Какие задачи делопроизводителя закрывает ИИ
Когда мы говорим об искусственном интеллекте в делопроизводстве, часто представляем какую-то универсальную машину, которая решит всё сразу. На самом деле ИИ работает точечно — закрывает конкретные задачи, требующие обработки текста или данных. Понимание этих задач важно не для общего развития, а для того, чтобы понять, действительно ли ИИ нужен вашему делопроизводителю или это просто мода.
Начнём с практики. Когда документ попадает в компанию, его путь всегда примерно одинаков: нужно прочитать, понять, что это, отправить нужному человеку, проверить, согласовать, архивировать. На каждом этапе делопроизводитель тратит время — иногда много, иногда мало, но всегда повторяет одни и те же операции.
Распознавание сканов и фотографий документов
Это первая и самая очевидная задача. Когда приходит бумажный договор, отсканированный счёт или фото паспорта со смартфона, нужно превратить изображение в текст, который можно читать и обрабатывать. Раньше это делали вручную или использовали узкоспециализированное ПО для распознавания текста.
Современные ИИ-модели справляются с этим намного лучше. Они не просто читают текст, а понимают контекст — например, выделяют реквизиты, суммы, даты даже если они написаны нестандартно или находятся в таблице. Важно: качество распознавания зависит от скана. Блеклый скан старого договора или фото документа под углом — проблема, которую даже хороший ИИ не решит идеально.
ИИ обрабатывает визуальную информацию, но не магически улучшает качество плохого сканирования. Если исходный документ невозможно прочитать человеку, ИИ тоже будет затрудняться.
Классификация и регистрация входящих документов
После того как текст распознан, нужно понять, что перед нами: счёт-фактура, акт выполненных работ, служебная записка или запрос от клиента. Каждый тип требует разного маршрута: счёт уходит в бухгалтерию, акт — к руководителю проекта, служебная записка остаётся в документообороте компании.
ИИ легко классифицирует документы по типам, если он натренирован на примерах вашей компании. Система учит примеры, находит закономерности и дальше автоматически распределяет входящие документы. Скорость — минуты вместо часов ручной работы делопроизводителя.
Но есть нюанс: классификация работает хорошо, только если типов документов не слишком много (примерно 5–15) и они достаточно отличаются друг от друга. Если у вас 50 видов разных служебных форм, ИИ начнёт путать их. Плюс нужна регулярная проверка и корректировка — система иногда ошибается, и эти ошибки нужно исправлять, чтобы ИИ учился.
Извлечение данных в структурированные поля
Когда мы знаем тип документа, можно автоматически вытащить из него нужные данные. Из счёта: номер счёта, сумму, дату, реквизиты поставщика и покупателя. Из договора: сроки, условия платежа, суммы. Из служебной записки: автора, тему, дату.
ИИ выполняет эту работу в секунды. Делопроизводитель раньше отбивал эти данные вручную или копировал их в карточку документа, что занимало время и приводило к ошибкам. Теперь данные извлекаются автоматически, попадают в нужные поля системы документооборота, и начинают работать — например, автоматически создаётся платёж на основе данных из счёта или запускается согласование по нужному маршруту.
Качество извлечения зависит от того, насколько стандартизирован макет документа. Если счёт всегда выглядит почти одинаково, ИИ будет вытягивать сумму с точностью 99%. Если каждый поставщик формирует счёта по-своему, точность упадёт до 80–90%, и часть данных придётся проверять вручную.
Подготовка и редактура типовых документов
Это совсем другой класс задач. Вместо того чтобы парсить входящие документы, ИИ помогает их создавать. Делопроизводителю нужно написать служебную записку, письмо клиенту, приказ или уведомление. Можно дать ИИ-ассистенту краткое описание — и он сгенерирует текст, который останется только отредактировать.
Это экономит время, особенно на рутинных документах. Письма благодарности, уведомления об отпуске, ежедневные записки, уведомления контрагентам — всё это ИИ пишет по образцу быстро. Иногда его текст полностью подходит, иногда нужны исправления, но всё равно быстрее, чем писать с нуля.
Однако есть важное ограничение: ИИ хорош для стандартных текстов, но может совершать ошибки в деталях. Он может выдумать норму закона, которой нет, или перепутать условия в контексте. Для документов, которые имеют юридическое значение, результат всегда нужно проверять.
Проверка и сравнение договоров
Когда нужно понять, чем версия договора от партнёра отличается от нашего варианта, или когда требуется проверить, соответствует ли договор стандартным условиям компании, ИИ справляется быстро и систематично.
ИИ может отметить все изменения между версиями, выделить изменения в условиях оплаты, сроки, штрафные санкции, условия расторжения. Это особенно полезно, когда договор прошёл несколько итераций согласования и нужно понять, что именно изменилось от версии 1 к версии 5.
Полезнее всего проверка работает, когда вы заранее сообщаете ИИ, на что обратить внимание. Например: проверить, что сумма контракта не меньше 500 тысяч рублей, что указаны штрафы за просрочку поставки, что срок действия не менее года. ИИ будет ориентироваться на эти критерии и подсвечивать потенциальные проблемы.
Маршрутизация и согласование документов
После регистрации документ нужно отправить нужному человеку или отделу. Раньше это делал делопроизводитель вручную: смотрел тип документа и решал, кому его направить. Теперь это может делать ИИ по правилам, которые вы один раз задали.
ИИ учится на истории: смотрит, какие документы и кому направлял делопроизводитель, находит закономерности и применяет их к новым документам. Со временем система становится всё точнее. Когда нужно согласовать приказ, ИИ сразу знает, что его должен подписать руководитель отдела кадров и генеральный директор, и направляет документ автоматически.
Автоматическая маршрутизация работает только если правила достаточно чёткие. Если маршрут зависит от множества факторов или принимается на основе субъективного решения, ИИ либо частит ошибки, либо требует ручного подтверждения на каждом шаге.
Поиск по документам по смыслу
Это несколько отличается от классического поиска по ключевым словам. Если вы ищете все договоры, в которых обсуждается поставка материалов, классический поиск найдёт только документы со словами "поставка" и "материалы". ИИ поймёт, что вам нужны документы о доставке сырья, товаров, комплектующих — даже если эти слова написаны по-разному.
Семантический поиск особенно полезен в архивах, где документы хранятся годами и часто нечетко названы. Вместо того чтобы рыться в папках, можно просто спросить ИИ: "найди все письма от компании X, где речь идёт о задержке платежа" — и система вернёт все релевантные документы независимо от того, как они названы или где они лежат.
Маскирование персональных данных
Когда документ нужно отправить за пределы компании или поделиться им в целях обучения и тестирования ИИ-систем, часто требуется убрать чувствительную информацию: персональные данные, банковские реквизиты, коммерческую тайну.
ИИ автоматически находит и маскирует такие данные: ФИО, номера счетов, адреса, коммерческие термины. Работает достаточно надёжно, но не идеально — иногда пропускает скрытые данные или маскирует то, что маскировать не нужно. На этапе созревания технологии эта операция всегда требует проверки.
Сервисы и нейросети для работы с документами
На рынке есть три класса решений: универсальные ИИ-ассистенты, отраслевые системы с встроенным ИИ и узкоспециализированные инструменты. Каждый класс решает свои задачи, и выбор зависит от того, какие именно процессы вы хотите автоматизировать.
Универсальные ИИ-чаты
ChatGPT, Claude и аналоги — это "ручные" инструменты. Вы выкладываете документ (или его текст), пишете, что нужно сделать, и ИИ это делает. Плюсы: они разбираются в любых типах документов, умеют работать с контекстом, могут объяснить свои решения.
Минусы: это не автоматизация, а ускорение. Человек всё равно должен каждый раз сформулировать задачу, загрузить документ, проверить результат. Для массовых операций непрактично. Плюс есть вопросы с конфиденциальностью — если отправить контрактный документ в облачный ChatGPT, данные попадут на серверы OpenAI.
Используйте универсальные ИИ-чаты, когда нужно разово обработать документ, написать или отредактировать текст, получить консультацию. Не используйте для систематической автоматизации документооборота.
СЭД и системы документооборота с ИИ
Это интегрированные системы, где ИИ — часть платформы. Система получает входящий документ, распознаёт его, классифицирует, извлекает данные и маршрутизирует — всё без участия человека. Примеры: специализированные системы электронного документооборота (СЭД) с модулями ИИ, решения для работы с договорами, системы для управления счётами.
Плюсы: полная автоматизация, ИИ работает без вашего участия, данные остаются в вашей системе, нет вопросов с конфиденциальностью. Минусы: высокая цена, долгая настройка под процессы конкретной компании, зависимость от поставщика.
Такие системы имеют смысл, если у вас высокий объём однотипных документов. Если входящих документов несколько в день и они разнородные, переплачивать не стоит.
Отраслевые решения
Для юристов: системы проверки договоров, которые знают российское законодательство и умеют находить потенциальные риски. Для бухгалтеров: системы автоматической обработки счёт-фактур. Для кадровиков: системы автоматического заполнения типовых кадровых документов.
Эти решения уже "обучены" на документах конкретной отрасли, поэтому работают точнее универсальных. Недостаток: они узкоспециализированные, если ваша задача не совпадает с их профилем, они неполезны.
Локальные модели и приватные решения
Если вы обрабатываете особо чувствительные документы и не готовы доверять облачным сервисам, есть возможность использовать локальные ИИ-модели. Они работают на вашем сервере, данные не уходят в облако.
Минус: локальные модели работают медленнее, требуют мощные серверы, часто менее точные, чем облачные аналоги. Имеет смысл в крупных компаниях с особыми требованиями по безопасности или в государственных структурах.
Как выбрать инструмент под задачу
Выбор технологии начинается с понимания вашей задачи, а не наоборот. Нельзя выбрать универсальное решение — каждый инструмент создан для конкретного класса проблем.
Сначала ответьте на вопросы:
- Сколько документов в день нужно обработать? Если 5–10 — хватит универсального ИИ-чата. Если 100–500 — нужна полуавтоматическая система. Если 1000+ — нужна полная автоматизация.
- Какие типы документов обрабатываются? Если 3–5 типов — любое решение справится. Если 20+ типов — нужна система, которая их различает.
- Есть ли у вас уже система документооборота? Если да, проще добавить ИИ-модуль к ней. Если нет, нужно выбирать между выбором СЭД с ИИ или интеграцией отдельных инструментов.
- Какие требования к конфиденциальности? Если данные очень чувствительные — локальное решение. Если нормально облачное — можно использовать SaaS.
- Какой бюджет? Большой — полноценная интегрированная система. Маленький — начните с универсального ИИ-чата и со временем расширяйте.
Важный момент: не вся экономия приходит от ИИ. Часто ещё большую экономию дают сами процессы. Если вы внедрили систему документооборота и начали регистрировать все документы, это уже даст экономию 20–30% времени делопроизводителя. ИИ на этом фоне добавит ещё 30–50% экономии, но не заменит хорошую организацию процессов.
Поэтому рекомендация: начните с аудита процессов. Поймите, на что именно ваш делопроизводитель тратит время, какие операции повторяются каждый день, где вылезают ошибки. После этого решайте, как это автоматизировать. Может быть, для вашей компании будет достаточно просто хорошей системы документооборота без ИИ.
Когда процессы ясны, выбирать инструмент намного проще. Вы точно знаете, что нужно автоматизировать, и можно протестировать несколько решений на ваших реальных документах.
Как проверить договор с помощью ИИ
Проверка договора — самая востребованная и самая опасная задача для ИИ. Востребованная, потому что юриста в маленькой компании часто нет, а договоры приходят каждую неделю. Опасная, потому что ошибка в проверке стоит реальных денег, а ИИ умеет писать уверенно даже тогда, когда ошибается.
Правильный подход строится на одной мысли. ИИ не выносит заключение, он сокращает объём чтения. Он находит места, которые требуют внимания человека, формулирует вопросы, собирает различия между версиями. Решение остаётся за тем, кто подписывает документ.
Главная ошибка начинающих — просить ИИ проверить договор одним запросом. Фраза о том, чтобы проверить документ и найти риски, даёт расплывчатый ответ из десяти общих пунктов. Такой ответ выглядит убедительно и почти бесполезен. Нужна структура проверки.
Правило трёх проходов
Трёхпроходная проверка появилась из практики. Один длинный запрос заставляет модель распределять внимание по всему документу сразу, и она начинает усреднять. Три узких запроса дают три разных взгляда на один текст, и каждый из них можно проверить отдельно.
Первый проход отвечает на вопрос о содержании сделки. Вы просите ИИ пересказать договор простыми словами без юридических формулировок. Кто что обязан сделать, в какие сроки, за какие деньги, что происходит при нарушении. Этот пересказ нужен не для красоты. Если пересказ расходится с тем, что вы обсуждали с контрагентом на словах, значит в тексте есть расхождение, и дальше читать нужно особенно внимательно.
Второй проход проверяет договор по вашему списку критериев. Здесь ИИ работает как внимательный проверяющий, у которого есть чек-лист. Критерии вы формулируете заранее один раз для каждого типа договора. Поставка, услуги, подряд, аренда — у каждого свой набор обязательных условий.
Третий проход ищет то, чего в договоре нет. Это самая ценная часть и самая неочевидная. Отсутствующее условие заметить труднее, чем плохо сформулированное, потому что глаз читает текст, а не пустоту. ИИ хорошо справляется с вопросом о том, какие стандартные для такого типа договора условия в документе не упоминаются.
Опасность договора редко лежит в сложной формулировке. Чаще она в отсутствующем абзаце про порядок приёмки, про возврат предоплаты или про то, что считается надлежащим уведомлением.
Между проходами полезно делать паузу и читать результаты глазами. Соблазн сразу задать все три вопроса подряд в одном диалоге большой, но тогда модель начинает опираться на свои предыдущие ответы и повторять найденное, вместо того чтобы искать новое.
Готовые промты для проверки и сравнения версий
Ниже рабочие формулировки, которые можно использовать как есть, подставив свои данные. Они написаны длинно специально. Короткий запрос даёт короткий и общий ответ.
Промт для первого прохода, пересказ сделки.
Ты опытный юрист договорного отдела. Перед тобой договор. Перескажи его деловым, но простым языком, как если бы ты объяснял собственнику бизнеса без юридического образования. Ответь по порядку на вопросы. Что мы обязаны сделать и к какому сроку. Что обязан сделать контрагент и к какому сроку. Как и когда происходит оплата. Что считается подтверждением выполнения работ. Какая ответственность наступает для каждой стороны при нарушении. Как расторгается договор. Не оценивай условия, только опиши их. Если какое-то из этих условий в договоре отсутствует, напиши, что оно отсутствует, и не додумывай его.
Последнее предложение здесь критично. Без прямого запрета модель склонна дописать отсутствующее условие по шаблону, потому что обычно такое условие в договорах есть, и статистически она ожидает его увидеть.
Промт для второго прохода, проверка по критериям. Здесь показан пример для договора поставки, под свой тип документа список меняется.
Проверь договор по следующим пунктам и дай ответ таблицей из трёх столбцов. Пункт проверки, результат, цитата из договора с номером пункта. Проверяй строго по тексту, не используй знания о типовой практике. Пункты проверки. Указан ли точный срок поставки в календарных днях или датой. Указан ли порядок приёмки товара и срок на заявление претензий по качеству. Есть ли неустойка за просрочку поставки и каков её размер. Есть ли неустойка за просрочку оплаты и каков её размер. Симметричны ли размеры неустоек для сторон. Указан ли момент перехода права собственности и рисков. Есть ли условие об одностороннем изменении цены поставщиком. Есть ли право одностороннего отказа и у какой стороны. Указан ли порядок разрешения споров и в каком суде. Если условие в договоре не найдено, в столбце результат напиши отсутствует и оставь столбец с цитатой пустым.
Требование цитаты с номером пункта — это защита от выдумывания. Когда модель обязана подтвердить каждое утверждение фрагментом текста, количество придуманных находок резко падает. Если в столбце с цитатой стоит прочерк или пересказ вместо прямой цитаты, проверяйте это место сами.
Промт для третьего прохода, поиск пропусков.
Перечисли условия, которые обычно присутствуют в договорах такого типа, но в этом договоре отсутствуют или сформулированы так расплывчато, что их невозможно применить на практике. Для каждого отсутствующего условия объясни одним предложением, какая практическая проблема возникнет без него. Отсортируй список по убыванию риска для нас как для заказчика. Не предлагай формулировки, только назови проблему.
Промт для сравнения версий. Отдельная задача, которая экономит больше всего времени, когда договор прошёл четыре круга согласования.
Перед тобой две версии одного договора. Первая — наша исходная редакция. Вторая — редакция после правок контрагента. Найди все смысловые различия и опиши их таблицей. Пункт договора, было, стало, в чью пользу изменение. Игнорируй различия в пунктуации, порядке слов и форматировании, если они не меняют смысл. Отдельно, после таблицы, перечисли изменения, которые ухудшают наше положение, даже если они выглядят незначительными. Отдельно перечисли пункты, которые были удалены полностью, и пункты, которые появились впервые.
Про изменения, которые выглядят незначительными, стоит сказать подробнее. Замена рабочих дней на календарные, перенос слова не в середину фразы, смена формулировки о праве требовать на формулировку о возможности требовать — вот где обычно живут потери. ИИ находит такие правки надёжнее человека, потому что он не устаёт на пятнадцатой странице и не пропускает частицу.
Чего не стоит ждать от ИИ при проверке договора
Три вещи, в которых модель систематически слаба.
- Она не знает вашу переговорную историю. Условие, которое формально выглядит рискованным, может быть сознательной уступкой, о которой договорились месяц назад.
- Она не оценивает платёжеспособность и репутацию контрагента. Самый хорошо написанный договор не помогает, если у второй стороны нет денег.
- Она плохо работает со ссылками на внешние документы. Если договор ссылается на приложение, регламент или оферту на сайте, а вы их не загрузили, модель будет оценивать договор как самодостаточный текст, и часть условий окажется вне проверки.
Практический вывод простой. Загружайте в проверку весь комплект, включая приложения, спецификации и протоколы разногласий. Разрыв в точности между проверкой одного файла договора и проверкой полного комплекта очень заметен.
Как внедрить ИИ в делопроизводство
Внедрение — это не покупка подписки. Это изменение того, как люди работают с документами ежедневно. Технология в этом процессе занимает процентов тридцать усилий, остальное приходится на процессы, регламенты и привычки сотрудников.
Дальше два сценария, которые принципиально отличаются по порядку действий. Выбор между ними зависит от одного вопроса, который нужно задать себе до любых разговоров с поставщиками. Есть ли у вас сейчас единое место, где лежат все документы и видна их история.
Если системы документооборота ещё нет
Типичная картина в компании до пятидесяти человек. Договоры хранятся в папках на сетевом диске и в личных ноутбуках, входящие письма в почте у трёх разных людей, сканы в мессенджерах, реестр ведётся в таблице, которую обновляют не всегда.
Соблазн большой — поставить ИИ и получить порядок. Так не работает. ИИ усиливает существующий процесс, а не создаёт его. Если документы лежат в пяти местах, ИИ будет отвечать на вопросы по тем документам, которые ему дали, и уверенно молчать о тех, которых не видел. Это опаснее отсутствия ИИ, потому что появляется ложное ощущение полноты.
Правильный порядок на этом сценарии такой.
- Соберите документы в одно хранилище. Пока без автоматизации, достаточно единой структуры папок с понятными правилами именования и одним ответственным за соблюдение.
- Опишите фактический путь трёх самых частых типов документов. Договор, счёт, входящее письмо. Именно фактический, а не тот, который должен быть по регламенту. Где документ появляется, кто его видит, кто согласует, где он оказывается в итоге.
- Посчитайте объёмы. Сколько документов каждого типа проходит в месяц и сколько времени тратится на обработку одного. Эти цифры понадобятся позже для оценки результата.
- Возьмите универсальный ИИ-ассистент и начните использовать его точечно, без интеграций. Проверка договоров, подготовка типовых писем, вытаскивание данных из сканов вручную. Этот этап стоит почти ничего и даёт понимание, где ИИ реально помогает в вашей специфике.
- Через два-три месяца такой работы вы будете знать, какие задачи стоит автоматизировать по-настоящему. Только тогда имеет смысл смотреть на системы документооборота с модулями ИИ.
Компания, которая сначала навела порядок в хранении и описала маршруты документов, а потом внедрила ИИ, получает результат быстрее и дешевле, чем компания, которая начала с технологии и пытается подогнать под неё хаос.
Отдельно про бюджет на этом сценарии. Первые месяцы расходы измеряются стоимостью подписок на ИИ-ассистенты для двух-трёх человек. Это сопоставимо с несколькими часами работы юриста и не требует согласования крупных затрат, что сильно упрощает запуск.
Если СЭД уже работает
Здесь ситуация удобнее. Документы собраны, маршруты описаны, история согласований хранится. Появляется главный ресурс для ИИ — массив размеченных примеров. Система знает, какой документ к какому типу относился, кому он уходил и сколько времени занимало согласование.
Порядок действий меняется.
- Выгрузите статистику за последний год. Сколько документов каждого типа, какие этапы маршрута занимают больше всего времени, где документы чаще всего возвращаются на доработку.
- Выберите один узкий участок с наибольшими потерями времени. Чаще всего это регистрация входящих, заполнение карточки документа или первичная проверка договора перед отправкой юристу.
- Уточните у поставщика системы, какие модули искусственного интеллекта уже доступны в вашей версии. Довольно часто распознавание и автозаполнение карточки есть, но не включены, потому что их никто не запрашивал при внедрении.
- Запустите пилот на одном участке и одном подразделении. Срок от четырёх до восьми недель. Обязательно с параллельной ручной проверкой, чтобы видеть расхождения.
- Соберите список ошибок ИИ за время пилота и разберите причины. Часть ошибок уйдёт настройкой, часть — изменением шаблонов документов, часть останется, и под неё нужно оставить ручной контроль.
- Масштабируйте на следующий участок только после того, как первый работает стабильно месяц без ежедневного вмешательства.
Про шаблоны стоит сказать подробнее, потому что этот пункт почти всегда недооценивают. Если ваши внутренние документы оформляются по-разному в разных отделах, ИИ будет извлекать данные с разной точностью. Привести шаблоны к единому виду обычно дешевле и быстрее, чем дообучать модель под каждый вариант оформления. Иногда правка десяти шаблонов поднимает точность автозаполнения сильнее, чем смена поставщика ИИ.
Как оценить результат: метрики и сроки
Оценка по ощущениям не работает. Через три месяца после внедрения сотрудники скажут, что стало удобнее, или скажут, что система мешает, и обе оценки будут искренними и бесполезными для решения о масштабировании. Нужны цифры, снятые до запуска.
| Метрика | Как измерять | Ориентир после внедрения |
|---|---|---|
| Время регистрации входящего документа | От поступления до появления заполненной карточки в системе | Сокращение в три-пять раз на типовых документах |
| Доля карточек, заполненных без правок человеком | Количество документов, где данные извлечены верно полностью | От семидесяти процентов на стандартизированных формах |
| Срок согласования договора | Календарные дни от создания до подписания | Сокращение на двадцать-сорок процентов |
| Возвраты на доработку | Доля документов, вернувшихся с этапа согласования | Снижение заметно уже на втором месяце |
| Время поиска документа в архиве | Замер на десяти типовых запросах до и после | Минуты вместо часов при семантическом поиске |
| Ошибки в реквизитах | Количество исправлений после регистрации за месяц | Снижение, но не до нуля |
Про сроки реалистичные ожидания такие. Первый измеримый эффект на узком участке появляется через четыре-шесть недель. Устойчивый результат по подразделению через три-четыре месяца. Полная окупаемость интегрированного решения в компании среднего размера обычно наступает на горизонте от девяти месяцев до двух лет, и зависит она больше от объёма документов, чем от качества технологии.
Есть одна метрика, которую почти никто не считает, хотя она самая честная. Количество часов, которые делопроизводитель стал тратить на работу, требующую решений, а не на перенос данных из одного места в другое. Эту цифру получают простым недельным хронометражем до запуска и через три месяца после. Если доля осмысленной работы не выросла, значит ИИ просто переложил рутину на другой участок, и внедрение нужно пересматривать.
Ограничения ИИ и риски для документов
Любой текст про автоматизацию документооборота рано или поздно доходит до раздела про риски, и обычно он написан формально. Между тем именно здесь лежит разница между внедрением, которое работает годами, и внедрением, которое тихо сворачивают после первого серьёзного инцидента. Ограничения ИИ не случайны и не исчезнут со следующей версией модели. Они вытекают из того, как эта технология устроена.
Языковая модель предсказывает наиболее вероятное продолжение текста. Она не проверяет факты, не сверяется с реестром и не знает, когда ошибается. Для делопроизводства это означает одну вещь. Чем ближе задача к механическому преобразованию данных, тем надёжнее результат. Чем ближе к правовой оценке, тем больше требуется человеческого контроля.
Галлюцинации и ссылки на несуществующие нормы
Галлюцинация — это уверенно сформулированное утверждение, которое не соответствует действительности. В работе с документами она проявляется в нескольких узнаваемых формах.
- Ссылка на статью закона, которой нет, либо есть, но говорит она о другом. Номер выглядит правдоподобно, формулировка складная, проверить хочется не всегда.
- Ссылка на пункт договора, которого в документе нет. Модель видит, что обычно такой пункт идёт седьмым, и называет седьмой.
- Пересказ условия, которое в тексте сформулировано иначе. Смысл смещается на пятнадцать процентов, и именно в этих пятнадцати процентах оказывается ответственность сторон.
- Дописывание отсутствующего условия по шаблону. Самый коварный вариант, потому что ответ выглядит полным и не вызывает подозрений.
- Устаревшая норма. Модель обучена на текстах прошлых лет и не знает об изменениях, вступивших в силу недавно.
Механика защиты строится не на доверии к модели, а на процедуре. Три приёма закрывают большую часть случаев.
- Требуйте прямую цитату с номером пункта для каждого утверждения о содержании документа. Если модель не может подтвердить находку фрагментом текста, находки нет.
- Не принимайте ссылки на законодательство от ИИ-ассистента без проверки в правовой базе. Нормативные ссылки проверяются в справочно-правовой системе, и это занимает минуту.
- Загружайте нужный нормативный акт или внутренний регламент в контекст вместе с документом. Когда у модели есть текст перед глазами, она опирается на него, а не на память.
Полезнее относиться к ответу ИИ как к черновику коллеги, который прочитал документ быстро и внимательно, но подпись под выводом ставить не будет.
Отдельно про то, как распознать галлюцинацию без полной перепроверки. Настораживать должны ответы без цитат, одинаково гладкие формулировки по всем пунктам сразу, точные числа и даты, появившиеся там, где в документе их не было, и слишком ровный список ровно из десяти рисков. Реальная проверка документа всегда даёт неровный результат, где по одним пунктам есть конкретика, а по другим пусто.
Персональные данные и внешние ИИ-чаты
Второй класс рисков не технологический, а юридический и организационный. Загрузка документа в облачный сервис — это передача данных третьему лицу, и для персональных данных у такой передачи есть правила.
Что реально происходит, когда сотрудник вставляет текст трудового договора в браузерный ИИ-чат. Данные уходят на серверы оператора сервиса, часто за пределами России. Они могут храниться в истории диалогов, использоваться для улучшения модели, оказаться доступны при утечке на стороне поставщика. Сотрудник при этом не нарушает ничего намеренно, он просто быстрее выполняет работу.
Категории информации, с которыми во внешние сервисы лучше не ходить вообще.
- Персональные данные работников и контрагентов-физлиц, включая паспортные данные, адреса, сведения о здоровье и зарплате.
- Банковские реквизиты и платёжные документы.
- Документы под режимом коммерческой тайны, если он введён в компании приказом.
- Материалы по незавершённым сделкам и переговорам, где утечка меняет позицию.
- Сведения, составляющие государственную тайну или относящиеся к государственным контрактам с ограничениями.
Рабочих решений три, и они не исключают друг друга. Первое и самое дешёвое — обезличивание до загрузки. Фамилии заменяются обозначениями сторон, суммы округляются или заменяются условными, реквизиты убираются. Для проверки структуры договора конкретные имена не нужны вовсе, модель работает с конструкцией текста.
Второе — корпоративные версии сервисов с договором об обработке данных и отключённым обучением на пользовательском контенте. Это нормальный путь для средней компании, но требует проверки условий соглашения, а не доверия маркетинговому описанию.
Третье — размещение модели внутри своей инфраструктуры или использование российских решений, где данные не покидают контур. Дороже и медленнее, зато вопрос о передаче третьим лицам снимается полностью. Для документов с персональными данными в больших объёмах это часто единственный приемлемый вариант.
Независимо от выбранного пути нужен внутренний документ, который прямо отвечает на вопрос, что можно загружать и куда. Без такого документа решение принимает каждый сотрудник самостоятельно, исходя из удобства, и предсказать результат невозможно.
Кто отвечает за итоговый документ
Здесь всё проще, чем кажется, и жёстче, чем хотелось бы. Ответственность несёт человек, который подписал документ, и организация, от имени которой он подписан. Ссылка на то, что текст подготовил или проверил искусственный интеллект, не имеет правового значения ни в споре с контрагентом, ни при проверке контролирующим органом.
Отсюда вытекают организационные следствия, которые стоит закрепить письменно.
- За каждым типом документов закреплён сотрудник, отвечающий за итоговую версию, независимо от степени автоматизации подготовки.
- Документы с правовыми последствиями проходят человеческую проверку перед подписанием всегда, без исключений для типовых форм.
- В системе остаётся след о том, какая часть документа подготовлена автоматически. Это нужно не для наказания, а для разбора ошибок.
- Сотруднику не вменяется в вину ошибка ИИ, обнаруженная при проверке. Вменяется пропуск такой ошибки дальше по маршруту.
Последний пункт важнее остальных с точки зрения культуры работы. Если за найденную ошибку автоматизации сотрудника ругают, он перестанет сообщать о них, и качество настройки остановится на уровне первого месяца.
Типичные ошибки при внедрении
Набор ошибок на удивление устойчив и почти не зависит от размера компании и отрасли. Ниже те, что встречаются чаще всего, вместе с тем, во что они обходятся на практике.
- Автоматизация беспорядка. ИИ накладывают на процесс, который не описан и работает по-разному у разных людей. Результат получается непредсказуемым, и виноватой считают технологию.
- Запуск сразу на всех участках. Вместо одного пилота с измеримым результатом компания переводит на ИИ весь документооборот и получает десять мелких проблем одновременно, в которых невозможно разобраться.
- Отсутствие замеров до старта. Через три месяца никто не может сказать, стало лучше или нет, потому что не зафиксировали исходную точку.
- Отмена ручной проверки на второй неделе. Система отработала четырнадцать дней без ошибок, контроль сняли, первая серьёзная ошибка ушла к контрагенту.
- Ставка на универсальный ИИ-чат там, где нужен поток. Ручная загрузка файлов на двести документов в день превращается в отдельную работу, которая съедает всю экономию.
- Покупка тяжёлой интегрированной системы под небольшой объём. Стоимость владения не окупается при двадцати документах в неделю, и проект закрывают через год.
- Игнорирование шаблонов. Пытаются поднять точность извлечения данных настройками модели, тогда как причина в семи разных формах акта, которые ходят по компании.
- Отсутствие владельца процесса. Внедрение поручено всем понемногу, конкретного человека с ответственностью и полномочиями нет, решения не принимаются.
- Молчаливое внедрение. Сотрудникам не объяснили, зачем это, и они разумно подозревают сокращения. Саботаж в такой ситуации выглядит как низкая вовлечённость.
- Оценка только по экономии часов. Сокращение ошибок, снижение срока согласования и предсказуемость сроков дают бизнесу иногда больше, чем высвобожденное время.
Есть ещё одна ошибка, которая стоит отдельного упоминания, потому что о ней почти не говорят. Это внедрение ради строчки в отчёте. Когда задача формулируется как использовать искусственный интеллект, а не как сократить время обработки входящих, проект получает бюджет, проходит все этапы и заканчивается презентацией. Процессы при этом остаются прежними. Отличить такую историю от настоящей легко по одному признаку. В настоящей есть цифра до и цифра после.
Что остаётся за делопроизводителем
Вопрос о замене сотрудника задают постоянно, и ответ на него не зависит от оптимизма. Профессия меняет содержание, но не исчезает, потому что часть работы с документами не сводится к обработке текста.
ИИ забирает операции, где есть явное правило и нет необходимости в решении. Остаётся то, что требует понимания контекста, ответственности и взаимодействия с людьми.
- Решения в неоднозначных ситуациях. Документ пришёл не по форме, срок истекает сегодня, подписант в отпуске. Такие случаи не описываются правилом заранее.
- Работа с людьми. Напомнить, договориться об ускорении согласования, объяснить руководителю, почему документ нельзя подписать в этой редакции.
- Контроль качества автоматизации. Кто-то должен замечать, что система стала чаще ошибаться на новом типе счетов, и инициировать настройку.
- Знание специфики компании. Какой контрагент требует особого внимания, какие условия в прошлом приводили к спорам, где исторически возникают задержки.
- Юридическая значимость. Подпись, печать, соблюдение сроков хранения, подготовка документов к проверке или суду. Здесь нужен человек с полномочиями.
- Постановка задач автоматизации. Формулировка критериев проверки, обновление шаблонов, описание маршрутов. Эту работу делает тот, кто знает процесс изнутри.
Практический сдвиг, который происходит в работе делопроизводителя, выглядит так. Меньше переноса данных из одного окна в другое, больше контроля, согласования и разбора нестандартных случаев. Нагрузка не падает автоматически, но её структура становится осмысленнее, а количество механических ошибок снижается.
Опыт компаний, которые прошли внедрение целиком, сходится в одном. Сильнее всего выигрывает не тот делопроизводитель, которого заменили, а тот, кто научился ставить задачи системе и проверять её результат.
Частые вопросы
С чего начать, если бюджета на внедрение нет
С подписки на один ИИ-ассистент для двух-трёх сотрудников и обезличенных документов. Этого достаточно, чтобы проверять договоры по трёхпроходной схеме, готовить типовые письма и извлекать данные из сканов вручную. Расходы сопоставимы с несколькими часами работы специалиста, а понимание того, где ИИ полезен именно в вашей специфике, появляется за месяц.
Можно ли доверить ИИ проверку договора без юриста
Можно использовать для сокращения объёма работы и предварительного отбора проблемных мест. Нельзя использовать как замену юридическому заключению по сделке с существенной суммой или нетиповыми условиями. Разумная граница проходит по цене ошибки. Если потенциальные потери превышают стоимость консультации юриста, консультация нужна.
Насколько точно ИИ распознаёт сканы
На чистых машинных сканах стандартных форм точность высокая и ручная правка требуется редко. На фотографиях со смартфона, документах с печатями поверх текста, рукописных пометках и старых блеклых копиях точность падает ощутимо. Самый дешёвый способ поднять результат — улучшить входящий материал, то есть договориться о получении документов в электронном виде и задать требования к качеству сканирования.
Чем ИИ отличается от обычной автоматизации документооборота
Обычная автоматизация работает по заданным правилам и выполняет их буквально. ИИ работает с неструктурированным текстом и справляется с вариативностью, для которой правило не напишешь. Счёт от нового поставщика с незнакомым макетом традиционный шаблон не разберёт, а модель извлечёт данные по смыслу. Платой за эту гибкость становится отсутствие гарантии, поэтому в рабочих системах оба подхода сочетают.
Нужно ли обучать модель на своих документах
В большинстве случаев нет. Современные модели справляются с типовыми задачами делопроизводства без дообучения, если им правильно поставить задачу и дать нужный контекст. Дообучение имеет смысл при больших объёмах узкоспециализированных документов со своей терминологией и при наличии размеченного массива примеров. Для компании, обрабатывающей сотню документов в месяц, выгоднее поработать над формулировками запросов и шаблонами.
Сколько времени занимает внедрение
Точечное использование ИИ-ассистентов запускается за несколько дней. Пилот на одном участке в существующей системе документооборота занимает от четырёх до восьми недель. Устойчивая работа по подразделению выходит на три-четыре месяца. Полноценная перестройка документооборота в компании с несколькими сотнями сотрудников растягивается на год и больше, причём основное время уходит на согласование процессов, а не на техническую часть.
Что делать, если сотрудники сопротивляются
Начать с честного разговора о целях. Сопротивление почти всегда вызвано ожиданием сокращений, и общие слова о развитии его не снимают. Работает другое. Покажите на конкретных операциях, что именно уходит из ежедневной работы, оставьте за сотрудниками контроль результата и дайте возможность сообщать об ошибках системы без последствий. Делопроизводитель, который участвует в настройке и видит, что его замечания учитывают, становится главным союзником внедрения.
Останется ли документооборот под контролем при проверке
При условии, что сохранены исходные документы, история версий и сведения о подписантах. Автоматическая подготовка документа не меняет требований к его хранению и юридической силе. Практическое правило простое. Всё, что требовалось хранить и подтверждать до внедрения ИИ, требуется хранить и подтверждать после, и система должна это обеспечивать, а не усложнять.
Искусственный интеллект в делопроизводстве не меняет суть работы с документами. Он убирает ту её часть, которая никогда не требовала человека, и возвращает время на решения, которые без человека принять нельзя.
