Распознавание договоров и актов нейросетью: извлечение данных

Договор на двадцать страниц юрист читает пятнадцать минут, акт сверки — пять. Когда таких документов сотни в месяц, обработка первичных документов превращается в отдельную работу, на которую уходят люди и сроки. Распознавание текста в документе нейросетью снимает рутину: система сама находит стороны, суммы, сроки и штрафы, сверяет условия с шаблоном и заносит данные в учётную систему. Дальше разберём, как это устроено по шагам и где проходит граница между машиной и человеком.

Что именно вытаскивают из договора и акта

Бухгалтеру и юристу из документа нужны не все слова, а конкретные поля. Их набор предсказуем, поэтому его можно описать один раз и применять ко всему потоку.

Из договоров и актов извлекают:

• стороны и их реквизиты — наименование, ИНН, КПП;
• номер и дату документа;
• суммы: цену, НДС, итог, график платежей;
• сроки: начало, окончание, периоды поставки;
• условия расторжения и порядок одностороннего отказа;
• штрафные санкции, пени, неустойку;
• предмет — что именно поставляется или выполняется.

Один документ редко вызывает вопросы. Проблема в объёме. Ручная обработка одного документа занимает 5–15 минут: открыть, прочитать, выписать поля, перенести в систему. На потоке в 10–50 тысяч документов в месяц это от 1700 до 8300 человеко-часов, то есть десятки сотрудников, занятых перепечатыванием. Даже частичная автоматизация на 30–50% освобождает заметную часть этого времени и снимает с людей самую механическую часть работы.

Как работает распознавание: четыре этапа

За фразой «нейросеть читает договор» стоит конвейер из четырёх шагов. Их называют IDP — intelligent document processing. Каждый этап решает свою задачу, и пропустить ни один нельзя.

1. Распознавание. OCR превращает скан или фото в текст. Здесь машина пока не понимает смысла — она переводит пиксели в символы.
2. Понимание. Языковая модель определяет тип документа, находит значимые элементы и связи между ними: где стороны, где сумма, какой пункт к чему относится.
3. Проверка. Извлечённые данные валидируются по правилам и справочникам — например, ИНН сверяется с реестром контрагентов, сумма прописью с суммой цифрами.
4. Использование. Готовые поля уходят в 1С, ERP или СЭД без ручного ввода.

Где OCR, а где языковая модель

Это два разных инструмента, и путать их зоны ответственности не стоит. OCR отвечает за буквы, модель — за смысл.

Задача	OCR	Языковая модель (LLM)
Перевод изображения в текст	Да	Нет
Понимание типа документа	Нет	Да
Извлечение полей по смыслу	Ограниченно	Да
Связи внутри положения (кто отвечает, когда штраф)	Нет	Да
Сверка с шаблоном и справочниками	Нет	Да

Точность OCR держится в районе 85–90%. Звучит неплохо, пока не переведёшь в абсолют: на 10 000 документов это 1000–1500 штук, которые потребуют ручной правки. Поэтому одного распознавания мало.

Языковая модель берёт текст целиком и понимает контекст положения: кто несёт ответственность, при каком событии возникает штраф, чем условие отличается от типового. Но и она не безупречна — может перепутать поля или пропустить деталь в нестандартной формулировке. Отсюда обязательный этап проверки и человек на спорных случаях. Подробнее о выборе между технологиями — в материале OCR или ИИ для распознавания документов.

Сверка условий и поиск рисков

Извлечь поля — половина задачи. Вторая половина начинается, когда нужно понять, всё ли в договоре в порядке.

Языковая модель сверяет условия входящего договора с корпоративным шаблоном. Она находит то, на что глаз замыливается к концу рабочего дня:

• нетиповые условия, которых в вашей редакции быть не должно;
• штрафы и неустойки выше согласованного порога;
• отсутствие обязательных пунктов — например, порядка приёмки или ответственности за просрочку;
• расхождения в реквизитах между шапкой и реквизитной частью.

Юрист получает не чистый документ, а размеченный: вот пункт, который отличается от шаблона, вот санкция выше нормы, вот реквизит, не совпавший с реестром. Решение остаётся за человеком, но искать иголку в двадцати страницах больше не нужно — модель уже показала, куда смотреть. По рыночным оценкам, до 65% рабочего времени специалиста уходит на подобную рутину: чтение однотипных документов и сверку по пунктам. Именно эту часть и забирает модель, оставляя человеку оценку рисков и переговоры по спорным условиям.

Занесение в учётную систему

Распознанные данные бесполезны, пока лежат в отдельном окне. Ценность появляется, когда они оказываются в системе, где с ними работает бизнес.

ИИ-агент передаёт извлечённые поля в 1С, ERP или СЭД: создаёт карточку контрагента, заводит договор, привязывает суммы и сроки платежей. Двойной ввод исчезает, а вместе с ним опечатки в ИНН и потерянные дедлайны по оплате. Срок из договора можно сразу превратить в задачу или напоминание, чтобы просрочка не всплыла постфактум. Связка с учётом — отдельная инженерная задача: важно не просто отдать данные, а проверить, что они легли в нужные поля и не создали дублей. Как мы это решаем, описано в кейсе распознавание первички и загрузка в 1С.

Чтобы поток не рвался на стыках систем, распознавание встраивают в общий процесс обработки входящих документов — от почты и сканера до бухгалтерии. Логику такого процесса разбираем в статье про автоматизацию документооборота.

Конфиденциальность: договоры не уходят на сторону

Договоры содержат коммерческую тайну, персональные данные и реквизиты. Отправлять их во внешний облачный сервис — значит выносить чувствительную информацию за периметр компании. Для многих это просто неприемлемо, а для объектов КИИ — прямой риск.

Закрытый контур решает вопрос на уровне архитектуры: модель разворачивается на ваших серверах, данные не покидают периметр. Нет трансграничной передачи — значит, требования 152-ФЗ выполняются без сбора отдельных согласий.

В 2026 году для работы в закрытом контуре есть зрелые отечественные модели: GigaChat 3.1 (open-source, лицензия MIT), YandexGPT 5.1 Pro, линейка T-lite от Т-Банка. Для полного on-premise подходят self-hosted Qwen, DeepSeek и Llama. Это рабочая замена недоступным в России ChatGPT и Claude, причём замена легальная и совместимая с импортозамещением. OVEERMOON строит такие решения на отечественном стеке, чтобы данные клиента оставались внутри его инфраструктуры.

Часто задаваемые вопросы

Можно ли доверять нейросети обработку договоров без проверки человеком?

Нет, и это правильный подход. Машина закрывает рутину: распознаёт, извлекает поля, размечает отклонения. Финальное решение по спорным пунктам остаётся за юристом или бухгалтером. Точность OCR в 85–90% означает, что часть документов всё равно требует проверки, поэтому человек встроен в процесс как контролёр, а не как оператор ввода.

Что нужно, чтобы данные не утекли наружу?

Закрытый контур: модель работает на серверах компании, документы не отправляются во внешние сервисы. При такой схеме нет трансграничной передачи данных, и 152-ФЗ соблюдается без дополнительных согласий. Для компаний с объектами КИИ это обязательное условие.

С какими системами связывается распознавание?

С учётными и документными: 1С, ERP, СЭД. Извлечённые поля заносятся в карточки автоматически, без повторного ручного ввода. Конкретный набор интеграций зависит от того, в какой системе компания ведёт учёт и как у неё устроен путь документа от поступления до проводки.

Что делать с нестандартными договорами?

Их направляют на ручную проверку. Модель помечает документ как нетиповой, когда формулировки не совпадают с шаблоном или поля распознались с низкой уверенностью. Такой договор не блокирует поток: типовые документы идут автоматически, а спорные попадают к специалисту с уже размеченными отклонениями.

Сколько документов в месяц оправдывает автоматизацию?

Ориентируйтесь не на абсолютное число, а на трудозатраты. Если обработка первичных документов отнимает у сотрудников значимую часть рабочего времени — а на потоке в 10–50 тысяч документов это тысячи человеко-часов, — автоматизация окупается даже при частичном охвате в 30–50%.

Вывод

Распознавание договоров и актов работает не как волшебная кнопка, а как конвейер: OCR переводит документ в текст, модель понимает условия, правила и справочники их проверяют, а готовые данные уходят в учётную систему. Человек остаётся на спорных случаях — там, где нужна ответственность, а не скорость.

Начните с инвентаризации: посчитайте, сколько документов проходит через бухгалтерию и юристов в месяц и сколько часов на них уходит. Эта цифра покажет, что автоматизировать в первую очередь и какого эффекта ждать.