Автоматизация документооборота с ИИ: что можно, а что нельзя

Документооборот выглядит идеальным кандидатом на автоматизацию: много однотипных бумаг, понятные маршруты, измеримая рутина. И он им действительно является — но только в той части, где решается что это за документ и куда его направить, а не в той, где принимается решение по существу.

Разделение простое:

> Модель определяет тип, реквизиты и маршрут. Код проверяет и двигает. Человек принимает решения, за которые отвечает.

Нарушение третьего пункта — попытка автоматизировать согласование по существу — и есть главный источник провалов в этой области.

Что автоматизируется хорошо

Регистрация входящих. Пришёл документ — определить тип, извлечь реквизиты, присвоить номер, завести карточку. Самая массовая и самая благодарная задача.

Маршрутизация. По типу, контрагенту, сумме, подразделению — направить нужному человеку. Определение признаков делает модель, само правило маршрута — код.

Извлечение реквизитов. Номер, дата, стороны, сумма, срок. Технически это отдельная задача со своими проверками — «Извлечение данных из документов».

Сверка с учётной системой. Совпадает ли сумма в акте с суммой в договоре, есть ли такой контрагент, не заведён ли документ повторно. Работа кода, но на данных, извлечённых моделью.

Контроль комплектности. По типу документа известен список приложений — проверить, всё ли есть.

Поиск по архиву. Найти документ по смыслу, а не по номеру. Задача поиска по базе знаний — «RAG простыми словами».

Напоминания о сроках. Извлечённая дата плюс правило — уведомление ответственному.

Что автоматизировать нельзя

Согласование по существу. Выгодны ли условия, приемлемы ли риски — решение человека. Модель может подсветить отличия от типовой формы, но не заменить решение.

Подписание. Юридически значимое действие всегда за человеком.

Оценку правовых рисков. Модель может обратить внимание на пункт, отличающийся от шаблона. Вывод «это опасно» делает юрист.

Отправку контрагенту без проверки. Необратимое действие.

Общий принцип тот же, что с полномочиями агентов: что нельзя нарушить, должно быть невозможно, а не запрещено — «Ограничение действий ИИ-агента».

Разбор: регистрация входящих документов

Задача. Компания получает 600–900 документов в месяц: счета, акты, договоры, письма, претензии. Приходят почтой, через клиент-банк, в мессенджерах, бумагой. Регистрацией занимались два человека.

Как было. Открыть, понять что это, найти контрагента в системе, завести карточку, приложить файл, назначить ответственного. Около 6 минут на документ.

Что сделали.

Сначала — единая точка приёма. Все каналы сводились в одну очередь: почтовый ящик, папка сканера, выгрузка из банка. Это шаг без всякого ИИ, но без него автоматизировать было нечего: документы приходили в пять разных мест.

Дальше конвейер:

Что вскрылось на реальном потоке.

Первое: типов оказалось не семь, как в справочнике, а гораздо больше. Приходили документы, не попадавшие ни в одну категорию, — уведомления, рекламные рассылки, ответы на запросы. Пришлось завести категорию «прочее» с отправкой человеку, иначе система пыталась натянуть документ на неподходящий тип.

Второе, важнее: проверка форматов поймала больше ошибок, чем ожидалось. Модель уверенно извлекала ИНН, который не проходил проверку контрольной суммы, — цифра распозналась неверно при сканировании. Без этой проверки такие документы уходили бы в карточки с неверным контрагентом.

Отсюда правило: всё, что имеет формальную структуру, проверяется кодом, а не принимается на веру от модели. ИНН, КПП, номера счетов, даты, суммы прописью против цифр.

Третье: дубли. Один и тот же счёт приходил и почтой, и в мессенджере. Сравнение по номеру и сумме сняло проблему, но потребовало нормализации — номера писались по-разному.

Что оставили человеку. Документы, где хоть одна проверка не прошла или тип определился неуверенно. Около 20% потока. Им карточка приходила предзаполненной — оставалось подтвердить или поправить одно поле.

Результат. Время на документ сократилось примерно с 6 минут до 1,5 в среднем по потоку. Один из двух регистраторов перешёл на другую работу — и вот это, а не «сэкономленные часы», сделало экономию реальной. Про эту разницу — «Как измерить эффект от внедрения ИИ».

Чего не делали. Не трогали согласование. Маршрут определялся автоматически, решение по документу принимал человек. Предложение «пусть система сама согласовывает мелкие счета до 10 000» обсуждали и отклонили: правило легко описать, но ответственность за платёж должна оставаться персональной.

Юридическая значимость

Отдельный слой, который стоит держать в голове с самого начала.

Электронная подпись ставится человеком. Автоматическая подпись от имени сотрудника — риск, который трудно обосновать.

Хранение оригиналов. Автоматизация работает с извлечёнными данными, но оригинал должен сохраняться неизменным и связанным с карточкой.

Журнал действий. Кто, когда, что сделал — включая то, что сделала система. При споре нужно показать, на каком основании документ был направлен именно туда.

Персональные данные в документах — отдельная тема, включая вопрос, куда уходит текст при обращении к модели: «152-ФЗ и нейросети». Для части организаций это означает модель на своей инфраструктуре.

Что нужно, чтобы начать

• Единая точка приёма. Пока документы приходят в пять мест, автоматизировать нечего.
• Справочник типов с описанием, какие реквизиты у каждого.
• Правила маршрутов в явном виде. Часто выясняется, что они существуют только в головах.
• Архив реальных документов за месяц-два для проверки достижимости — включая плохие сканы и нетипичные случаи.
• Доступ к учётной системе для сверки и заведения карточек.

Третий пункт регулярно оказывается самым трудоёмким: описать маршруты сложнее, чем настроить модель. Это и есть основная часть работы по автоматизации документооборота — техническая сторона обычно проще организационной.

Частые вопросы

Что в документообороте можно автоматизировать с ИИ?

Регистрацию входящих, определение типа документа, извлечение реквизитов, маршрутизацию, сверку с учётной системой, контроль комплектности и сроков. Модель нужна там, где вход неструктурирован — понять, что это за документ и вытащить поля. Всё остальное надёжнее делать обычным кодом.

Может ли система сама согласовывать документы?

Решение по существу — нет. Система может определить маршрут, подготовить карточку, подсветить отличия от типовой формы и напомнить о сроке. Само согласование остаётся за человеком, потому что это ответственность, а не операция.

Что делать с плохими сканами?

Распознавать с предобработкой, а результат проверять формальными правилами: контрольная сумма ИНН, формат даты, соответствие суммы прописью и цифрами. Документы, не прошедшие проверку, отправлять человеку. Технические детали — «OCR и PDF».

Какая доля документов проходит без человека?

Зависит от однородности потока и качества исходников. Ориентир для смешанного потока — большая часть проходит автоматически, а пятая-четвёртая часть уходит на подтверждение. Стремиться к ста процентам не стоит: это означает, что система перестанет сомневаться там, где сомневаться нужно.

Нужно ли менять систему документооборота?

Обычно нет, если у неё есть программный интерфейс: автоматизация встраивается перед ней и передаёт готовые карточки. Если интерфейса нет, вопрос становится дорогим, и это стоит выяснить до начала проекта.

Куда уходят наши документы при обработке?

Зависит от того, где работает модель. При облачной модели текст документа покидает контур; при локальном развёртывании — нет. Для организаций с требованиями к обработке данных это определяющее условие, и решать его надо до проектирования.

Что дальше

Техническая сторона извлечения полей — «Извлечение данных из документов» и «Структурированный вывод модели». Как устроить проверку неуверенных случаев — «Человек в контуре проверки». Если документы приходят почтой — «Автоматическая обработка почты».