Запрос «ИИ для работы с документами» объединяет несколько разных задач. Распознать скан, извлечь ИНН, определить тип договора, сравнить редакции и ответить на вопрос по регламенту — не одно и то же. Для каждой операции нужен свой метод, метрика и формат результата.
Надежная система обычно состоит из нескольких слоев. Детерминированные правила обрабатывают известные форматы, специализированные модели разбирают вариативный текст, поиск находит источники, а языковая модель подключается только там, где нужен анализ контекста или формулировка ответа.
Начните с маршрута документа
Опишите путь от поступления файла до решения сотрудника: где документ появляется, кто его открывает, какие поля переносит, с чем сравнивает и куда записывает результат. Это помогает отделить распознавание от анализа и увидеть шаги, которые можно автоматизировать без ИИ.
- Форматы: PDF, сканы, DOCX, письма, таблицы и вложения.
- Источники: СЭД, почта, файловые папки, портал или ручная загрузка.
- Результат: карточка, отчет, маршрут, найденный фрагмент или ответ.
- Контроль: обязательные поля, ссылка на источник и ручное подтверждение.
Какая технология решает какую задачу
- OCR и парсеры. Получают текст и структуру из сканов, PDF, таблиц и офисных файлов.
- Правила и справочники. Проверяют обязательные поля, форматы, известные шаблоны и точные условия.
- Классификация и NER. Определяют тип документа и извлекают сущности при вариативной структуре.
- Сравнение текста. Находит добавленные, удаленные и измененные пункты между редакциями.
- Поиск и RAG. Находит релевантные фрагменты и формирует ответ со ссылками на документы.
- LLM. Разбирает контекст и готовит формулировку там, где результат можно проверить человеком.
Анализ договоров: правила до генерации
Для договоров полезно сначала выделить стороны, предмет, сроки, суммы и приложения. Известные обязательные условия проверяются правилами и шаблонами. Сравнение редакций выполняется на уровне пунктов, чтобы юрист видел конкретное изменение, а не общий пересказ документа.
Модель можно использовать для классификации нестандартного пункта или подготовки комментария, но вывод должен содержать исходный фрагмент и отметку уверенности. Система не заменяет юридическую оценку: она сокращает объем ручного просмотра и собирает материалы для решения специалиста.
RAG для регламентов и корпоративной базы знаний
RAG подходит, когда сотруднику нужно найти ответ в большом наборе регулярно обновляемых документов. Система разбивает материалы на фрагменты, сохраняет метаданные, ищет подходящий контекст и передает его языковой модели. В ответе пользователь получает ссылки на документы и может проверить формулировку.
RAG не гарантирует правильность автоматически. Нужно отдельно тестировать извлечение текста, поиск, фильтрацию по правам, качество ответа и отказ при недостаточном контексте. Для критичных сценариев можно показывать найденные фрагменты без генерации.
Как измерять качество обработки документов
Одна общая оценка «работает хорошо» бесполезна. Для каждого шага нужна собственная метрика и контрольная выборка, которая отражает реальные форматы и ошибки.
- OCR. Ошибки распознавания по типам документов и качеству сканов.
- Извлечение. Точность и полнота обязательных полей.
- Классификация. Ошибки по каждому классу, включая редкие документы.
- Поиск. Попадание нужного фрагмента в верхние результаты.
- Ответ. Подтвержденность источником, корректные отказы и доля ручной проверки.
Локально или в облаке
Выбор зависит от категорий данных и политики заказчика. Внешний сервис может быстрее запустить эксперимент, если документы разрешено передавать провайдеру. Локальный контур нужен, когда потоки данных должны оставаться под управлением компании, требуется работа без интернета или собственный процесс журналирования и обновлений.
On-premise не является автоматической гарантией соответствия требованиям. До внедрения нужно согласовать модель доступа, хранение документов и индексов, сетевые потоки, журналы и меры защиты. CPU или GPU выбираются после замера на целевой модели и нагрузке.
Что проверить на пилоте
- Репрезентативные документы и пограничные случаи.
- Baseline из правил, поиска или текущего ручного процесса.
- Метрики каждого этапа, а не только красивый итоговый ответ.
- Права доступа и отсутствие утечки фрагментов между группами.
- Формат результата, понятный сотруднику и пригодный для проверки.
- Скорость, память, стоимость и регламент обновления.