Как OCR + LLM разгрузили отдел от ручного ввода документов
Компания получала тысячи PDF, сканов и фото: счета, договоры, УПД, акты. Система сама распознаёт файл, понимает тип документа, извлекает реквизиты, проверяет полноту и передаёт готовые данные в учётную систему. Без ручного ввода и потерь.
Читать подробности кейса →
Заказчик: компания с большим входящим потоком документов (счета, договоры, УПД, акты, сканы и фото)Компания получала тысячи PDF, сканов и фото: счета, договоры, УПД, акты. Система сама распознаёт файл, понимает тип документа, извлекает реквизиты, проверяет полноту и передаёт готовые данные в учётную систему. Без ручного ввода и потерь.
Читать подробности кейса →
Задача: автоматическая обработка документов: распознавание, классификация, извлечение реквизитов и запуск дальнейших действий без ручного ввода
Стек: OCR · LLM (OpenAI API) · классификация и извлечение полей · валидация обязательных данных · JSON‑выход · интеграция в бизнес‑процессы
Задача
Компания вручную разбирала тысячи входящих документов: сканы и фото нужно было распознать, понять тип документа, вытащить реквизиты (сумму, дату, контрагента, номер), проверить полноту данных и перенести их в учётную систему. Каждый документ проходил через руки сотрудника — это часы работы в день, ошибки при ручном вводе и задержки. Нужно было:
- принимать PDF, сканы и фото документов (загрузка через сайт / почту / диск);
- распознавать текст с любых файлов, включая сканы и фотографии;
- определять тип документа (счёт, договор, УПД, акт и др.);
- извлекать нужные поля и возвращать структурированный результат (JSON);
- проверять обязательные данные и отсеивать документы с недостающей информацией;
- автоматизировать дальнейшие действия на основе распознанного документа.
Решение
Построили интеллектуальный пайплайн обработки документов (OCR + LLM), который берёт на себя весь путь «файл → готовые данные в системе».
1. Загрузка и OCR‑распознавание — приём PDF, сканов и фото, очистка и выравнивание изображения, извлечение текстового слоя. Работает с документами разного качества, включая сканы и рукописные поля.
2. Классификация и извлечение полей (LLM) — распознанный текст передаётся в большой языковой модуль (OpenAI API), который определяет тип документа и извлекает сумму, дату, номер, контрагента, ИНН, нормализуя даты и валюты.
3. Проверка обязательных данных и валидация — сверка с бизнес‑правилами и степенью уверенности; сомнительные документы направляются на ручную проверку.
4. Структурированный результат и автоматизация — на выходе готовый JSON передаётся в ERP/CRM, где автоматически запускаются дальнейшие действия (проводка, сделка, регистрация, согласование).
Архитектура
Загрузка (PDF / скан / фото)
│
▼
OCR-слой (распознавание и предобработка)
│
▼
LLM (классификация + извлечение полей + нормализация)
│
▼
Валидация обязательных данных (бизнес-правила, confidence)
│
├──▶ Ручная проверка сомнительных документов
└──▶ Готовый JSON → ERP/CRM → автоматизация дальнейших действий
Результат
- Полный путь «загрузил документ → получил структурированные данные» без ручного ввода.
- Распознавание PDF, сканов и фото, включая документы низкого качества и рукописные поля.
- Автоматическая классификация и извлечение реквизитов в готовый JSON.
- Контроль обязательных данных: неполные и сомнительные документы не теряются, а уходят на проверку.
- Автоматический запуск дальнейших действий в учётной системе.
- Снятие рутинной ручной работы и снижение числа ошибок при вводе.
Технологии
OCR‑распознавание · LLM (OpenAI API) · классификация документов · извлечение и нормализация полей · валидация обязательных данных · JSON‑выход · интеграция с ERP/CRM и автоматизация процессов
