Document AI и интеллектуальная обработка документов
Превращаем договоры, счета, акты, накладные, анкеты и сканы в проверяемые структурированные данные, связываем их с бизнес-правилами и целевыми системами.
Что представляет собой решение
Document AI — класс решений для понимания документов, а не только распознавания символов. Система определяет тип документа, восстанавливает структуру страницы, извлекает поля и таблицы, связывает значения с контекстом, проверяет их по правилам и передаёт нормализованный результат в рабочую систему.
Контур может объединять OCR, layout-анализ, специализированные модели извлечения, языковые модели и детерминированные проверки. Для каждого поля хранится происхождение и уверенность, а документы ниже порога или с критичными расхождениями направляются на ручную верификацию.
Какие задачи бизнеса решает
- Сотрудники вручную переносят реквизиты и табличные позиции из PDF, сканов, фотографий и писем в учётные системы.
- Документы приходят в разных шаблонах и качестве, поэтому фиксированные парсеры и координатные формы часто ломаются.
- Ошибки в суммах, датах, контрагентах и номенклатуре обнаруживаются поздно и приводят к возвратам и повторной обработке.
- Комплектность пакета, соответствие договору и обязательные условия проверяются вручную по нескольким источникам.
- Большой архив невозможно системно классифицировать, искать по содержанию и использовать в аналитике.
- Бизнесу нужна прозрачная автоматизация: видеть исходный фрагмент, уверенность и причину направления документа человеку.
Возможности решения
Приём и нормализация
Загрузка из почты, папок, СЭД, API и мобильного канала; поворот, разделение пакета, удаление пустых страниц и улучшение изображения.
OCR и анализ макета
Распознавание печатного текста, таблиц, блоков, заголовков, чекбоксов и координат с сохранением структуры страницы.
Классификация
Определение типа документа и версии формы, разделение смешанного файла на логические документы и маршрутизация по схеме.
Извлечение полей
Получение реквизитов, дат, сумм, сторон, адресов, условий и позиций таблиц с нормализацией форматов.
Сопоставление
Поиск контрагента и номенклатуры, сверка заказа, договора, счёта и акта, выявление дубликатов и расхождений.
Проверка правил
Контроль обязательных полей, арифметики, диапазонов, согласованности значений и допустимых справочников.
Понимание содержания
Резюме, поиск пунктов, сравнение редакций, выявление обязательств и отклонений от утверждённой политики.
Редактирование и обезличивание
Поиск и маскирование персональных или конфиденциальных данных в соответствии с правилами процесса.
Экспорт и трассировка
Передача JSON/CSV или записи в целевую систему вместе с идентификатором документа, координатой источника и статусом проверки.
Сценарии применения
Первичные бухгалтерские документы
Извлечь реквизиты и позиции из счёта, акта или накладной, сверить арифметику и заказ, подготовить запись для учётной системы.
Договорный контур
Классифицировать договор, найти стороны, сроки, суммы, ответственность и нестандартные условия, показать юристу отклонения со ссылкой на пункт.
Заявления и анкеты
Распознать форму и приложения, проверить обязательные поля и комплектность, передать корректный пакет в профильную систему.
Претензии и страховые материалы
Собрать факты из обращения и приложений, выделить даты, участников и требуемые документы без автоматического решения по выплате.
Архив и миграция
Классифицировать исторические документы, извлечь метаданные, выявить дубликаты и подготовить индекс для поиска или переноса.
Техническая документация
Распознавать паспорта, спецификации и ведомости, находить параметры и сопоставлять их с каталогом или объектом обслуживания.
Данные и источники
- PDF с текстовым слоем и сканами, TIFF/JPEG/PNG, DOCX/XLSX и вложения электронной почты.
- Фотографии с мобильных устройств, многостраничные пакеты, формы и документы разных поставщиков.
- Справочники контрагентов, номенклатуры, договоров, заказов, налогов и организационных единиц.
- Правила проверки, шаблоны документов, словари терминов и размеченные примеры для целевых типов.
- Связанные записи ERP, CRM, СЭД, EDI и других систем, с которыми требуется сверка.
Интеграции и каналы
- 1С, ERP, CRM, ECM/СЭД, EDI, BPM, архивы, бухгалтерские и закупочные системы.
- Корпоративная почта, SFTP, сетевые папки, объектные хранилища, сканеры, мобильные приложения и API.
- Очереди ручной проверки с просмотром исходной области, исправлением значения и фиксацией пользователя.
- Поисковые индексы, базы знаний и аналитические хранилища для дальнейшего поиска и анализа содержания.
Контроль, безопасность и качество
- Порог уверенности задаётся по каждому критичному полю и типу документа; средняя уверенность по странице не заменяет полевую проверку.
- Значение хранится вместе со страницей, координатами и фрагментом источника, чтобы проверяющий видел основание.
- Детерминированная проверка формата, арифметики, справочника и междокументных связей выполняется после модельного извлечения.
- Документы и поля с низкой уверенностью, конфликтом или неизвестным шаблоном направляются в очередь human-in-the-loop.
- Шифрование, разграничение доступа, журналирование, маскирование и политика хранения применяются к оригиналам и производным данным.
- Качество измеряется на отложенной выборке по типам документов, поставщикам, языкам, каналам и уровням качества изображения.
- Изменения формы и дрейф потока отслеживаются по росту неизвестных классов, ручных исправлений и ошибок отдельных полей.
Как оценивать результат
Показатели, по которым решение измеряется в работе, — не обещанные результаты.
- Straight-through processing: доля документов, прошедших в целевую систему без ручного исправления.
- Precision, recall и F1 классификации по каждому типу документа, включая неизвестный класс.
- Exact match или нормализованная точность по каждому полю; отдельные показатели для критичных реквизитов и строк таблицы.
- Доля документов и полей, направленных на ручную проверку, и среднее число исправлений на документ.
- Время от получения документа до готовой записи, размер очереди и соблюдение SLA.
- Доля дубликатов, расхождений и некомплектных пакетов, корректно обнаруженных системой.
- Стоимость обработанного документа с учётом распознавания, моделей, инфраструктуры и верификации.
Ограничения и роль человека
- Рукописный текст, печати, сложные таблицы, низкое разрешение, блики и перекрытия требуют отдельной оценки и могут снижать точность.
- Генеративное извлечение не должно незаметно достраивать отсутствующие значения; поле без доказательства возвращается как неизвестное.
- Смысловая проверка договора не заменяет юридическую оценку, а извлечение медицинских или финансовых данных — профильное решение специалиста.
- Новый тип или резко изменённая форма документа должны распознаваться как исключение, а не принудительно относиться к известному классу.
- Экономический эффект зависит от объёма, повторяемости типов и стоимости проверки; малые редкие потоки могут не требовать сложного AI-контура.
Частые вопросы
Чем Document AI отличается от OCR?
OCR преобразует изображение в текст. Document AI дополнительно понимает тип и структуру документа, извлекает нужные поля и таблицы, проверяет значения и готовит данные для бизнес-процесса.
Нужен ли отдельный шаблон для каждого поставщика?
Не всегда. Современные модели умеют работать с вариативными макетами, но устойчивость проверяется на реальном потоке. Для критичных или специфичных форм могут потребоваться специализированная схема и примеры.
Как обрабатываются низкокачественные сканы?
Изображение нормализуется, а качество и уверенность оцениваются по полям. Если порог не достигнут, документ направляется на проверку или повторное получение, а не проходит автоматически.
Можно ли извлекать таблицы и позиции?
Да, если структура и качество позволяют устойчиво связать строки и столбцы. Метрика качества считается на уровне строк и ключевых колонок, а арифметика и справочники проверяются отдельно.
Где размещаются документы?
Архитектура может использовать облачный, локальный или гибридный контур в зависимости от требований. В любом варианте определяются хранение оригинала, производных данных, доступ, шифрование и удаление.
Как исправления оператора улучшают систему?
Исправление сохраняется как размеченный пример с типом ошибки. После контроля качества такие примеры используют для настройки правил, поиска причин дрейфа и при необходимости обновления модели.
Проверьте гипотезу до разговора с командой
Asphera Intelligence за пару минут соберёт карту возможностей и гипотезу пилота по вашей задаче. Команда подключится к уже понятному контексту, а не к пустой заявке.