ИИ-автоматизация процессов: документы, заявки и сверки

Классическая автоматизация хорошо работает, когда данные структурированы и правила однозначны: заказ с сайта переносится в учёт, оплата из банка сопоставляется со счётом по номеру. Но многие рутинные операции связаны с неструктурированной информацией: письма, сканы документов, сообщения клиентов в свободной форме. Здесь на помощь приходит ИИ, который превращает такую информацию в данные, а дальше работает обычная автоматизация.

Разбор входящих документов

Счета, накладные, акты, договоры приходят в виде PDF и сканов от десятков поставщиков, у каждого свой формат. Модель извлекает реквизиты, суммы, позиции, даты и передаёт их в учётную систему как черновик документа. Бухгалтер проверяет и проводит, а не набирает вручную. Если обмен с контрагентом идёт через электронный документооборот, распознавание не нужно — данные уже структурированы.

Классификация обращений и писем

Письма и сообщения от клиентов сами расходятся по темам и ответственным: претензия — в отдел качества, вопрос об оплате — в бухгалтерию, заявка на поставку — в продажи. Модель оценивает срочность и тональность. Обращения не теряются в общем ящике, а время реакции сокращается.

Заявки в свободной форме

Клиент пишет в Telegram: «нужно 20 мешков цемента на Сергели к пятнице». Модель извлекает товар, количество, адрес и срок и создаёт заявку в CRM, а менеджер подтверждает. Для оптовых поставщиков, которые получают заказы в мессенджерах и по телефону, это сильно экономит время.

Модель должна сверять товар со справочником: «цемент» у клиента может означать определённую марку, которую он берёт всегда. Здесь помогает история заказов клиента. Если позиция неоднозначна или количество необычно велико, заявка помечается для уточнения, а не уходит в работу молча.

Сверки и сопоставления

Сопоставление платежей с назначением в свободной форме, сверка номенклатуры поставщика с вашим справочником, поиск дублей контрагентов. Там, где точного совпадения нет, ИИ предлагает наиболее вероятное соответствие, а человек подтверждает спорные случаи.

Черновики ответов и документов

Ответ клиенту по базе знаний, письмо-претензия по шаблону с подстановкой фактов, краткое резюме длинной переписки для руководителя. Сотрудник редактирует и отправляет. Важно, чтобы модель опиралась на документы компании, а не придумывала условия.

Как выстроить процесс

1. Найдите операции, где сотрудники вручную перекладывают информацию из текста в систему
2. Опишите, какие поля нужно извлечь и куда они попадают
3. Проверьте качество на сотне реальных примеров
4. Встройте проверку человеком: сначала для всех случаев, затем только для сомнительных
5. Отслеживайте долю правок и причины ошибок

Уровень уверенности

Хорошая система не только даёт ответ, но и сообщает, насколько уверена. Высокая уверенность — автоматическая обработка, средняя — проверка оператором, низкая — ручная обработка с нуля. Пороги подбираются так, чтобы ошибки, пропущенные без проверки, оставались редкими и некритичными.

Ограничения

• Модели могут уверенно ошибаться, особенно в числах и реквизитах
• Новые форматы документов требуют проверки
• Конфиденциальные документы нельзя бездумно отправлять во внешние сервисы
• Без чистых справочников сопоставление работает плохо

Типичные ошибки

Пытаться автоматизировать процесс, который не описан и каждый выполняет по-своему. Убирать проверку человеком сразу после запуска. Не собирать статистику ошибок и не возвращать её в настройку. Не считать затраты на проверку: если сотрудник исправляет половину результатов, выигрыш по времени может оказаться небольшим, и это нужно видеть в цифрах.