Перейти к содержанию

Интеграция ИИ в обработку документов

Интеграция ИИ в обработку документов: обложка кейса

Классификация и маршрутизация входящих документов вместо ручного разбора

Клиент
Под NDA
Сфера
Документооборот и автоматизация бэкофиса
Что делали
  • ИИ и LLM
  • Классификация документов
  • Автоматизация процессов

Суть. Снять с сотрудников ручной разбор входящих документов: модель определяет тип каждого документа и отправляет его в нужный процесс.

Введение

Входящие документы разбирали вручную: сотрудник открывает файл, определяет его тип и решает, кому передать дальше. На большом потоке на это уходит время, которое нужно на работу с самими документами, а нестандартный документ легко теряется среди типовых.

Мы встроили ИИ-модель, которая классифицирует входящие документы и маршрутизирует их. Документ приходит, получает категорию и уходит ответственному без ручной сортировки. Если модель не уверена, документ попадает к сотруднику, а его решение потом помогает дообучить классификатор.


Боль - запрос

  • Сотрудники тратят время на сортировку входящих документов.

    Автоматическая классификация по типу документа.

  • Решение, кому передать документ, принимается вручную.

    Маршрутизация в нужный процесс и к ответственному.

  • Документы приходят из разных каналов и в разном виде: письма, сканы, PDF.

    Один входной поток с извлечением текста из любого формата.

  • Ошибка автоматической сортировки уводит документ не туда.

    Порог уверенности и ручная проверка сомнительных случаев.

  • Нестандартные документы теряются в общем потоке.

    Сотрудники занимаются исключениями, а не сортировкой.


Описание проекта

Поступление, классификация и передача документов собраны в один автоматический сценарий. Ручной шаг остался только там, где он нужен: на документах, в типе которых модель не уверена.

  • Входной поток. Документы из почты и загрузки собираются в одну очередь, из сканов и PDF извлекается текст.
  • ИИ-классификация. Модель определяет тип входящего документа и ставит оценку уверенности.
  • Маршрутизация. По типу документа правила выбирают процесс и ответственного сотрудника или группу.
  • Очередь исключений. Документы ниже порога уверенности и новые типы уходят сотруднику на разбор.
  • Дообучение. Решения сотрудников по исключениям становятся размеченными примерами для следующей версии модели.

Архитектура решения

Как система выглядит в работе. Ниже - откуда она берёт данные, где их обрабатывает и куда отдаёт результат.

Входящая почта отдела

Письмо с вложением PDF, 3 страницы: «Направляем акт выполненных работ, просим подписать и вернуть один экземпляр».

Тип: акт выполненных работ, уверенность 0,96 при пороге 0,85. Документ направлен в процесс «Бухгалтерия: расчёты с поставщиками», ручная проверка не нужна.

  • DOC-2026-073518
  • Правила маршрутизации
  1. Извлечение текста3 страницы из вложения PDF
  2. Классификацияакт выполненных работ, уверенность 0,96
  3. Маршрут ответственномуБухгалтерия: расчёты с поставщиками

Документ с низкой уверенностью никогда не уходит в процесс автоматически: он ждёт решения сотрудника, и это решение потом учит модель.

Полная схема архитектуры и пример события

Источники

  • Входящая почтаписьма с вложениями
  • Сканы и PDFзагрузка сотрудниками

Что разработали мы

  • Классификатор на LLMтип документа и уверенность
  • Правила маршрутизациитип документа = процесс и ответственный
  • Порог уверенностиниже порога - к сотруднику

Подключено:Извлечение текста

Кто и что получает

  • Учётная система клиентадокумент в нужном процессе
  • Очередь исключенийсотрудник разбирает сомнительное
  • Набор для дообучениярешения по исключениям

Так это выглядит в работе

POST/docflow/api/documents/DOC-2026-073518/route

event
document.classified
document_id
DOC-2026-073518
source
email
pages
3
doc_type
акт выполненных работ
confidence
threshold
0.85
needs_review
нет
routed_to
Бухгалтерия: расчёты с поставщиками
Пример события после классификации: уверенность выше порога, документ ушёл в процесс без ручной сортировки. Данные обезличены.

Как проходит документ

  1. Поступление. Документ приходит в систему из входящего потока, из скана или PDF извлекается текст.
  2. Классификация. Модель определяет тип документа и оценивает, насколько уверена в ответе.
  3. Маршрутизация. Документ с уверенным типом уходит в нужный процесс и к ответственному.
  4. Исключения. Сомнительные и нестандартные документы разбирает сотрудник, его решение сохраняется для дообучения.

Что было сложным

Эффект автоматической сортировки целиком зависит от точности на документах конкретного клиента. Типы документов похожи друг на друга: счёт и счёт-фактура, договор и дополнительное соглашение. Поэтому классификатор настраивали на реальном потоке клиента, а точность меряли по каждому типу отдельно, а не одной средней цифрой.

Ошибка маршрутизации хуже, чем отсутствие автоматизации: документ, ушедший не тому сотруднику, ищут дольше, чем если бы его разобрали руками. Поэтому порог уверенности выбран консервативно. Лучше отправить человеку лишний документ на проверку, чем потерять его в чужой очереди.


Результат проекта

  • Быстрее. -40% времени на обработку рутинных документов.
  • Один сценарий. Классификация и передача идут в одном автоматическом процессе.
  • Фокус на исключениях. Сотрудники работают с нестандартными документами, а не с сортировкой.
  • Модель учится на потоке. Решения по исключениям становятся данными для дообучения.

Проект в цифрах

Длительность
Около 3 месяцев: разметка потока клиента, пилот с ручной проверкой, затем автоматическая маршрутизация
Команда
  • 1 project manager
  • 1 ML-инженер (LLM)
  • 1 back-end разработчик
  • 1 бизнес-аналитик
  • -40%времени на обработку рутинных документов
  • 1 сценарийот поступления документа до ответственного
  • Порогуверенности: сомнительное проверяет человек

Технологии и интеграции

  • Классификация документов на LLM
  • Распознавание сканов и PDF
  • Правила маршрутизации
  • Порог уверенности и очередь исключений
  • Интеграция с учётной системой по API
  • Дообучение на решениях сотрудников

Частые вопросы

  • Сколько документов нужно, чтобы начать?

    Обычно хватает нескольких десятков примеров на каждый тип из вашего реального потока. Их размечаем вместе с вашими сотрудниками на старте.

  • Что если модель ошибётся с типом?

    Документ с низкой уверенностью не уходит в процесс автоматически, его проверяет сотрудник. Его решение попадает в дообучение, и такие ошибки со временем становятся реже.

  • Можно ли извлекать из документов данные, а не только тип?

    Да, следующий шаг после классификации - извлечение реквизитов и сумм с проверкой по учётной системе. Это делается на той же схеме с порогом уверенности.

  • Как понять, что автоматизация окупается?

    Меряем точность по каждому типу, долю документов без ручного вмешательства и время от поступления до исполнителя. Эти показатели видны уже на пилоте.

Проект под NDA: в публичном тексте только то, что согласовал клиент. Детали внедрения расскажем в переписке.

Обсудим вашузадачу

Вам необязательно иметь чёткую задачу. Оставьте контакты, и мы разберём ваши текущие бизнес-процессы и честно покажем, где внедрение технологий даст реальный финансовый результат.

Связаться с нами

  • Свяжемся в течение дня
  • Подпишем NDA до обсуждения данных
  • Удобнее в мессенджере? Напишите в Telegram