Обзор проекта
Автоматизированный пайплайн обработки документов: прием заявок на обслуживание, извлечение структурированных данных через ИИ и маршрутизация контрольных точек одобрения людям.
Инженерная задача
Операционный персонал тратил 15+ часов в неделю на ручное извлечение табличных данных, номеров заказов и спецификаций из PDF и email поставщиков — узкие места ввода и избегаемые ошибки транскрипции.
- Требование высокой точности: автоматическое извлечение должно быть проверено персоналом перед финансовыми действиями.
- Должен обрабатывать разные форматы PDF и неструктурированные сканы.
- Конфиденциальность данных: информация клиентов должна быть изолирована и никогда не использоваться для обучения публичных моделей.
Подход к инженерии и архитектуре
Мы внедрили асинхронный событийный слой автоматизации: детерминированный оптический разбор и семантическое извлечение на LLM. Поля оцениваются по уверенности и показываются в side-by-side human review drawer до синхронизации в целевые системы.
автоматический разбор webhook и email с извлечением текста из PDF.
разбор структурированного вывода LLM по схеме с флагами уверенности на уровне полей.
упрощенный UI с подсветкой полей низкой уверенности для мгновенной проверки в 1 клик.
устойчивые queue-воркеры, отправляющие проверенные данные в ERP и CRM.
Ключевые инженерные решения
Включены триггеры человеческой проверки для любого документа с уровнем уверенности ниже 98%.
Очередь Redis с dead-letter retry — ноль потерянных документов при пиках объема.
Сохранены все исходные документы и телеметрия извлечения для прозрачного audit-соответствия.
Проверенные результаты
Часы ручной транскрипции превращены в быстрые секунды проверки.
Ошибки ввода почти обнулены за счет двойной автоматической и человеческой валидации.
Сохранена изоляция корпоративных данных без обучения публичных моделей.