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.
- Соберите выборку из нескольких сотен документов разных типов и от разных контрагентов.
- Вручную подготовьте эталонные данные для каждого документа.
- Прогоните выборку через систему и сравните результат с эталоном по каждому полю.
- 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.
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
- Анализ документопотока: типы, объёмы, источники, текущий процесс.
- Сбор выборки и оценка точности на реальных документах.
- Пилот на одном типе документов и одном подразделении.
- Интеграция с учётной системой и настройка очереди проверки.
- Обучение сотрудников и запуск.
- 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.