Распознавание документов: как это работает в бизнесе

Ввод данных с документа руками — операция, которую никто не любит и на которой все ошибаются. Человек переписывает номер с фотографии в форму, путает цифру, и дальше ошибка живёт в системе месяцами. Распознавание убирает именно этот участок: посетитель фотографирует документ, а форма заполняется сама.

Технология выглядит эффектно в демонстрации и разочаровывает в проде — ровно потому, что её внедряют как замену человеку, а не как способ сократить ему работу. Как устроен рабочий вариант, куда уезжают распознанные поля и что с этим требует закон — дальше.

Как работает распознавание документов

Между фотографией и заполненной формой стоят четыре шага, и качество результата определяется первым из них едва ли не сильнее, чем моделью распознавания.

Подготовка изображения. Найти документ на снимке, выровнять перспективу, обрезать фон, вытянуть контраст. Скучный шаг, который даёт больше всего прироста качества: тот же документ на кривом тёмном фото и на выровненном снимке распознаётся принципиально по-разному.

Извлечение текста. Здесь работает либо готовый облачный сервис, либо библиотека на своём сервере. Обзор возможностей и ограничений облачного варианта есть в документации Google Cloud Vision, открытая альтернатива для собственного контура — Tesseract.

Сопоставление с полями. Текста много, а нужны конкретные значения: номер, дата, наименование. Для типовых документов работает разметка по расположению, для произвольных — языковая модель, которой отдают распознанный текст и просят вернуть структуру.

Оценка уверенности. Каждому полю приписывается число: насколько система уверена. Без этого шага все следующие решения приходится принимать вслепую.

Какая точность реалистична

Ожидание «система будет заполнять всё сама» ломается о два факта. Первый: качество снимка в реальной жизни хуже, чем в тестовой выборке — снимают в темноте, под углом, с бликом от плёнки. Второй: похожие символы путаются устойчиво, и хуже всего именно там, где ошибка дороже всего — в длинных номерах, где нет контекста для проверки.

Отсюда практический вывод: не гонитесь за полной автоматизацией. Система, которая заполняет большую часть полей и честно подсвечивает сомнительные, экономит пользователю больше времени, чем система, которая заполняет всё подряд и изредка ошибается незаметно. Первую человек проверяет за секунды, во второй ошибку находят через месяц в учёте.

Что делать с ошибками

Четыре приёма закрывают почти все сценарии и стоят недорого.

Порог уверенности. Значение выше порога подставляется молча, ниже — подсвечивается и требует подтверждения. Порог подбирается по цене ошибки: там, где неверный номер означает возврат товара, он должен быть высоким.

Проверка по формату. Дата обязана быть датой, номер — соответствовать маске, код — быть в справочнике. Это ловит значительную часть ошибок без всякого участия человека.

Сверка со справочником. Если распознанное значение должно существовать в вашей системе, ищите его там же. Не нашли — просим человека уточнить. Такая сверка полезнее любого повышения точности модели.

Понятная кнопка ручного ввода. Всегда должен быть путь «ввести самому». Пользователь, застрявший на распознавании, которое трижды не сработало, уходит совсем.

Куда уезжают распознанные поля: 1С, CRM, таблица

Распознавание само по себе бизнесу не нужно — нужна запись в системе, где эти данные потом живут. От того, куда именно они уезжают, зависит большая часть работы.

1С и учётные системы. Самый частый адрес: распознавание первичных документов — накладных, счетов, актов — и создание по ним документа в учёте. Здесь важно не качество распознавания как таковое, а совпадение справочников: контрагент и номенклатура из бумаги должны найтись в базе, иначе документ создать не из чего. Механика самого обмена та же, что и при связке сайта с учётом, — она разобрана в статье про интеграцию 1С.

CRM. Сюда попадают данные клиента и предмет обращения: распознали документ — создали сделку с заполненными полями, а не заявку «перезвоните». Что такое CRM и зачем в ней держать все обращения, разобрано отдельно.

Таблица или база на своей стороне. Годится, когда документов немного и дальше с ними работает человек. Самый дешёвый вариант, с которого разумно начинать проверку гипотезы.

Обратите внимание: сама по себе задача «вытащить текст из картинки» (то, что в англоязычных материалах называют OCR) решается готовыми сервисами и почти ничего не стоит. Деньги и сроки уходят на другое — на сопоставление вытащенного с вашими справочниками и на обработку случаев, когда совпадения нет.

Как это выглядит целиком, видно в кейсе мини-приложения для двух мессенджеров: клиент фотографирует документ прямо в переписке, приложение подбирает позиции по распознанным данным, а заказ уходит в CRM и в учётную систему без участия менеджера.

Персональные данные: что нельзя пропустить

Фотография документа — это персональные данные. Обработка требует законного основания, и в большинстве случаев таким основанием выступает согласие человека, а хранение ограничено сроком. Общие требования к сбору таких данных разобраны в статье про персональные данные и закон 99-З; для распознавания к ним добавляется несколько конкретных правил.

Отдельно стоит вопрос биометрии: если на снимке есть изображение лица — а на большинстве удостоверяющих документов оно есть, — данные могут попасть в более строгую категорию с отдельными требованиями к обработке. Это тот случай, когда решение о хранении лучше принимать вместе с юристом, а не после запуска.

• Не храните исходник дольше нужного. Извлекли поля — удалите файл. Хранить фотографии документов «на всякий случай» — самый дорогой из возможных вариантов.
• Проверьте, куда уезжает изображение. Облачный сервис распознавания означает передачу файла третьей стороне, а если его серверы за границей — ещё и трансграничную передачу. Одним упоминанием в политике она не закрывается: закон № 99-З ограничивает передачу в государства без надлежащего уровня защиты и требует для неё отдельного основания. Если условия не выполняются, распознавание разворачивают в собственном контуре.
• Ограничьте доступ. Видеть загруженные документы должны те, кому это нужно по работе, и это ограничение должно быть техническим, а не устным.

Когда распознавание не нужно

Есть случаи, где оно только добавляет точек отказа.

• Полей мало. Три коротких значения человек введёт быстрее, чем сфотографирует документ и проверит результат.
• Документы нетиповые. Каждый выглядит по-своему, обучать не на чем, а ручная разметка обойдётся дороже ручного ввода.
• Цена ошибки высокая, а проверять некому. Тогда либо человек в контуре, либо распознавание не внедряется вовсе.
• Данные уже есть в системе. Если документ можно подтянуть по номеру из справочника, фотографировать его незачем.

Общая логика выбора здесь та же, что и в любом другом сценарии автоматизации, — она разобрана в статье про внедрение ИИ в бизнес: считается не эффектность, а сэкономленные минуты и стоимость ошибки.

Сколько экономит распознавание на самом деле

Считать выгоду нужно не в процентах точности, а в минутах и в исправленных ошибках. Расчёт занимает полчаса и делается до разработки.

Последняя строка недооценена. Длинная форма, которую нужно переписывать с документа вручную, теряет часть людей просто потому, что заполнять её долго и скучно. Сведение её к нескольким полям на подтверждение влияет на число доведённых до конца заявок сильнее, чем экономия рабочего времени сотрудника, — и именно этот эффект стоит замерять первым.

Как внедрять

Начинайте с одного типа документа и одного сценария — обычно того, где ручной ввод повторяется чаще всего. Соберите реальные снимки, включая плохие: сделанные вечером, под углом, с бликом. Полсотни хватит, чтобы заметить грубые провалы, но это нижняя граница — чем больше выборка, тем меньше шансов принять случайность за улучшение; подробнее об этом в разборе разработки ИИ-решений.

Дальше запускайте распознавание в режиме подсказки: система заполняет форму, человек подтверждает, а вы неделю смотрите, какие поля правят чаще всего. По этой статистике порог уверенности настраивается за один заход, а список полей, которые вообще не стоит подставлять автоматически, становится очевиден.

Прежде чем считать бюджет, ответьте себе на один вопрос: сколько минут в день ваши сотрудники тратят на переписывание данных с бумаги в систему? Если меньше получаса на всех — распознавание не окупится, и это нормальный ответ. Если счёт идёт на часы, посмотрите, как мы делаем решения на базе ИИ.