Распознавание документов для 1С, ERP, CRM | Интеграция данных

1

Визуальный анализ и «очистка»

Когда вы загружаете фото или скан, наш искусственный интеллект первым делом анализирует само изображение. Он выравнивает документ, даже если он сфотографирован под углом, убирает тени и улучшает контрастность. Это гарантирует, что даже с неидеального снимка, сделанного на телефон, мы получим максимум информации.

2

Контекстуальное распознавание

Это ключевой этап. В отличие от старых систем, наш ИИ обучен на тысячах белорусских документов. Он точно знает, как выглядит ТТН, счет-фактура или свидетельство о регистрации.

• Он не просто видит строку «Итого», а понимает, что это — конечная сумма документа.
• Он отличает УНП поставщика от УНП покупателя, потому что анализирует их расположение.
• Он находит номер и дату документа, где бы они ни находились.

Искусственный интеллект ищет не просто текст, а смысловые блоки, как это делает человек.

3

Структурирование и перекрестная проверка

После извлечения всех данных ИИ не просто передает их вам. Он приводит их в единый, структурированный формат (например, всегда отделяет имя компании от ее юридического адреса).

Более того, он проводит базовую проверку на логику: сопоставляет отдельные позиции с итоговой суммой или проверяет, не является ли дата отгрузки раньше даты выписки документа. Это помогает отловить потенциальные ошибки еще до того, как данные попадут в вашу учетную систему.

1. Трудозатраты:

• Среднее время на ручной ввод одного документа (ТТН, счет): 8 минут.
• Общее время на обработку 10 000 документов: 10 000 * 8 минут = 80 000 минут.
• Это 1 333 рабочих часа в месяц.

2. Необходимые ресурсы:

• Один сотрудник работает в среднем 160 часов в месяц.
• Чтобы покрыть 1 333 часа, вам потребуется: 1 333 / 160 = 8.33 сотрудника.
• Фактически, это 8 штатных специалистов и дополнительная нагрузка (сверхурочные или еще один сотрудник на неполный день).

3. Ежемесячные затраты:

• Более 8 полных зарплат (с учетом налогов и отчислений) тратятся только на рутинный ввод данных.

1. Трудозатраты:

• Процесс: сотрудник загружает документ и лишь бегло проверяет результат. Среднее время: менее 1 минуты.
• Общее время на 10 000 документов: 10 000 * 1 минута = 10 000 минут.
• Это 167 рабочих часов в месяц.

2. Необходимые ресурсы:

• Чтобы покрыть 167 часов, вам потребуется: 167 / 160 = 1.04 сотрудника.
• С этим объемом легко справляется один специалист, у которого еще остается время на другие, более важные задачи.

3. Ежемесячные затраты:

• 1 зарплата специалиста + стоимость нашего сервиса (которая составляет ~80% от зарплаты одного сотрудника).
• Итоговые затраты: ~1.8 зарплаты.

1

Геометрическая и качественная нормализация

Прежде чем «читать» документ, агент создает его идеальный цифровой двойник. Он автоматически выполняет:

• Выравнивание (Deskewing): Корректирует перспективу и наклон, если документ был сфотографирован под углом.
• Устранение шумов: Убирает тени от рук, блики, артефакты сканирования и выравнивает фон.
• Повышение контрастности: Делает текст максимально четким для последующего анализа.

На этом этапе мы получаем не просто картинку, а эталонное изображение, готовое для глубокого анализа.

2

Сегментация и мультимодальный анализ

В отличие от классического OCR, который видит лишь поток символов, наш ИИ-агент анализирует документ мультимодально — как человек. Он распознает не только текст, но и его структуру, расположение и контекст:

• Он выделяет логические блоки: «шапка» документа, табличная часть, «подвал» с подписями, область с печатью.
• Он понимает, что текст в левом верхнем углу, скорее всего, относится к поставщику, а в правом — к покупателю.
• Он идентифицирует таблицы, их строки и столбцы, связывая наименование товара с его количеством и ценой.

3

Извлечение сущностей (NER) и их логическая валидация

Это ядро интеллектуальной обработки. Агент не просто извлекает текст, а присваивает ему конкретные бизнес-роли (Named-Entity Recognition):

• Находит строку «ООО "Ромашка"» и помечает ее как [Поставщик].
• Находит «BYN 1234,56» и определяет ее как [Сумма с НДС].
• Находит «15.05.2024» и идентифицирует ее как [Дата документа].

После извлечения агент проводит перекрестную валидацию: проверяет, сходятся ли суммы в строках с итоговой суммой, не является ли дата отгрузки раньше даты выписки счета и другие логические связи. Это отсеивает большинство потенциальных ошибок на самом раннем этапе.

4

Формирование канонической модели данных

Вне зависимости от того, как выглядел исходный документ — был ли он стандартной формы или уникальным шаблоном — на выходе ИИ-агент формирует единый, предсказуемый JSON-объект. Номер документа всегда будет в поле document_number, а УНП покупателя — в buyer_unp.

Это гарантирует, что ваша учетная система всегда получает чистые, структурированные и логически выверенные данные, готовые к немедленному использованию.