Нейросеть для работы с документами: что она извлекает и что проверять

8 сентября 2026 · 8 мин чтения

Нейросеть для работы с документами не читает сам документ: она получает то, что осталось после распознавания. Ровный текст из PDF или Word модель разбирает почти без ошибок. Кривой скан с печатью боком превращается в текст с пропущенными цифрами, и дальше модель работает уже с этим испорченным текстом, а не с оригиналом.

От этой разницы зависит, где автоматизировать документы выгодно, а где это только множит ошибки. Дальше разбираю три документа, с которыми сталкивается почти любой бизнес: договор, счёт, акт. Что нейросеть находит в них сама, где она спотыкается и какие данные ей нельзя показывать вовсе.

Что нейросеть делает с документом на самом деле

Нейросеть не «видит» страницу так, как человек. Она получает набор символов и ищет в нём то, что попросили найти: сумму, дату, сторону договора, номер счёта. Документ пришёл цифровым, текстовым файлом? Модель извлекает данные почти без ошибок: буквы и цифры она получает готовыми, без искажений.

Документ — это скан или фото? Между файлом и моделью встаёт ещё один шаг: распознавание текста, OCR. Оно превращает изображение в буквы, и на этом шаге возникают ошибки.

Смазанную печать, кривой угол съёмки, рукописную правку поверх бланка OCR распознаёт с искажениями, а модель отвечает по тому тексту, который получила. Отличить настоящую опечатку от сбоя распознавания она не может.

Данные из чистого цифрового файла можно доверить модели, почти не проверяя. Данные из скана стоит сверить хотя бы по сумме и дате. Время экономится в обоих случаях.

Три документа, которые есть у любого бизнеса

Разберём три типа документов, которые автоматизируют первыми. У каждого своя частая ошибка и свой пункт для ручной проверки.

Договор: где извлечение экономит время, а где спотыкается

Договор — самый длинный из трёх документов, и длина создаёт проблему. Пока в тексте один блок условий, модель находит сумму и срок за секунды.

Дальше в договоре появляются три допсоглашения со своими датами, и все правят один и тот же пункт. Модель иногда берёт условие не из последней редакции, а из той, что встретилась раньше по тексту.

Тогда задачу стоит сузить. Просите не «перескажи договор», а «найди действующий срок оплаты и укажи, из какого допсоглашения он взят». Ответ со ссылкой на источник проверяется в разы быстрее пересказа без неё.

Счёт и акт: сверка без ручного пересчёта

Счёт и акт редко живут отдельно. Их сверяют друг с другом и с договором: совпадает ли сумма, совпадает ли перечень работ, не задвоилась ли позиция. Руками эту работу делает бухгалтер или менеджер, построчно сравнивая три документа.

Нейросеть достаёт цифры из каждого документа и показывает расхождение, если оно есть. Что с ним делать, решает человек.

Как это выглядит в нашем AI Backoffice: подписанный договор, оплаченный счёт и закрытый акт связаны одной логикой. Событие в одной системе сразу создаёт нужный документ и обновляет статус в остальных, а расхождение между системами видно сразу, а не через несколько дней, когда кто-то сверит их вручную. В одном из наших кейсов у операционной команды из восьми человек статусы, документы и согласования жили в личных сообщениях, таблицах и разных чатах, и мы свели их в единый маршрут через Telegram-бот.

Похожий приём работает в чат-боте для застройщика: перед ответом клиенту валидатор сверяет цифры из диалога с базой документов по объекту, чтобы бот не назвал цену или срок сдачи, которых там нет.

Что нельзя загружать в нейросеть по 152-ФЗ

Отдельный вопрос: что нейросети вообще можно показывать. ФИО, телефон, адрес и паспортные реквизиты граждан России по 152-ФЗ при сборе записывают и хранят в базах на территории России. Договор с физлицом, счёт частному клиенту, акт с домашним адресом подрядчика подчиняются этому правилу без исключений.

Отправка такого документа во внешний зарубежный API считается трансграничной передачей и требует уведомления Роскомнадзора, а сама база должна оставаться в России. С 1 июля 2025 года хранить её за рубежом прямо запрещено: штраф юрлицу от 1 до 6 млн ₽, за повторное нарушение до 18 млн ₽.

Проще пойти одним из двух путей: вычистить из документа имена, телефоны и адреса перед отправкой или взять модель, которая физически стоит на сервере в России.

Юридические реквизиты компании — ИНН, номер счёта, название юрлица — сюда не относятся: это не данные гражданина. Граница проходит по конкретному человеку в документе, а не по типу документа целиком.

Как это работает как система, а не разовый запрос в чат

Проверить один договор в окне чата — это разовая задача. Поток документов, который приходит каждый день, работает по другим правилам.

Файл попадает в систему сам. Если это скан, его распознают. Нужные поля модель находит по заданному шаблону. Человеку остаются только спорные случаи. Обычный чат так не работает: здесь модель должна быть подключена и к месту, откуда приходит документ, и к системе, куда уходят данные.

Принцип тот же, что и в любом другом процессе: систему строят вокруг события и результата, а не вокруг разового вопроса. Про то, с какого процесса начинать и как считать окупаемость, я писал отдельно: Автоматизация бизнес-процессов с ИИ.

Когда автоматизировать документы выгодно

Автоматизация документов окупается, когда сотрудник тратит заметную часть дня на перенос данных из одного документа в другой. Час в день на то, чтобы разбирать документы, — экономию сразу не увидишь. Три-четыре часа в день — счёт уже идёт на десятки тысяч рублей в месяц.

Калькулятор ниже сравнивает, во что компании сейчас обходится сотрудник, который разбирает документы, с ценой системы на ту же функцию.

Если система извлекает данные и сверяет цифры, а спорные документы отправляет человеку, экономию считают по доле, которую система реально закрыла, а не по всей ставке сотрудника.

Частые вопросы