Document AI, который читает 1 300 накладных от поставщиков в день

Задача была не «распознать текст», а «никогда не провести неверную сумму». Классический OCR распознаёт символы; он не понимает, что «Итого» у одного поставщика стоит в правой нижней таблице, а у другого — строкой в подвале. Шаблонное извлечение ломается каждый раз, когда поставщик меняет формат, — поэтому Gartner (2023) описывает движение рынка от шаблонного OCR к интеллектуальной обработке документов, сочетающей layout-модели и языковые модели. Для финансистов настоящее требование сделало оценку уверенности и дизайн ручной проверки не менее важными, чем сама модель извлечения.

Оператор видит скан и извлечённые поля рядом. Зелёные поля выше порога автопроводки, жёлтые требуют клика. Позиции сверяются с итогами до того, как что-либо попадёт в ERP.

Решение построено как пайплайн на очередях: приём и нормализация изображений, мультимодальная модель, возвращающая типизированные поля с уверенностью по каждому полю, сверка с мастер-данными, очередь ручной проверки для всего ниже порога и проводка в ERP с приложенным сканом. Человек в контуре — по дизайну, а не как запасной вариант: глобальный опрос Deloitte по интеллектуальной автоматизации (2022) показал, что большинство организаций, внедряющих автоматизацию, по-прежнему сочетают её с проверкой человеком, а допуск финансистов на ошибочную проводку был нулевым.

• Приём. Документы приходят с сетевых сканеров, из почтового ящика и общей папки; очередь нормализует изображения (выравнивание, коррекция перспективы для фото с телефона, разбиение на страницы).
• Понимание, а не просто OCR. Мультимодальная модель читает документ целиком и возвращает контрагента, налоговый номер, номер, дату, нетто/НДС/брутто и позиции структурированным JSON с уверенностью по каждому полю и областью-источником на странице.
• Сверка. Извлечённые значения сопоставляются со справочником поставщиков, договорами и заказами; позиции должны сходиться с итогами. Документ, не прошедший любую проверку, уходит на ревью с подсветкой нарушенного правила.
• Очередь проверки. Скан и предзаполненные поля рядом; оператор подтверждает или исправляет. Каждое исправление сохраняется как обучающие данные.
• Проводка в ERP. Подтверждённые документы проводятся через API ERP с приложенным сканом; у каждого документа полный аудиторский след от приёма до проводки.

Таблица показывает, почему проект не начали с шаблонного OCR. Шаблоны работают, когда раскладок мало и они стабильны; здесь у каждого поставщика был десяток раскладок, и они менялись. Мультимодальная модель читает страницу целиком, поэтому новая раскладка — это новый пример, а не новый шаблон, и она возвращает уверенность по каждому полю, что и делает возможным порог проверки.

Доля документов без участия человека стартовала с 58% при запуске и росла месяц за месяцем по мере дообучения модели на исправлениях операторов. Точность полей измеряется на ежемесячной аудиторской выборке против ERP.

Двенадцать процентов документов по-прежнему доходят до человека — но проверка теперь занимает 38 секунд вместо двух минут набора, потому что оператор подтверждает, а не перепечатывает.

Воркеры на Python поверх RabbitMQ; мультимодальная LLM для понимания документа и дообученная layout-модель для детекции областей; PostgreSQL для документов, полей и аудита; интерфейс проверки на Vue; интеграция с ERP через API вендора. Работает в Docker в инфраструктуре клиента; документы обрабатываются внутри корпоративного периметра, а внешние модельные API для содержимого счетов не используются.

Подход подходит любой финансовой, логистической или страховой команде с большим потоком документов в разных раскладках: счета, накладные, таможенные декларации, страховые заявления, кредитные заявки. Паттерн всегда один: извлечь с оценкой уверенности, сверить с тем, что уже известно, и оставить людям только исключения. Регуляторное направление то же: структурированные электронные счета обязательны в госзакупках ЕС с Директивы 2014/55/EU, а пакет VAT in the Digital Age, принятый в 2025 году, в ближайшие годы распространяет цифровую отчётность на трансграничные B2B-счета, так что пайплайн, уже выдающий типизированные и сверенные данные, — шаг в эту сторону, а не временная заплатка.