ИИ для работы с документами: как мы заменили ручной перенос данных на ИИ-конвейер и ускорили разработку с помощью генерации кода
Построили ИИ-конвейер для строительной компании, который заменил ручной перенос данных из сканов спецификаций в Excel: время обработки одного документа сократилось в 5–7 раз.
Задача
Сотрудники компании ежемесячно вручную переносили данные из сотен нестандартизированных сканов и фотографий спецификаций в корпоративный формат. Требовалось исключить ручной труд, повысить скорость и точность обработки, адаптировав решение под мультиязычную документацию и «мёртвые» сканы без текстового слоя.
Решение
Разработали поэтапный ИИ-конвейер с компьютерным зрением (OpenCV, EasyOCR) для извлечения сырого текста из сканов и нейросетью (YandexGPT, GigaChat) для смыслового сопоставления колонок. Встроили промежуточный экран верификации для точечной корректировки. Прототип интерфейса на Flutter создали с помощью генерации кода, что позволило реализовать проект силами одного разработчика.
Результат
- ×5–7 Сокращение времени обработки одного документа
Время обработки одного документа сократилось с часа до нескольких минут — в 5–7 раз. Заказчик, ожидавший точности распознавания на уровне 30%, получил значительно более высокий результат, что качественно изменило процесс работы с входящими спецификациями.
Ещё 33 кейса в категории Промышленное предприятие → Нейросети
Похожие кейсы
Контроль комплектации аэрозольной продукции в «Арнест» с помощью компьютерного зрения
Разработали систему компьютерного зрения для «Арнест», которая со 100% точностью выявляет некомплект упаковки и останавливает конвейер.
Приложение CrabMIC для «Русского краба»: оценка качества с точностью 99%
Разработали мобильное приложение CrabMIC для «Русского краба»: нейросеть определяет наполнение конечности мясом с точностью 99%.
ML Sense для ОИЯИ: контроль намотки сверхпроводящего кабеля с точностью 99%
Внедрили систему машинного зрения ML Sense для автоматического контроля намотки сверхпроводящего кабеля в ОИЯИ: точность детекции дефектов достигла 99%, высвобождено 3–4 оператора в смене.
Снижение аварий на 80% для НПО «Аконит» с помощью машинного зрения ML Sense
Внедрение системы машинного зрения ML Sense на линии резки труб НПО «Аконит» снизило аварии на 80% и окупилось менее чем за 6 месяцев.
Внедрение платформы видеоаналитики (CV моделей)
Разработали видеоаналитику для НИИСТРОМ, которая исключила попадание зубьев экскаватора в производственную линию и предотвратила ущерб в среднем 8,8 млн рублей за инцидент.
HR чат-бот для Норникеля
HR чат-бот во ВКонтакте для Норникеля собрал 245 анкет и 84 резюме за два месяца.