Что умеет нейросеть для анализа документов
Нейросеть для анализа документов читает текст и делает с ним четыре вещи: пересказывает, достаёт нужные данные, сравнивает версии и отвечает на вопросы по пачке файлов. С этим справляются многие современные модели, но качество на ваших документах нужно проверить. Многое зависит от того, как вы даёте документы и как проверяете результат.
| Задача | Что даёт нейросеть | Что остаётся человеку |
|---|---|---|
| Краткое содержание | Пересказ на страницу вместо пятидесяти | Решить, что из этого важно |
| Извлечение полей | Стороны, даты, суммы, сроки в таблицу | Сверить спорные значения с документом |
| Сравнение версий | Список смысловых изменений между редакциями | Оценить, приемлемы ли изменения |
| Ответ по пачке документов | Ответ на вопрос со ссылкой на файл и раздел | Открыть источник и убедиться |
Рейтинга «лучших нейросетей» здесь не будет. Модели меняются каждые несколько месяцев, а качество на ваших документах всё равно придётся проверять самим. Как сравнить модели на своих примерах, рассказано в статье какую нейросеть выбрать.
ИИ для анализа документов полезен там, где текста много, а ответ можно быстро сверить с первоисточником. Там, где проверить ответ трудно, его пользу съедает перепроверка.
Четыре задачи для нейросети
У каждой задачи свой способ постановки и свой способ проверки. Ниже примеры запросов, которые можно взять за основу.
Краткое содержание документа
Пересказ получается полезным, когда вы говорите, для кого он и что в нём должно быть. Просьба «перескажи кратко» даёт общий текст, в котором легко потерять главное.
Пример запроса: «Перескажи этот отчёт для директора, не больше 10 пунктов. Отдельно выпиши сроки, суммы и обязательства нашей компании. По каждому пункту укажи раздел или страницу. Если чего-то в тексте нет, так и напиши».
Слабое место пересказа в том, что модель может пропустить важную оговорку в приложении или сноске. Поэтому пересказ помогает решить, читать ли документ целиком. Если по документу вы что-то подписываете, чтение он не заменяет.
Извлечение полей в таблицу
Нейросеть достаёт из текста заданные поля: стороны, номер и дату, сумму, срок, условия оплаты, ответственных. Это самая проверяемая задача: у каждого значения есть место в документе, и его можно найти.
Пример запроса: «Из каждого документа ниже выпиши в таблицу: номер, дата, контрагент, сумма с НДС, срок действия, пункт с условием оплаты. Значения бери только из текста. Если поля нет, ставь „не найдено“, ничего не додумывай».
Если документы приходят сканами, поля сначала нужно распознать. Как это устроено и где там ошибки, разобрано в статье про распознавание документов.
Сравнение версий
Модель находит смысловые изменения между двумя редакциями: новый срок, другой порядок оплаты, исчезнувшее условие. Обычное сравнение в текстовом редакторе показывает каждую запятую, а нейросеть может отделить правки по смыслу от стилистических.
Пример запроса: «Сравни редакции А и Б. Выпиши таблицей только изменения, которые меняют права, обязанности, сроки или деньги: пункт, было, стало. Стилистические правки не считай. Если пункт перенесён, укажи старый и новый номер».
Здесь стоит помнить, что модель может не заметить изменение, если пункт переписан другими словами. Для важных документов полезно прогнать и обычное построчное сравнение, а нейросеть использовать как пояснение к нему. Как проверять договор перед подписанием целиком, рассказано в статье про проверку договора.
Ответ на вопрос по пачке документов
Вопрос вида «где у нас сказано, кто согласует командировки» требует сначала найти нужный документ среди многих, а потом ответить по нему. Если положить в чат два-три файла, модель прочтёт их целиком. Если документов сотни, их уже не загрузить разом, и нужна система, которая сначала ищет подходящие фрагменты. Так устроен RAG, подробно о нём в статье что такое RAG.
Главное требование к такому ответу: рядом должна стоять ссылка на документ и раздел. Без неё вы не знаете, взят ответ из ваших файлов или из общих знаний модели.
Какие документы чаще всего разбирают с ИИ
Задачи похожи, а подвох у каждого вида документов свой. Ниже то, что стоит спросить и что проверить в первую очередь.
| Документы | Что обычно спрашивают | На что смотреть |
|---|---|---|
| Договоры и допсоглашения | Сроки, суммы, ответственность, условия расторжения | Действующая редакция с учётом всех допсоглашений |
| Регламенты и инструкции | Кто отвечает, какой порядок, какие сроки | Не устарел ли документ, нет ли более новой версии |
| Отчёты и справки | Главные выводы, цифры, отклонения от плана | Цифры сверять с исходной таблицей, а не с пересказом |
| Письма и протоколы | Кто что обещал, какие договорённости, что осталось открытым | Ответ должен ссылаться на конкретное письмо и дату |
| Нормативные документы | Какие требования относятся к вашей ситуации | Редакция на нужную дату и условия, при которых требование применяется |
Тендерная документация стоит особняком: в ней много частей, которые ссылаются друг на друга, и много требований к участнику. Ей посвящена статья про ИИ для тендеров.
Как подготовить документы для анализа
Качество ответа больше всего зависит от того, в каком виде документ попал к модели. Сначала общий порядок работы, потом правила подготовки, которые снижают число ошибок ещё до первого вопроса.
- Подготовить текстПолный документ, с приложениями, лучше с текстовым слоем
- Поставить задачуДля кого, какие поля, в каком виде
- Потребовать источникПункт, раздел или страница к каждому выводу
- Сверить с документомХотя бы спорные и важные значения
- Дайте текст, а не картинку. PDF, сделанный из Word, содержит текстовый слой. Скан или фото содержит только изображение, его сначала распознают, и на этом шаге появляются ошибки в цифрах и фамилиях.
- Проверьте, что документ полный. Договор без приложений и допсоглашений даст уверенный, но неверный ответ про сроки и суммы.
- Одна задача на один чат. Если в одном разговоре разбирать разные дела, модель может смешать факты из разных документов.
- Укажите, что считать источником истины. Например: «основной договор, с учётом допсоглашения № 2, приложения не трогай».
- Попросите формат ответа. Таблица с колонками, список с номерами пунктов, не больше N строк. Так ответ проще проверять.
- Разрешите не знать. Фраза «если в тексте нет ответа, напиши, что не нашёл» снижает риск выдуманного ответа.
Как проверить ответ нейросети по документу
Проверка начинается со ссылки на источник: каждый вывод должен указывать на конкретное место в документе. Если ссылки нет, ответ нельзя проверить быстрее, чем перечитать документ самому.
Что делать с ответом:
- Откройте указанное место. Убедитесь, что фраза там действительно есть и значит то же, что в ответе. Модель может дать верный номер пункта и неверно его пересказать.
- Сверьте цифры и даты дословно. Суммы, проценты, сроки, номера договоров переписывайте из документа, а не из ответа.
- Спросите, чего модель не нашла. Вопрос «какие утверждения ты не можешь подтвердить текстом» часто вытаскивает додуманные места.
- Задайте вопрос, ответа на который в документе нет. Если модель уверенно отвечает, значит, она отвечает из общих знаний, и доверять ей по этим документам нужно осторожнее.
- Проверьте полноту на известном примере. Возьмите документ, где вы сами знаете все риски, и посмотрите, сколько из них нашла нейросеть.
Если ИИ ничего не нашёл, это ещё не значит, что в документе ничего нет. Отсутствие замечаний проверяется так же, как и их наличие.
Ограничения: где нейросеть ошибается
Ошибки нейросети обычно повторяются в одних и тех же местах, и многие из них связаны с тем, как документ дошёл до модели. Зная эти места, их проще проверять.
| Где | Что происходит | Что делать |
|---|---|---|
| Сканы и фото | Ошибки распознавания в цифрах, печатях, рукописных пометках | Сверять важные значения с изображением |
| Длинные файлы | Модель может упустить детали или получить только часть текста | Делить на разделы, задавать вопросы по частям |
| Таблицы | Строки и столбцы съезжают при извлечении текста, значения попадают не в ту колонку | Проверять таблицы отдельно, по возможности давать исходный файл таблицы |
| Ссылки на другие документы | «Согласно приложению 3», а приложения нет | Загружать комплект целиком |
| Выдуманные факты | Уверенный ответ, которого нет в тексте | Требовать источник и открывать его |
Последний пункт называют галлюцинациями. Полностью их не убрать, но можно построить работу так, чтобы ошибку чаще замечали до того, как она попадёт в результат. Подробно об этом в статье про галлюцинации нейросетей.
Отдельно про длинные документы. У каждой модели есть предел объёма текста, который она обрабатывает за раз, и сервис может молча обрезать файл. Если ответ касается только первых разделов, спросите модель, что она видит в конце документа.
Что нельзя загружать в публичные сервисы
Документ, загруженный в публичный чат с нейросетью, уходит за пределы компании. Вы не управляете тем, где он хранится, как долго и пойдёт ли на обучение модели: это определяют условия сервиса и ваш тариф.
Без согласования в компании не загружайте в публичные сервисы:
- договоры с коммерческой тайной и условиями, которые контрагент просил не раскрывать;
- документы с персональными данными: паспорта, резюме, трудовые договоры, медицинские справки, списки клиентов;
- внутренние финансовые отчёты и планы;
- материалы, доступ к которым у вас ограничен законом или договором.
Лучше работать с обезличенными примерами или с системой, развёрнутой у себя. Если без публичного сервиса не обойтись, замените имена, реквизиты и суммы метками. Как обезличивать документы и какие схемы работы с ИИ вообще допустимы, разобрано в статье про нейросети и персональные данные. Это не юридическая консультация: конкретный порядок согласуйте с юристом и службой безопасности.
Ещё одна оговорка про зарубежные сервисы. OpenAI, разработчик ChatGPT, не включает Россию в список поддерживаемых стран, а доступ из стран вне списка, по словам компании, может привести к блокировке аккаунта. Из российских сервисов можно попробовать GigaChat и Алису. Что они умеют с вашими файлами и где хранят данные, проверяйте в их условиях на дату использования.
ИИ для анализа документов в компании: когда нужен корпоративный ассистент
Публичного чата хватает для разовой задачи: пересказать отчёт без тайны, сравнить две редакции типового документа. Когда вопросы по документам задают каждый день и многие сотрудники, удобнее корпоративный ассистент, который работает по документам компании.
- Разовая задача, документ без тайныПубличный сервис, согласованный в компании, с проверкой ответа
- Много документов, сотрудников или есть тайнаАссистент на документах компании с правами доступа и источником у ответа
Признаки, что пора переходить на свою систему:
- Документов больше, чем помещается в чат. Сотни регламентов, договоров, писем, и нужный файл ещё надо найти.
- Один и тот же вопрос задают разные люди. Каждый загружает файлы заново и получает немного разные ответы.
- Нужны права доступа. Бухгалтерия не должна видеть кадровые документы, а подрядчик не должен видеть ничего лишнего.
- Документы нельзя выпускать наружу. Тогда систему, а иногда и модель, размещают в инфраструктуре компании или в российском облаке.
- Нужен журнал. Кто что спросил, на какой документ опирался ответ, кто его проверил.
Корпоративный ассистент обычно построен на поиске по документам с последующим ответом модели. Он показывает, на какой документ и раздел опирается ответ, поэтому ответ проще проверить, чем искать нужное место вручную. Как начать такой проект и что подготовить, рассказано в статье как создать ИИ-ассистента. Если документы разрозненные и устаревшие, начать стоит с базы знаний.
Для архива договоров есть отдельный класс систем: они не только отвечают на вопросы, но и собирают реестр из самих документов. Пример такой системы — Flex Документы: ответ со ссылкой на пункт и подсвеченной страницей скана. Таблицы и выгрузки из учётных систем разобраны в статье про нейросеть для анализа данных.
Типичные ошибки при анализе документов с ИИ
- Поверили ответу без ссылки. Ответ звучит гладко, но взят из общих знаний модели, а не из вашего документа.
- Загрузили документ без приложений. Вывод сделан по неполному тексту.
- Не заметили, что файл обрезан. Модель ответила по первой половине документа и не сказала об этом.
- Попросили «найти все риски». Без указания, чью сторону вы представляете и что считаете риском, ответ будет общим.
- Проверяли только найденное. Пропущенное условие опаснее неверно пересказанного, а его без контрольного примера не увидеть.
- Загрузили лишнее. Документ с персональными данными оказался в личном аккаунте сотрудника.
Как начать в отделе за неделю
- Выберите одну задачу. Например, извлечение полей из входящих договоров или ответы на вопросы по внутренним регламентам.
- Соберите контрольный набор. 20–30 документов и вопросов, на которые вы знаете верный ответ.
- Определите, куда можно передавать эти документы, ещё до выбора сервиса.
- Прогоните набор и посчитайте ошибки. Отдельно неверные ответы, отдельно пропуски.
- Закрепите правило проверки. Что сотрудник обязан сверять с документом, а что можно брать как есть.
После такой недели обычно понятно, хватит ли публичного сервиса с правилами или нужна своя система.
Когда звать подрядчика
Подрядчик нужен, когда документы не должны покидать компанию, их много и сотрудникам нужен общий ассистент с правами доступа. Хороший подрядчик сначала задаёт вопросы: какие документы есть, кто и о чём спрашивает, какие данные нельзя выпускать за контур.
Что он должен сделать:
- разобрать материалы и вопросы сотрудников и предложить, какие документы войдут в базу;
- настроить поиск по документам и права доступа;
- проверить ассистента на настоящих вопросах ваших сотрудников, с источником у каждого ответа;
- согласовать размещение: на ваших серверах или во внешнем облаке, и где работает сама модель;
- подключить нужные сервисы, обучить команду и следить за качеством ответов после запуска.
В таком порядке идёт внедрение Flex Ассистента: аудит, база знаний, пилот на ваших данных, затем подключение и поддержка. Бесплатен первый шаг, аудит.



