Сто закрывающих документов в месяц проверял один человек. Теперь их читает алгоритм, а человек принимает решения

Автор: Максим Голубов, руководитель AI-проектов ALP ITSM

Администратор проектов в подразделении один. Приходили закрывающие документы от подрядчика. Она открывала каждый скан и глазами сверяла его с карточкой партнера и с суммой, которую партнер выставил в системе: ИНН, КПП, юридическое название, юридический адрес, сумма, ставка и расчет НДС, отчетный период.

Чистая сверка одного комплекта занимала пять-шесть минут. Но, если находилось замечание, начиналась переписка. Партнер свою ошибку не видел, документ уходил на переделку и возвращался на новую проверку. С учетом таких разбирательств на комплект уходило ближе к восьми-десяти минутам чистого времени.

Задача сверки документов не единственная для сотрудника. Но, пока она была занята проверкой, остальные дела стояли. Цена же попавшего в наш учет документа с расхождениями была слишком высока, чтобы принимать все подряд. Эта рутина отнимала просто несоразмерное время.

Задача: снять вычитку с человека, но оставить за ним решение

Сто с лишним документов в месяц проверял один сотрудник, а заявки, по которым нужно было ее решение, ждали.

Первое. Нужно было снять с человека механическую сверку, но так, чтобы решение по документу по-прежнему принимал человек.

И второе: система ни при каких обстоятельствах не должна «дорисовывать» правильный ответ.

Решение: нейросеть читает, сверяет алгоритм

Ключевое решение, от которого мы не отходим даже в формулировках. Нейросеть здесь распознает, а сверяет и выносит вердикт обычный алгоритм.

Модель извлекает из скана реквизиты: кто, кому, сколько, за какой период, какие позиции. Дальше «обычный», не ИИ, код сравнивает их с карточкой партнера и суммой в системе по фиксированным правилам: какое отклонение по сумме допустимо, какие варианты написания названия считаются тем же названием, насколько адрес может отличаться от эталонного.

Из этого следует одно: модель не может «дорисовать» нужный результат, потому что решение принимает не она. Ошибка распознавания не проходит незаметно, она превращается в расхождение, которое находит алгоритм и видит человек.

Партнеру ничего не нужно переформатировать, подходят сканы, фото и офисные файлы. PDF разбирается постранично, поэтому комплект «акт и счет одним файлом» раскладывается на отдельные документы. Само распознавание одного комплекта стоит меньше рубля; дорого здесь не оно, а разработка, инфраструктура и поддержка, которые в эту цифру не входят.

Что сверяет система, например:

• ИНН, КПП, БИК обеих сторон;
• юридическое название, причем система сравнивает его не с одной строкой, а с несколькими официальными вариантами написания из реестра;
• юридический адрес;
• итоговую сумму в документе и сумму, которую партнер выставил в нашей учетной системе;
• ставку НДС и арифметику НДС внутри документа;
• позиции и единицы измерения в документах одного комплекта. Если в акте написано «услуга», а в счете «у.е.», система это заметит.

Партнер загружает комплект, и через несколько секунд рядом с ним появляется либо зеленая галка, либо красный флаг со списком расхождений. Формулировки конкретные: «Сумма не совпадает: ожидается 48 722 руб., в документе 33 370 руб., разница 15 352 руб.». Администратор возвращает партнеру не «переделайте», а указание на точное поле документа и детальное описание расхождения.

Сам партнер тоже видит отчет о проверке в своем кабинете. Часть партнеров правит документы, не дожидаясь напоминания. Сколько именно, мы не считали, поэтому процентов здесь нет.

Какие ошибки находит система

Система работает с начала 2026 года. За это время она проверила около тысячи закрывающих документов в составе примерно полутысячи комплектов от более чем сотни партнеров.

Почти половина документов приходит с замечаниями. Цифра выглядит тревожно, но это не про недобросовестность партнеров. Больше половины всех замечаний одного вида: устаревший юридический адрес заказчика в шаблоне партнера. Формальность, но именно из-за нее документ раньше уходил на переделку уже после ручной вычитки. Расхождений по существу заметно меньше. Они есть примерно в каждом четвертом документе.

Самые частые замечания, по убыванию: устаревший адрес заказчика в шаблоне партнера, устаревший адрес самого партнера, период услуг не совпадает с датой документа, неверный КПП, не тот отчетный период, неверная сумма, название не совпадает с реестром, неверный ИНН, документ выписан слишком давно, ошибка в НДС.

Пример интерфейса отчета о результатах проверки

Пример отчета с расхождениями

Реальные, но округленные примеры расхождений по суммам:

• в системе партнер выставил около 49 тыс. руб., а в документе указал примерно 33 тыс. руб., расхождение больше 15 тыс. руб.;
• в системе около 4 тыс. руб., в документе почти 8 тыс. руб., сумма завышена вдвое;
• в системе 4 450 руб., в документе 4 550 руб., расхождение в сто рублей.

Примерно 4% документов система вовсе не может прочитать или распознать. Такие комплекты, как и раньше, проверяет человек.

Результат: с пяти-шести до одной минуты

«Чисто проверка (без открытия споров, если в документах что не так) было минут 5-6. Сейчас с автопроверкой — 1 минута».

Маргарита А., руководитель группы администрирования проектов, ALP Retail

Проверка комплекта сократилась в пять-шесть раз.

В часах для одного сотрудника экономия скромная, и подавать ее как «сэкономили тысячи часов» было бы нечестно. Честная формулировка другая: мы сохранили от полутора до трех рабочих недель в год, которые человек больше не тратит на сверку реквизитов. Кроме того, почти исчезла переписка с партнерами по замечаниям, партнер видит замечание сам.

Оставшаяся минута тоже занята делом, а не пустует. Это финальный просмотр и, если есть замечание, возврат партнеру. Человек из процесса не исчез, у него сменился характер работы: не вычитывать, а принимать решение. Освободившееся время, по нашей оценке, пошло на более качественную проверку заявок. Нужные, но не срочные задачи наконец начали двигаться.

Второй слой той же боли: разноска в 1С

Это отдельная доработка, а не результат автопроверки, но боль у нее та же. Один партнер за месяц может отработать по десяткам клиентов, а акт и счет у него один. Раньше эту сумму разносили в 1С руками. Сейчас ServiceMart отдает документ в 1С сам, вместе с разбивкой сумм по кодам проектов, и затраты по клиентам раскладываются автоматически. Разбивку рассчитывает сама платформа по данным о закрытых заявках; нейросеть в этом не участвует.

Что из этого можно унести

В этом кейсе важнее цифр три вещи.

Разделяйте распознавание и решение. Если модель и распознает документ, и выносит вердикт, ее ошибку никто не увидит. Если читает модель, а сверяет алгоритм по правилам, ошибка распознавания всплывает как расхождение, а не проходит молча. Это проверяемо, ошибка видна, а не спрятана в проценте точности, и вопрос «а вдруг ИИ дорисовал результат» снимается.

Смотрите не только на общее число замечаний, вроде «половина документов с замечаниями!», а на суть замечаний. У нас больше половины замечаний оказались одним и тем же устаревшим адресом в шаблонах партнеров. Это формальность, а не проблема партнеров или системы. По существу расходится каждый четвертый документ, и отрабатывать стоит именно эту цифру.

Измеряйте результат. По нашей оценке, деньги до партнеров стали доходить быстрее, а затраты на проверку сократились в пять-шесть раз. Важно понимать, какую ценность приносит автоматизация, и оценивать выгоду до входа в проект.

Если у вас закрывающие документы от подрядчиков тоже сходятся на одном человеке, первый вопрос не «какую модель взять», а «где в процессе должен остаться человек, что он там делает и какой эффект даст изменение».

С вопроса об ожидаемых результатах мы начинаем экспресс-диагностику ИТ: за 3–5 дней, без доступа к серверам, показываем, где в компании есть узкие места.