Надо ли внедрять ИИ в документооборот

Искусственный интеллект расширяет возможности систем электронного документооборота: распознает документы, извлекает реквизиты, готовит краткое содержание, отвечает на вопросы и запускает отдельные действия. Однако результат зависит не только от языковой модели, но и от качества корпоративных данных, готовности процессов и установленных ограничений. Разбираем, какие ИИ-инструменты применяются в СЭД, с чего начинать внедрение и как оценивать его эффективность.

СЭД начинает работать с содержанием документов

Российские организации продолжают заменять зарубежные системы электронного документооборота, но одновременно меняются задачи развития уже внедренных платформ. Заказчикам недостаточно регистрации, хранения, маршрутизации и поиска документов. Они хотят, чтобы система могла анализировать содержание, готовить выводы и помогать выполнять следующие этапы процесса.

Искусственный интеллект становится одним из основных направлений такого развития. Еще недавно его применение в СЭД обычно ограничивалось распознаванием сканов, заполнением карточек и подготовкой кратких текстов. Теперь ИИ охватывает весь путь документа — от поступления в организацию до согласования, исполнения поручений и поиска информации в корпоративном архиве.

При этом ценность ИИ во многом зависит от самой СЭД. Документы, справочники, маршруты, права доступа и история операций создают контекст, без которого языковая модель может обработать текст, но не понимает его места в работе организации.

Директор направления разработки информационных систем ITFB Group Михаил Атрахимович отмечает, что заказчиков уже интересует не сам факт наличия ИИ, а точность, скорость, безопасность и стоимость обработки информации. Это означает переход от демонстрации отдельных функций к оценке их работы в реальных процессах.

Руководитель проектов развития ИИ-решений Directum Илья Петухов выделяет четыре основных направления: интеллектуальную обработку документов, генеративный ИИ, поиск по корпоративным данным и ИИ-агентов, способных выполнять действия в рамках процесса. Каждое направление требует своих моделей, данных и критериев оценки.

Наиболее зрелый сценарий — интеллектуальная обработка документов. Система получает файл из электронной почты, сканера или другого источника, определяет его тип, извлекает текст и переносит реквизиты в карточку. После этого документ может быть автоматически передан по нужному маршруту.

Такой сценарий дает понятный и измеримый результат. Можно сравнить скорость регистрации до и после внедрения, посчитать количество исправлений и определить долю документов, обработанных без ручного ввода.

Современные модели работают не только с электронным текстом. Они могут учитывать структуру страницы, таблицы, изображения, подписи и отдельные рукописные элементы. Product Owner СЭД «Тезис» Александр Воробьев обращает внимание на развитие мультимодальных моделей, которые позволяют обрабатывать сканы, рукописные резолюции и заполненные от руки формы. После распознавания система может заполнить карточку, создать задачу или запустить маршрут обработки.

Следующий уровень — анализ содержания. ИИ составляет резюме, сравнивает версии, выделяет обязательства сторон, ищет расхождения с шаблоном и готовит проекты ответов. Особенно востребованы такие возможности при работе с договорами, обращениями, протоколами совещаний и нормативными документами.

Эксперт по продукту Docsvision AI компании «ДоксВижн» Алексей Рождественский считает перспективными сценарии поддержки принятия решений. ИИ не заменяет участника процесса, а готовит для него информацию: классифицирует документ, извлекает данные, сравнивает версии и анализирует содержание.

Важно, чтобы результат не оставался отдельным текстом в окне помощника. Если анализ встроен в бизнес-процесс, система может автоматически запустить его перед согласованием договора, передать выводы ответственному сотруднику и сохранить их вместе с документом.

Михаил Атрахимович относит к перспективным сценариям интеллектуальный нормоконтроль — проверку документов на соответствие внутренним регламентам и внешним требованиям. Для этого система должна не только сформулировать вывод, но и показать, на какое положение или источник он опирается.

Поиск превращается в диалог

Традиционный поиск предполагает, что сотрудник знает название документа, его реквизиты или место хранения. Однако рабочие вопросы обычно формулируются иначе: какие обязательства перед контрагентом еще не исполнены, в каких договорах предусмотрено автоматическое продление, какие документы относятся к конкретному проекту.

Для ответа недостаточно найти совпадения по словам. Система должна определить смысл запроса, отобрать подходящие документы, найти нужные фрагменты и подготовить связный результат. В основе такого механизма может лежать поиск с дополненной генерацией: сначала система обращается к корпоративным источникам, затем языковая модель формирует ответ на основе найденной информации.

Пользователь получает не список файлов, а готовую сводку со ссылками на документы. Возможность перейти к источнику позволяет проверить вывод и снижает риск использования недостоверного ответа.

Александр Воробьев приводит пример запроса, при котором сотрудник просит показать договоры с определенным контрагентом за выбранный период, выделить проблемные и подготовить краткую сводку. Система сама находит документы и анализирует их содержание.

Однако качество ответа зависит от состояния корпоративного архива. Дубли, устаревшие версии, неполные реквизиты и противоречивые документы снижают точность независимо от возможностей модели.

ИИ начинает выполнять действия

Следующий этап развития — переход от помощников к агентным сценариям. Помощник отвечает на вопрос, готовит текст или предлагает вариант решения. Агент может найти документы, проверить условия, создать задачу, выбрать маршрут и уведомить участников процесса.

Различие принципиально. Ошибку в черновике сотрудник может заметить до отправки. Ошибка агента способна повлиять на движение документа, назначение исполнителя или срок выполнения поручения.

Агентные технологии становятся следующим этапом после поиска, анализа документов и извлечения данных. Пользователь формулирует задачу, а система самостоятельно выполняет предусмотренную последовательность операций.

Илья Петухов приводит более сложный сценарий: после загрузки договора агент проверяет его на риски и юридические ошибки, а при выполнении установленных условий может передать документ на подпись. В этом случае ИИ участвует уже не в отдельной операции, а в управлении процессом.

Такая автоматизация возможна только там, где процесс четко описан. Если решения принимаются по неформальным правилам, исключения не зафиксированы, а ответственность распределена неясно, агент перенесет эту неопределенность в систему.

Поэтому необходимо заранее разделять уровни самостоятельности. В одном случае ИИ только готовит рекомендацию. В другом — выполняет операцию после подтверждения сотрудника. Полная автоматизация допустима для типовых действий с понятными условиями и заданным уровнем уверенности. Сомнительные и значимые случаи должны передаваться человеку.

Начинать следует с процесса

Внедрение ИИ легко начать с обсуждения моделей, вычислительных ресурсов и интерфейса помощника. Однако первый практический вопрос должен звучать иначе: какой процесс требуется изменить и как будет измеряться результат.

Для пилота подходит процесс с большим количеством однотипных документов, заметной долей ручной работы и понятными исходными показателями. Это может быть регистрация входящих писем, обработка счетов, извлечение реквизитов, подготовка краткого содержания или поиск расхождений с шаблоном.

Все эксперты сходятся в том, что внедрение следует вести от простого к сложному. Простота в данном случае определяется не эффектностью функции, а возможностью ограничить задачу, проверить качество и измерить результат.

Алексей Рождественский предлагает начинать с базовых сценариев — резюме документа или ответов на вопросы по его содержанию. После проверки моделей на корпоративных материалах можно переходить к более сложным процессам.

Александр Воробьев также рекомендует выбрать один процесс и один-два сценария, а затем запустить пилот на ограниченной группе пользователей. Это позволяет собрать обратную связь и понять, помогает ли технология в ежедневной работе.

Как измерить результат

Показатели эффективности необходимо определить до начала пилота. Они зависят от выбранного процесса и задачи, которую решает ИИ. При обработке документов можно оценивать точность извлечения реквизитов, скорость работы и объем ручных операций, которые остаются у сотрудников.

Михаил Атрахимович предлагает учитывать точность, скорость, безопасность и стоимость обработки информации. Метрики пилота, по его мнению, следует устанавливать заранее, чтобы после его завершения можно было оценить результат и принять решение о дальнейшем тиражировании.

Статья оказалась полезной? Поделиться в

Возврат к списку