Проверка текстовой части проектной документации языковыми моделями
Языковые модели применяются для проверки текстовой части проектной документации и соответствия реестру требований.
Количественный эффект не раскрыт.
Кейсы автоматизации документооборота с искусственным интеллектом: распознавание документов, извлечение данных, обработка и согласование. Примеры российских организаций с описанием работы сотрудников, решений и результатов.
Кейсов внедрения: 216.
Языковые модели применяются для проверки текстовой части проектной документации и соответствия реестру требований.
Количественный эффект не раскрыт.
ИИ в переговорных комнатах готовит проекты протоколов совещаний.
Количественный эффект не раскрыт.
Нейросети внедряются в документооборот для ускорения обработки и прохождения документов.
Количественный эффект не раскрыт.
В обработке документов клиентов используются роботизация и компьютерное зрение для распознавания и проверки документов.
Количественный эффект не раскрыт.
ИИ-агент анализирует документы и самостоятельно принимает решение по части случаев кредитного страхования жизни.
Такие выплаты могут занимать около пяти минут.
При заполнении заявления на региональном портале ИИ автоматически распознаёт загруженные скан-копии документов и до отправки выявляет нечитаемые, размытые или не соответствующие требованиям файлы.
Распознавание работает в 367 из 442 электронных услуг; с начала года к системе подключено ещё 52 услуги. Она обучена распознавать 884 вида документов и проверила более 6,5 млн документов в 3,2 млн заявлениях.
Мобильный голосовой обходчик ЦРТ переводит речь в текст и помогает оформлять результаты осмотра вагонов. Решение применяется в четырёх регионах присутствия компании.
Время передачи данных о технических осмотрах сократилось более чем в пять раз.
Ассистент улучшает читаемость СОП и рабочих инструкций, сравнивает версии и переносит документы из старого корпоративного шаблона в новый.
Количественный эффект этого ассистента отдельно не раскрыт.
Сотрудники задают вопросы по структурированным и неструктурированным внутренним документам и получают ответы с указанием использованных источников.
Система упрощает поиск и проверку сведений в сложных корпоративных документах; количественный эффект не раскрыт.
Специализированный агент выполняет первичную проверку медицинских материалов по согласованным правилам перед редактурой и согласованием.
Заявлены ускорение первых согласований и снижение риска пропустить типовую ошибку.
Система локально извлекает данные из российского паспорта и передаёт их сотруднику в структурированном виде для создания заявки.
Распознавание занимает менее секунды; решение используется в отделениях 19 городов.
Навык Алисы позволяет заказывать медицинские справки, вносить показатели в электронную медкарту, проверять записи к врачу и переносить или отменять их голосом.
Голосовой заказ ряда медицинских справок и управление записями доступны москвичам на устройствах с Алисой.
ИИ используется как вспомогательный инструмент для формирования справок, сопоставления документов и составления протоколов совещаний.
По итогам общего пилота принято решение масштабировать ИИ-сервисы на весь аппарат правительства. Числовой эффект процесса не раскрыт.
Региональная услуга автоматически подставляет сведения о ребёнке и распознаёт приложенные документы, предупреждая о неверном файле до отправки заявления.
Заявитель получает автозаполнение и предварительную проверку документов; заявлено снижение числа отказов без числовой оценки.
При каталогизации обязательных экземпляров ИИ формирует для библиографов предложения по рубрикам, библиотечным индексам и метаданным.
Процесс охватывает поступление около 100 тыс. обязательных экземпляров в год.
Нейросети распознают дореволюционную орфографию и рукописные тексты при оцифровке архивных и библиотечных фондов региона.
Первые результаты доступны в сервисе «Яндекс.Поиск по архивам».
Платформа транскрибирует совещания, семантически анализирует стенограммы, рассчитывает оценку эффективности и формирует протоколы с поручениями.
После апробации во II квартале 2026 года к платформе подключены все филиалы компании.
ИИ-юрист сверяет договоры с правилами ПЭК, выявляет риски и стоп-факторы и готовит комментарии, оставляя итоговое решение юридическому отделу.
Заявлено снижение повторяющейся нагрузки на юридический отдел на 30%.
Модуль суммаризирует сообщения групповых чатов и формирует ежедневные структурированные отчёты для сотрудников.
Сообщения из 6–7 чатов сведены в ежедневные отчёты вместо ручного чтения.
Модуль с OCR распознаёт и классифицирует входящие документы, извлекает реквизиты и отправляет материалы в архив.
Обработка 100–200 документов в день сократилась с 6–7 часов до 30 минут.
ИИ обрабатывает документы по ипотеке в реальном времени в цифровом цикле покупки квартиры в новостройке.
Статья приводит сокращение цикла одобрения с дней до минут.
Юридическая команда формулирует запрос, после чего ИИ находит судебную практику, структурирует её, выделяет позиции судов и формирует аналитическую сводку. После подготовки документа ИИ автоматически запускает маршрут согласования.
Первичный сбор материалов занимает существенно меньше времени.
Юридическая команда использует ИИ на корпоративных документах и внутренних шаблонах для подготовки первичных проектов договоров, проверки договоров контрагентов, выделения спорных условий и подготовки протокола разногласий или комментариев.
Рутинный первичный анализ, ранее занимавший часы, теперь занимает минуты.
Встроенные ИИ-сервисы готовят аннотации, ищут сведения на естественном языке, классифицируют документы и обрабатывают обращения граждан.
Количественный результат не раскрыт.
Участник процесса использовал языковую модель для генерации ссылок на судебные акты в процессуальном документе.
Суд установил, что приведённые судебные решения не существуют, квалифицировал это как злоупотребление процессуальными правами и наложил штраф; размер штрафа не раскрыт.
Технология Smart Engines интегрирована с лингвистическими моделями «АльфаСтрахования» для классификации документов.
Количественный эффект не раскрыт.
Нейросеть удаляет из рамок чертежей названия компаний, подписи разработчиков и торговые знаки перед передачей документации исполнителям.
Очистка одного чертежа вместо 15–30 минут занимает секунды.
Внутренний сервис сравнивает присланную контрагентом версию договора с исходной и выделяет изменения, в том числе в сканированных документах.
Команда оценивает экономию юристов и офис-менеджеров до 40 часов в месяц на отдел.
Ассистент отвечает на типовые вопросы о температурных режимах и холодовой цепи, использует сведения о сроках, движении груза и документах, а нестандартные ситуации передаёт специалисту вместе с контекстом.
Поставщик заявляет рост скорости обработки в 5 раз, сокращение ошибок на 70% и операционных расходов на 35%.
На платформе фонда автоматизированы структурирование полей, проверка документов и анализ заявок: DeepSeek выполняет первичный анализ и поиск информации, а ChatGPT сравнивает заявки и формирует баллы для экспертов.
Источник сообщает об упрощении работы с конкурсными заявками. После запуска платформы к проекту присоединились 63 НКО.