Распознавание документов: как ИИ читает сканы и что это даёт бизнесу

У любой компании, которая живёт дольше года, накапливается папка со сканами: счета от поставщиков, накладные, договоры, чужие печатные анкеты. Пока эти сканы не прочитаны, данные в них заперты: кто-то сидит и переносит цифры в таблицу руками. Распознавание документов это конвейер, который снимает эту работу. Классический термин OCR (optical character recognition) обозначает чтение текста с картинки, но современные системы идут дальше, и разница важна.

От чтения букв к извлечению полей

Старый OCR давал на выходе простыню текста, которую всё равно нужно было разбирать руками. Нынешний подход выглядит иначе: модель видит страницу целиком, понимает, что это счёт, и вытаскивает именованные поля. Номер документа, дата, ИНН, сумма, позиция строк. На выходе не текст, а готовая запись для таблицы или учётной системы.

Работает это на больших языковых и визуальных моделях, поэтому распознаёт даже то, что старым OCR не давалось: повёрнутые фото с телефона, бланки с ручными пометками, таблицы внутри документа. Приличное качество сегодня ожидаемо на фото со смартфона, а не только на ровном скане.

Какой поток выгоден

Экономика конвейера сходится там, где документов много и они однотипны. Счета поставщиков, заявки с фиксированной формой, опросные листы, квитанции. Тысяча однотипных счетов в месяц это готовый кандидат: настройка окупается на первых неделях.

Плохой кандидат: разрозненные документы разных форматов по штуке в день. Конвейер под каждый формат не построишь, а вручную это быстрее.

Промежуточный случай: документы похожи, но с вариациями. Здесь помогает человек-оператор в цикле: модель распознаёт и заполняет, оператор видит поля с низкой уверенностью и подтверждает только их. Скорость выше ручной в разы, точность не падает. Близкий родственник этой же технологии, видеопоток и физические объекты, живёт в отдельной статье: если камер и наблюдения у вас больше, чем бумаг, начните с неё.

Где нужен контроль

Распознавание ошибается предсказуемо: стёртые цифры, похожие буквы в сериях документов, суммы прописью с ошибками в оригинале. Ошибка в букве адреса безобидна, ошибка в сумме счёта нет. Поэтому правило простое: поля, влияющие на деньги, подтверждаются человеком или сверяются со второй системой, всё остальное можно отпускать автоматически.

Второй рубеж: что делать с распознанным. Выигрыш появляется только когда данные попадают туда, где работают: в таблицу, в учётную систему, в CRM. Распознавание в файл ради файла экономит ноль минут.

Дальше по теме: распознанные документы это идеальное сырьё для системы, которая ищет ответы в ваших файлах. Пока сканы не прочитаны, база знаний не пополнится.