Разработка AI‑системы обработки документов для Технобетон

В производственных компаниях значительная часть процессов до сих пор завязана на документооборот. В случае Технобетон речь шла о документах, подтверждающих качество бетона и изделий, поступающих от поставщиков.

Документы приходили в различных форматах — PDF, Word, сканы, фотографии — через FTP и электронную почту. Качество файлов часто оставляло желать лучшего: низкое разрешение, искажения, рукописные пометки.

Обработка таких документов вручную занимала значительное время и неизбежно приводила к ошибкам. При этом данные из документов необходимо было переносить в 1С и сопоставлять с фактическими результатами проверок.

Задача заключалась в полной автоматизации этого процесса с минимальным участием человека.

На старте проекта рассматривался вариант разработки собственного AI‑решения. В том числе проводились эксперименты с обучением OCR‑моделей и использованием Tesseract для распознавания текста.

Однако практика показала, что для достижения приемлемого качества распознавания, особенно в условиях плохих сканов и рукописного текста, потребуется значительное время и ресурсы. Сроки и стоимость разработки выходили за рамки проекта.

В результате было принято инженерное решение использовать готовое российское on‑premise AI‑решение, которое обеспечивало высокое качество распознавания «из коробки» и могло быть развернуто в контуре заказчика.

Система построена как конвейер обработки документов. На первом этапе происходит сбор файлов — из выделенных FTP‑каталогов поставщиков и из почтовых ящиков.

Далее документы передаются в AI‑модуль, который выполняет распознавание текста и извлечение структурированных данных. Важно, что система корректно обрабатывает даже сложные кейсы: некачественные сканы, частично поврежденные документы и рукописные записи.

После распознавания данные нормализуются и передаются в 1С, где становятся частью учетной системы.

Результаты распознавания автоматически фиксируются в 1С, что исключает ручной ввод и снижает вероятность ошибок.

Дополнительно был реализован backend‑сервис, который связывает данные из документов с результатами фактической проверки. Пользователи вносят результаты контроля через онлайн‑форму, после чего система выполняет сравнение.

Такой подход позволяет выявлять расхождения между заявленными и фактическими характеристиками продукции.

После проведения проверки система автоматически формирует ответ поставщику. На основе шаблонов генерируется письмо с результатами проверки и выявленными отклонениями.

Отправка осуществляется по email без участия сотрудников, что значительно ускоряет процесс обратной связи и снижает нагрузку на персонал.

Фактически был автоматизирован полный цикл — от получения документа до уведомления поставщика о результате.

Одной из ключевых сложностей стала работа с неструктурированными и некачественными данными. В реальных условиях документы редко соответствуют идеальным шаблонам.

Мы заложили механизмы дополнительной проверки и обработки, чтобы система могла корректно работать даже при наличии ошибок в исходных файлах.

Использование готового AI‑решения позволило сосредоточиться на бизнес-логике и интеграции, а не на базовых задачах распознавания.

В результате внедрения компания получила автоматизированную систему обработки документов, которая значительно сократила время работы с входящими данными.

Снизилась зависимость от ручного труда, уменьшилось количество ошибок, а процесс проверки стал прозрачным и управляемым.

Интеграция с 1С и автоматизация коммуникаций позволили выстроить сквозной процесс без разрывов между этапами.

Проект стал примером того, как практическое применение AI может решать прикладные задачи бизнеса без избыточной сложности и затрат.