elem elem elem
Автоматизация

Как ИИ распознаёт входящие документы и создаёт готовые карточки в 1С

  • 12 августа 2026
  • 5 мин.
  • 68 просмотров

Проблема и что мы сделали

Договоры, счета, акты и накладные приходили пачкой — почтой, сканами, из мессенджеров. Дальше начиналась ручная работа: открыть файл, понять тип, перебить реквизиты, завести карточку в 1С или СЭД, отправить по маршруту.

Мы разработали систему, которая делает этот контур сама:  определяет тип документа, извлекает данные, проверяет обязательные поля, создаёт карточку и направляет документ на согласование.

Если данные спорные или поля не бьются — подключается человек.

Как было: файл есть, карточки ещё нет

В компании поток входящих документов не останавливается. Юридически и финансово значимые файлы приходят вперемешку: договор с одной стороны, счёт с другой, акт и накладная — следом. Каналы тоже разные. Кто-то шлёт на почту, кто-то скидывает скан, кто-то кидает файл в мессенджер.

Пока документ «просто лежит» в письме или чате, в 1С и СЭД его ещё нет. Сотрудник открывает вложение, читает, вручную переносит контрагента, суммы, даты, номера. Потом создаёт карточку и только после этого запускает согласование. На объёме это съедает часы и даёт ошибки: цифра не та, поле пустое, тип документа определён на глаз, маршрут стартовал с дырявой карточкой.

Нужна была система обработки входящих документов, а не очередная папка «разобрать».

Как стало: от файла до карточки и маршрута

Документ попадает в контур из почты, скана или мессенджера. Система определяет, что это — договор, счёт, акт или накладная. Достаёт реквизиты, проверяет обязательные поля. Если всё сходится — создаёт карточку в 1С или СЭД и отправляет документ по маршруту согласования. Если есть ошибка или спорные данные — карточка не «пролетает» молча: кейс уходит на ручную проверку.

Для команды это другой день. Вместо перебивки полей — контроль исключений и согласование уже заведённых документов.

Что разработали

  • Единый контур приёма. Собрали обработку входящих из трёх каналов: почта, сканы, мессенджеры. Файлы не живут в трёх разных очередях с тремя разными привычками — попадают в одну систему распознавания.
  • Распознавание типа документа. ИИ отделяет договор от счёта, акта и накладной. От типа зависят и набор полей, и то, какая карточка нужна дальше, и какой маршрут запускать. Без этого шага автоматизация быстро превращается в свалку «всё подряд в одну форму».
  • Извлечение реквизитов. Система вытаскивает из документа данные, которые раньше переносили руками: контрагент, номера, даты, суммы и другие обязательные реквизиты под тип. Цель — готовая основа карточки, а не сырой текст распознавания без структуры.
  • Проверка обязательных полей. Перед созданием карточки модуль сверяет, всё ли на месте для этого типа документа. Пустое критичное поле или явный конфликт данных — стоп-сигнал, а не слепая запись в 1С.
  • Создание карточки в 1С или СЭД. Если проверка пройдена, система сама заводит карточку в нужном контуре учёта/документооборота. Документ перестаёт быть вложением в почте и становится объектом, с которым уже можно работать по процессу компании.
  • Направление по маршруту согласования. После создания карточки документ уходит по маршруту: не ждёт, пока сотрудник вспомнит «надо согласовать». Маршрут стартует из того же контура, что и распознавание.
  • Ручная проверка для ошибок и спорных данных. Отдельный контур исключений: нераспознанный фрагмент, сомнительный реквизит, неполная обязательная часть. Человек проверяет и правит, автоматика не делает вид, что всё идеально. Так сохраняется скорость на типовых документах и контроль на рискованных.

Где система не должна «договаривать»

Документы бывают кривыми: плохой скан, обрезанные поля, нестандартная форма, расхождение в реквизитах. Здесь хуже всего ложная уверенность. Поэтому спорное не маскируется под успех: кейс уходит на ручную проверку, а в 1С/СЭД не создаётся «почти правильная» карточка, которую потом сложно откатить по согласованию.

Вторая граница — тип документа. Ошибка на этом шаге тянет за собой неверные поля и неверный маршрут. Логика завязана на уверенном определении типа и на правилах обязательных полей именно для него.

„

Документы приходили из почты, сканов и мессенджеров — дальше шла ручная перебивка в 1С. Мы собрали контур: определение типа, извлечение реквизитов, проверка обязательных полей, создание карточки и маршрут согласования. Спорные данные сознательно уводим на ручную проверку — ложная уверенность здесь хуже, чем медленный разбор одного файла.

„
Максим Котенков Максим, Руководитель проектов NeuroB2B
БылоСтало
Документы из почты, сканов и мессенджеров разбирали вручнуюЕдиная система забирает все три канала
Тип и реквизиты определяли глазамиИИ распознаёт тип и извлекает данные
Карточку в 1С/СЭД создавали рукамиКарточка создаётся автоматически после проверки полей
Согласование запускали отдельноДокумент сразу уходит по маршруту
Ошибки находили поздно, уже в карточкеСпорные данные уходят на ручную проверку до «тихого» успеха

Что вышло в результате

Компания получила систему, которая превращает входящий файл в готовую карточку в 1С или СЭД и запускает согласование. ИИ определяет тип документа — договор, счёт, акт, накладная — извлекает реквизиты, проверяет обязательные поля и только потом пишет в учётный контур.

Типовой поток больше не держится на ручной перебивке. Люди подключаются там, где нужна проверка: ошибки, спорные данные, нестандартные формы. Документооборот ускоряется не ценой слепой загрузки в 1С, а за счёт автоматики на чистых кейсах и контроля на сомнительных.

Поделиться

Другие кейсы

Автоматизация Продажи
Как ИИ-администратор связал бронирования, доставку и iiko

Разработали ресторанного ИИ-ассистента для сайта, мессенджеров и телефонной линии: принимает бронирования, отвечает по меню, оформляет доставку и передаёт данные в iiko или ресторанную CRM.

Автоматизация Продажи
Как в мобильном приложении одежды ИИ собирает персональную подборку под задачу пользователя

В мобильном приложении покупки одежды разработали ИИ-подбор товаров. Система собирает персональные рекомендации по истории действий, бюджету, предпочтениям и текущей задаче пользователя.

RAG Автоматизация
Как единый ИИ-контур автоматизировал подбор, онбординг и кадровые запросы

Разработали единый ИИ-контур для нескольких HR-процессов: скрининг резюме, онбординг новичка, ответы сотрудникам по базе знаний, кадровые документы и маршрутизация запросов.

Автоматизация
Как ИИ обрабатывает транспортные заявки и строит маршруты в TMS

Разработали систему, которая забирает транспортные заявки из почты, форм и мессенджеров, извлекает адреса, груз и сроки, считает маршрут и стоимость и создаёт заказ в TMS или 1С.

Автоматизация Контент-завод Продажи
Cвязали каталог, умный поиск и поддержку интернет-магазина

Разработали единый AI-контур, синхронизированный с 1С и «МойСклад»: генерирует карточки товаров, приводит характеристики к одному формату, ищет по смыслу и помогает купить.

Автоматизация Продажи
Как мы через ИИ автоматизировали заполнение CRM, скоринг лидов и задачи менеджеров

Разработали модуль, который анализирует звонки, переписку и заявки, извлекает данные клиента и автоматически заполняет карточки в CRM — со скорингом, этапами воронки и задачами менеджерам.

RAG Автоматизация
Как ИИ-бот стал первой линии поддержки и связал обращения клиентов с helpdesk

Разработали омниканального бота для сайта и мессенджеров на документации и базе знаний компании. Он закрывает типовые вопросы, проверяет статус заказа в CRM и создаёт тикеты в helpdesk.

Автоматизация
Как ИИ-рекрутер автоматизировал отбор и первичное интервью кандидатов

Разработали HR-агента, который собирает отклики с hh.ru и почты, анализирует резюме по требованиям вакансии, ранжирует кандидатов и проводит первичное интервью в чате или по видео.

Автоматизация Продажи
Как мы разработали голосового ИИ-агента, который сам ведёт звонки, квалифицирует клиентов и пишет итог в CRM

Разработали голосового агента и связали его с телефонией и CRM. Он распознаёт речь, ищет ответы в базе знаний, озвучивает их, квалифицирует клиента и пишет итог в карточку.