ИИ в документообороте — быстрый путь к росту эффективности и понятному ROI

Виктор Вайнштейн: Вокруг ИИ сейчас много шума, и некоторые компании, скажем так, слегка приукрашивают реальность. Часто пилотные проекты подаются как полноценные внедрения с существенным эффектом, хотя до промышленной эксплуатации дело не дошло. Однако это вовсе не значит, что технология переоценена и бесполезна.

Важно правильно смотреть на ситуацию. В корпоративных процессах ИИ успешно используется уже много лет. Речь идет о технологиях OCR (Optical Character Recognition, оптическое распознавание символов), CV (Computer Vision, компьютерное зрение), которые давно и успешно используются для распознавания и извлечения данных. 

Другое дело — более продвинутые сценарии, связанные с генеративными моделями и интеллектуальными ассистентами. Здесь идет этап активного роста и накопления экспертизы. При этом сами технологии уже вполне зрелые для того, чтобы решать конкретные бизнес-задачи, особенно в работе с документами.

В сегменте среднего и малого бизнеса проникновение таких решений значительно выше: там проще экспериментировать, быстрее принимаются решения и ниже барьеры для внедрения. 

Денис Беляев: Ключевая точка приложения ИИ в корпоративной среде —управление документами. Потому что именно в этих процессах сосредоточен основной объем офисной работы: договоры, счета, заявки, переписка, протоколы. И именно здесь ИИ способен дать быстрый и измеримый результат.

«СТЕРЕОС Групп» обладает большим опытом и экспертизой в области ИИ-решений для работы с корпоративной информацией: интеллектуальном распознавании, поиске, аналитике, встраивании ИИ в бизнес-процессы. Мы видим, что компании не хотят внедрять решения ради громких заявлений и под влиянием хайпа — им нужны «рабочие лошадки», которые принесут ощутимую пользу бизнесу: ИИ-советники по закупкам, бухгалтерии, договорной работе. Такие решения реально экономят сотни часов рабочего времени, и они очень востребованы.

Виктор Вайнштейн: Я бы не говорил о каком-то драматическом разрыве. Это нормальный этап развития технологии.Сейчас компании активно тестируют ИИ, накапливают опыт, проверяют гипотезы. И постепенно эта масса пилотов начинает переходить в реальные проекты.

Основной сдерживающий фактор — это не технологии, а управленческие решения. Любое серьезное внедрение требует серьезных инвестиций, пересмотра процессов, прохождения внутренних согласований. В крупных компаниях это занимает внушительное время. В условиях ограниченных бюджетов бизнес требует гарантированного ROI, получения ощутимого бизнес-эффекта. А на рынке еще нет достаточного количества кейсов, проверенных моделей. Инвестируя в новую технологию, нужно в каком-то смысле совершить прыжок веры. Не все к нему готовы.

Но при этом мы видим, что ситуация меняется. Компании смотрят на опыт друг друга, появляются подтвержденные результаты, и барьер постепенно снижается. В определенный момент внедрение ИИ станет не вопросом «делать или не делать», а вопросом «как сделать это быстро».

Виктор Вайнштейн: Если сравнивать с мировыми лидерами по фундаментальным моделям — да, есть серьезное отставание. Но оно постепенно сокращается — за счет опенсорса и сильной инженерной школы. Российские команды умеют брать доступные модели, дообучать их и создавать готовые решения под конкретные бизнес-задачи. Заказчикам же нужна не «самая умная модель в мире», а предсказуемое качество на их рабочих документах. И здесь отечественные разработчики уже предлагают эффективные ИТ-решения. Мы, например, активно развиваем направление и дополняем нашу уже зарекомендовавшую себя платформу «Авандок» новой функциональностью с применением генеративного ИИ.

Денис Беляев: Я бы сказал так: нет задачи внедрять генеративный ИИ любой ценой. Есть задача сделать так, чтобы на ограниченном железе, с соблюдением требований ИБ и интеграцией с корпоративными системами модель решала конкретную бизнес-задачу. Основной фокус сейчас — это enterprise-readyрешения. И в этом плане российские вендоры добились серьезного прогресса, например, научились получать высокую точность анализа документов на небольших LLM, которые не требуют целой комнаты серверов. Это дает заказчику быстрый результат и предсказуемый TCO. 

Виктор Вайнштейн: Мы помогаем встроить ИИ в повседневную работу с документами. У нас есть платформа «Авандок» для управления корпоративным контентом и документооборотом, и вместе с технологическим партнером — компанией «СТЕРЕОС Групп» — мы развиваем в ней интеллектуальные возможности. Ключевая идея — не просто автоматизировать процесс, а добавить в него «умного помощника».

В «Авандок» сервис «умного поиска» имеет несколько точек входа в системе — это позволяет встроить вопросно-ответный поиск в существующие бизнес-процессы без дополнительной разработки. Он не «додумывает» и не обращается к внешним источникам, а формирует ответ из имеющихся данных со ссылкой на конкретный документ. За счет чего сотрудник получает ответ за секунды, а новые сотрудники адаптируются быстрее — база знаний становится интерактивным справочником, а не архивом файлов.

Мы создаем ИИ-ассистентов, которые работают внутри конкретных бизнес-сценариев. В закупках анализируют заявки и проверяют их на соответствие требованиям, в бухгалтерии извлекают данные из документов и готовят их для учетных систем, в договорной работе — помогают формировать ответы и находить нужную информацию. То есть пользователь не начинает с нуля — он получает уже подготовленный результат и принимает решение.

Нормоконтроль, поиск по базе знаний и обработка обращений — ИИ-ассистенты, встроенные в единое рабочее пространство СЭД на базе платформы «Авандок» и доступны сотрудникам при работе с документами. Данные не покидают периметр организации — сервисы поддерживают развёртывание на локальных языковых моделях. ИИ-агенты помогают избавиться от рутины: время нормоконтроля сокращается в разы, специалист просматривает уже размеченный документ, а не читает его с нуля. Качество исходящих документов становится стабильным и не зависит от того, кто именно проводил проверку в конкретный день. Время первичной обработки одного обращения сокращается с нескольких минут до секунд. При больших объёмах это означает возможность обрабатывать весь входящий поток без роста штата.

Денис Беляев: Наша философия — ИИ должен быть экономным, надежным и предсказуемым. Мы не стремимся создать универсального бойца, который может все. Вместо этого подбираем «правильную» модель, в том числе open-source, дообучаем ее под конкретную задачу и добиваемся высокой точности на небольших мощностях.

Важно, что речь идет не только о самих моделях. Существенную роль играет инфраструктура вокруг них — механизмы контроля качества, интеграции с корпоративными системами и управление поведением модели в бизнес-процессах.

Виктор Вайнштейн: Да, например, процессах, связанных с обработкой финансовых документов. Поток данных очень разнородный, и задача — классифицировать документы и извлекать из них информацию для учетных систем. Мы изначально рассчитывали на точность порядка 85%, а в итоге добились больше 90%. Это означает, что подавляющее большинство операций проходит автоматически. Соответственно, резко сокращается объем ручной работы и ускоряется обработка.

Денис Беляев: Другой пример — процесс закупок. У одного из наших клиентов эксперты тратили по несколько дней на анализ заявок, ведь поставщики присылают их каждый в своем шаблоне, комплектность не всегда полная и соответствие всем требованиям проверить не так-то просто. С применением ИИ время анализа заявок сократилось с дней до часов, при этом качество осталось на высоком уровне.

Денис Беляев: Самая частая ошибка — ожидание, что можно сразу автоматизировать все. На практике лучше начинать с конкретных наиболее трудозатратных операций, где есть максимальный эффект от снятия рутины. Вторая проблема — недостаточная проработка процессов. Без понимания, как сейчас устроена работа, сложно получить хороший результат от любой автоматизации как с применением ИИ, так и без него. И третья — это человеческий фактор. Сотрудники иногда воспринимают такие проекты настороженно, не хотят делиться опытом, чтобы их не заменил ИИ. Здесь важно правильно выстраивать коммуникацию и заручиться поддержкой руководства. Ведь при автоматизации большинства корпоративных процессов работает подход Human-in-the-loop, то есть человек в итоге контролирует результат и принимает решение, просто делает это быстрее и с меньшим количеством ошибок.

Виктор Вайнштейн: Потому что сегодня ключевым фактором становится скорость. Компании, которые быстрее обрабатывают запросы клиентов, быстрее согласовывают договоры, выставляют счета, выигрывают и в деньгах, и в лояльности клиентов.

Денис Беляев: Важный момент — экономика. ИИ-проекты дают довольно быстрый эффект. По сравнению с крупными инфраструктурными инициативами, здесь сроки окупаемости существенно короче: год, а иногда и вовсе несколько месяцев. При этом результат заметен практически сразу. Интеллектуальная обработка документов — одно из самых быстроокупаемых вложений в операционную эффективность.