где создаётся соответствующий документ. Сотрудник видит результат и при необходимости корректирует его.

Какие документы можно обрабатывать

  • первичные бухгалтерские документы: счета, накладные, акты, счета-фактуры, УПД;
  • транспортные документы: транспортные накладные, путевые листы;
  • договоры и дополнительные соглашения;
  • банковские выписки и платёжные документы;
  • кадровые документы: заявления, анкеты, резюме;
  • заявки клиентов в свободной форме;
  • чеки и кассовые документы для авансовых отчётов.

Лучше всего автоматизируются документы с относительно стабильной структурой и большим объёмом. Уникальные сложные документы, например нестандартные договоры, обрабатываются частично: система извлекает ключевые условия, а юрист проверяет детали.

Как оценить точность

Точность распознавания — главный показатель качества. Её нужно измерять на реальных документах компании, а не на демонстрационных примерах.

  1. Соберите выборку из нескольких сотен документов разных типов и от разных контрагентов.
  2. Вручную подготовьте эталонные данные для каждого документа.
  3. Прогоните выборку через систему и сравните результат с эталоном по каждому полю.
  4. Рассчитайте долю полностью правильно обработанных документов и точность по отдельным полям.

На практике точность извлечения ключевых реквизитов из типовых документов хорошего качества превышает 95%. Для сложных табличных частей и некачественных сканов она ниже. Важно не только число, но и то, умеет ли система определять неуверенные результаты и отправлять их на проверку.

Цель — не стопроцентная автоматизация, а сокращение ручной работы. Если сотрудник проверяет только документы с расхождениями вместо всех подряд, это уже многократная экономия времени.

Схема с участием человека

Оптимальная схема работы:

  • документы с высокой уверенностью распознавания и без расхождений проводятся автоматически или с быстрым подтверждением;
  • документы с низкой уверенностью или расхождениями попадают в очередь на проверку;
  • сотрудник видит изображение документа и извлечённые данные рядом, исправляет ошибки;
  • исправления используются для улучшения системы.

Со временем доля документов, требующих проверки, снижается.

Интеграция с учётными системами

Распознавание приносит пользу только в связке с учётной системой. Нужно настроить:

  • получение справочников контрагентов, номенклатуры, договоров;
  • создание документов в учётной системе с правильным заполнением реквизитов;
  • обратную связь о статусе проведения;
  • хранение изображения документа рядом с учётной записью.

Подробнее о вариантах обмена с 1С мы писали в статье об интеграции с 1С.

Безопасность данных

Документы содержат коммерческую тайну и персональные данные. Варианты размещения решения:

  • полностью внутри контура компании с использованием открытых моделей;
  • в выделенном облачном контуре российского провайдера;
  • гибридная схема, при которой чувствительные данные не покидают контур.

Все обращения к документам журналируются, доступ разграничивается по ролям.

Экономический эффект

Расчёт эффекта строится на текущих затратах:

  • число документов в месяц;
  • среднее время обработки одного документа вручную;
  • стоимость часа работы сотрудника;
  • доля ошибок и затраты на их исправление.

После внедрения пересчитываются те же показатели. Помимо прямой экономии, важны косвенные эффекты: ускорение закрытия периода, своевременная оплата поставщикам, снижение штрафов за ошибки, возможность обрабатывать растущий объём без расширения штата.

План внедрения

  1. Анализ документопотока: типы, объёмы, источники, текущий процесс.
  2. Сбор выборки и оценка точности на реальных документах.
  3. Пилот на одном типе документов и одном подразделении.
  4. Интеграция с учётной системой и настройка очереди проверки.
  5. Обучение сотрудников и запуск.
  6. Расширение на другие типы документов.

Пилот обычно занимает от четырёх до восьми недель и даёт достаточно данных для решения о масштабировании.

Частые сложности при внедрении

Основные трудности связаны не с технологией, а с данными и процессами. Справочники контрагентов и номенклатуры в учётной системе часто содержат дубли, из-за чего сопоставление работает хуже. Поставщики присылают документы в разном качестве — от аккуратных электронных файлов до фотографий смятых листов. Наконец, сотрудники поначалу не доверяют автоматике и перепроверяют всё вручную. Эти сложности решаются наведением порядка в справочниках, договорённостями с ключевыми поставщиками об электронном обмене и прозрачной статистикой точности, которая постепенно формирует доверие.

Итоги

Распознавание документов с помощью ИИ — один из наиболее зрелых и окупаемых сценариев применения нейросетей в бизнесе. Современные модели работают с документами разных форм без настройки шаблонов, а схема с участием человека обеспечивает контроль качества. Мы разрабатываем решения для обработки документов с интеграцией в учётные системы — подробнее на странице AI-решений.

Заявка

Обсудим ваш проект

Расскажите о задаче — в течение рабочего дня вернёмся с вопросами, вариантами решения и примерной оценкой сроков и бюджета.

  • Бесплатная первичная консультация
  • Оценка проекта в нескольких вариантах
  • Подписываем NDA по запросу

Или напишите на [email protected]

Нажимая кнопку «Отправить заявку», вы соглашаетесь с политикой конфиденциальности сайта.
Спасибо! Заявка принята. Мы свяжемся с вами по указанному e-mail в течение рабочего дня.