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.
Во всех офисах МФЦ внедрён ИИ-сервис: оператор сканирует паспорт или свидетельство о рождении, нейросеть распознаёт документ, определяет его тип и автоматически заполняет поля заявления; специалист проверяет данные и отправляет документ в ведомство.
Количественный эффект не раскрыт.
Специализированный ИИ-агент TEXX.AI автоматизирует нормоконтроль конструкторской и технологической документации, проверяя документы на соответствие установленным нормам и требованиям.
Количественный эффект не раскрыт.
Платформа интеллектуального распознавания документов Smart Engines интегрирована в информационную систему РСХБ Лизинг.
Количественный результат не раскрыт.
Модуль переносит и расставляет элементы оформления, размеры и выноски на планах этажей, превращая BIM-модель в готовый к печати чертёж.
Количественный эффект не раскрыт.
ИИ-эксперт проверяет отчеты до подачи в Государственную комиссию по запасам и показывает замечания по степени критичности с привязкой к разделам.
Специалисты получают предварительную проверку отчетов и доступ к источникам, на которых основаны ответы.
ИИ автоматически создаёт карточки входящих документов в документообороте академии.
Создание карточки занимает 5–10 секунд вместо 5–10 минут.
Запущен пилот помощника для работы с базой документов и обработки рутинных запросов в управление делами.
Цель пилота — сократить количество рутинных запросов в управление делами на 80%.
Большие языковые модели применяются для автоматической генерации замечаний к проектной документации.
Количественный эффект не раскрыт.
Локальная система распознаёт речь, разделяет говорящих, исправляет отраслевые термины и формирует протокол с поручениями, сроками и ответственными.
Часовая запись обрабатывается за несколько минут и выгружается в согласованный шаблон.
Парсер распознаёт сканы и PDF, нормализует единицы измерения и шифры расценок и сводит предложения разных поставщиков в сравнительную таблицу.
Данные поставщиков автоматически формируются в единую сравнительную таблицу.
Агент получает предложение с электронной торговой площадки, сверяет его с техническим заданием, выявляет пропуски и противоречия и готовит запрос поставщику.
Время анализа одной позиции сократилось с 40 до 5 минут; качество ответов модели выросло с 41% в первую неделю до 65% к третьей.
Языковые модели в CRM BPMSoft анализируют запросы клиентов, проверяют обязательные параметры и отделяют коммерческие предложения от спама.
Менеджеры высвободили около 15% рабочего времени.
После онлайн-опроса пациента помощник сопоставляет жалобы с электронной медкартой и до начала приёма формирует сводку об обращениях, исследованиях, назначениях и вызовах скорой.
За год с момента запуска подготовлено 30 млн сводок; в среднем формируется около 100 тыс. сводок в день.
Система распознаёт документы в заявках участников.
Обработано более 100 тыс. заявок из 191 страны; заявлены поддержка документов 230 стран и территорий и точность 99,9%.
Веб-сервис загружает сканы многостраничных документов, распределяет их по десяти типам, извлекает данные и проверяет документы по заданным критериям.
По данным каталога, в 95% случаев первичная проверка проходит без человека, а согласование занимает 5–10 рабочих дней вместо месяцев.
ИИ-ассистент в приложении и мессенджерах понимает вопросы жителей в свободной форме, принимает фотографии показаний счётчиков и проверяет их на ошибки.
Ассистент доступен жителям 20 000 квартир в двух регионах России.
ИИ-помощник отвечает проектировщикам на вопросы по документации BIM Inspector.
Заявлено сокращение поиска ответа с 15–30 до 5 минут и адаптации новых сотрудников с 2–4 недель до 3–5 дней.
Отдельный ИИ-ассистент пишет протоколы совещаний.
Количественный эффект не раскрыт.
На двух площадках «Акрона» внедрены распознавание и роботизация обработки документов.
Заявлено сокращение времени реакции на входящую информацию на 95%, ускорение обработки документов в пять раз и высвобождение около 20% времени занятых документами сотрудников.
Ассистент обучен на внутренних данных, ведёт онбординг, добавляет и ищет грузы и транспорт, выставляет счета и оформляет закрывающие документы.
68% ежедневных обращений являются типовыми; заявлены ожидаемые ответ за две-три секунды и снижение нагрузки на поддержку на 40%.
Модуль в системе документооборота распознаёт сканы и PDF и переносит данные в карточки.
Ручной ввод сократился на 80%, согласование ускорилось на 50%.
Ассистент слушает разговор врача с пациентом и автоматически заполняет жалобы, анамнез, диагноз и рекомендации в протоколе приёма.
По данным компании, врачи тратили на документы до 40% меньше; протокол готовился не позднее чем за 35 секунд, а точность заполнения превышала 90%.
Ежемесячные отчёты для отелей собираются автоматически; презентации и лендинги создаются без дизайнера.
Отчётность перестроена на автоматическую сборку.
Система читает акты, платёжные документы и служебные записки, структурирует данные и формирует аналитические таблицы.
По словам заместителя председателя, система экономит десятки тысяч рабочих часов.
Менеджер надиктовывает итоги встречи; SpeechKit расшифровывает запись, ИИ формирует статус, задачу и дату следующего контакта в CRM и готовит персональный follow-up.
Для команды заявлены двукратный рост числа встреч, сокращение рутины на 70% и рост конверсии в сделку на 30%.
В компании внедрили ИИ для анализа договоров.
Эффект не раскрыт.
Проект IngoRead распознаёт паспорта и водительские удостоверения, определяет вероятность ошибки или несоответствия документа и сокращает число документов, требующих ручной проверки.
Сокращена потребность в ручной проверке документов; количественный масштаб не раскрыт.
Платформа обрабатывает документы: классический ML выполняет классификацию и извлечение сущностей, а LLM с RAG формирует ответы в свободной форме.
Интеллектуальная обработка документов разделена между специализированными моделями по типу задачи.
Робот собирает схемы, глоссарий и связанные таблицы, после чего LLM готовит описание витрины, а вторая модель проверяет результат.
За полгода описано 15 000 таблиц против 500 за предыдущий год; заявлено 92% семантического совпадения с проверкой человека.
В нескольких муниципалитетах пилотируется автоматическая проверка закупочной документации от начала до конца, включая проверку заявок; муниципалитеты самостоятельно обучают модель.
Результат пилота не раскрыт.