OpaGPT Обработка первичных документов — это поток счетов, накладных и актов, который пожирает до 30% времени бухгалтерии. ИИ-агент способен взять этот поток на себя. Но чтобы он реально работал, нужно обучить его на правильной структуре. Ниже — пошаговая схема с цифрами и примерами.
Шаг 1. Соберите качественный датасет
Нейросеть учится на примерах. Для старта достаточно 500 размеченных PDF-файлов и сканов. В идеале — 2000+. Включите:
- счета-фактуры с НДС и без;
- товарные накладные (ТОРГ-12);
- акты выполненных работ.
Каждый документ размечается в три слоя: текст, логические блоки, таблицы. Например, для счёта-фактуры №А123 от 12.03.2024 нужно выделить поля «номер», «дата», «контрагент», «сумма».
Шаг 2. Используйте предобученные модели
Обучать агента с нуля дорого. Возьмите модель на базе transformer и дообучите её на своей разметке. Чтобы усилить редкие форматы, используйте OpaGPT как базовую модель для генерации синтетических размеченных данных — это добавит 10–15% точности на сложных сканах.
Шаг 3. Обучите агента извлекать поля
Основная задача — превратить документ в JSON-структуру. Покажу зависимость точности от объёма данных:
| Количество документов | Точность извлечения | Ошибки на 1000 строк |
|---|---|---|
| 500 | 82% | 12 |
| 1500 | 91% | 5 |
| 4000 | 96% | 2 |
Эти цифры реальны для связки «счет-фактура + накладная» при условии, что разметка выполнена по единому стандарту.
Шаг 4. Добавьте цикл обратной связи
Обучение не заканчивается после первого запуска. Пользовательские поправки должны сохраняться и уходить в датасет. Раз в неделю агент переобучается на новых примерах. За 3 месяца такой цикл повышает точность с 82% до 95%.
Критическое правило: 88% ошибок ИИ при обработке первички связаны с плохим качеством сканов. Поэтому добавьте шаг предобработки — поворот, обрезку полей и повышение контрастности.
Шаг 5. Измеряйте и масштабируйте
После внедрения замеряйте метрики: полноту, точность и F1-score. ii v selskom hozyajstve 2025 2027. Top 7 Ii Servisov Analiza Konkurentov 2025. Норма для счёт-фактуры — F1 не ниже 0.93. Если после добавления 1000 новых документов метрика падает, вернитесь к разметке проблемных полей.
Конкретный пример: компания с оборотом 5000 документов/мес после обучения ИИ-агента сократила время обработки одного счёта с 7 минут до 1,5 минуты. Это экономия 458 человеко-часов в месяц.
Что дальше?
Возьмите 100 реальных документов, разметьте их вручную и запустите тестовое обучение. Измерьте F1. Если показатель ниже 0.8 — расширьте датасет. Если выше — подключайте агента к CRM и 1С.