ИИ для обработки документов СтройЛайн

Наш клиент — российский девелопер, который одновременно ведет несколько жилых и коммерческих объектов. В работе постоянно используются договоры, счета, акты, спецификации, накладные, КС-2, КС-3 и другие документы от подрядчиков и поставщиков.

Значительная часть документов поступала в PDF, Excel и сканах. Сотрудники вручную определяли тип документа, переносили реквизиты и суммы в учетную систему, проверяли комплектность и искали расхождения.

Мы разработали ИИ-систему, которая автоматически разбирает входящие документы, извлекает нужные данные и передает сотруднику уже подготовленный результат для проверки.

Мы заменили название бренда и замазали любые упоминания на скриншотах, чтобы не нарушать НДА в отношении нашего клиента.

Особенности проекта

В среднем сотрудники клиента обрабатывали несколько тысяч документов в месяц.

Основная проблема была не в самом распознавании текста. Нужно было понять, какой документ загружен, какие данные из него важны и куда их передать дальше.

Например, из акта требовалось получить номер и дату документа, подрядчика, объект, сумму, НДС и привязку к договору. Из спецификации — перечень позиций, объемы, единицы измерения и стоимость. Для КС-2 и КС-3 набор данных и логика проверки уже отличались.

Дополнительно документы могли быть плохого качества, содержать таблицы на нескольких страницах, отличаться по шаблону у разных контрагентов или приходить одним пакетом.

Поэтому обычного OCR было недостаточно: он превращает изображение в текст, но не понимает структуру и бизнес-смысл документа.

Разработка

Мы разработали систему, которая сочетает распознавание документов и ИИ-анализ их содержания.

После загрузки документ автоматически проходит несколько этапов:

• определяется его тип;
• извлекаются реквизиты, суммы, даты и другие нужные поля;
• таблицы преобразуются в структурированные данные;
• документ сопоставляется с договором, объектом или контрагентом;
• проверяется наличие обязательных данных;
• подозрительные расхождения передаются сотруднику.

Например, если подрядчик присылает пакет из счета, акта и КС-2, система разделяет документы, извлекает информацию из каждого и проверяет, совпадают ли суммы, номер договора и объект.

Если все данные корректны, сотрудник получает готовую карточку для подтверждения и передачи в учетную систему.

Если ИИ не уверен в распознавании поля или обнаруживает расхождение, соответствующая строка выделяется отдельно и требует ручной проверки.

Как это работает

Документ поступает в систему → ИИ определяет тип → извлекает нужные данные → проверяет связи и расхождения → сотрудник подтверждает результат → данные передаются в учетную систему.

Мы отдельно настроили работу с типовыми документами основных подрядчиков. За счет этого системе не требуется, чтобы все контрагенты использовали единый шаблон.

Результат

После запуска пилота мы сравнили показатели обработки документов с ручным процессом.

Показатель	До внедрения	После внедрения
Среднее время обработки одного документа	7,5 мин	2,1 мин
Документы без ручного ввода данных	0%	91%
Ошибки ручного переноса данных	24,8%	1,4%
Среднее время обработки пакета документов	46 мин	15 мин

В результате сотрудники перестали тратить значительную часть рабочего дня на механический перенос данных из PDF и таблиц.

Основная работа сместилась с ручного ввода на контроль исключений: человек проверяет только те документы и поля, где система обнаружила недостаток данных, несоответствие или низкую уверенность распознавания.

Для девелопера это позволило ускорить документооборот без пропорционального расширения бэк-офиса и снизить количество ошибок при работе с большим потоком подрядных документов.