Агентство «Спираль», которое четыре года продвигает бизнес в мессенджерах, к 2026 году накопило 22 200 файлов — договоры, акты, счета, скриншоты выписок, разбросанные по чатам и папкам менеджеров.
Чтобы собрать информацию по одной сделке, сотрудник тратил полчаса. За месяц набегало несколько рабочих дней.
Они построили конвейер из ИИ-агентов и за три недели превратили эту свалку в базу из 7 824 сделок. Поиск по сделке стал занимать минуту-две. Попутно нашлись около тридцати неучтённых оплат на 300 тысяч рублей — деньги, которые компания просто потеряла в переписке.
Потратили на всё около 30 тысяч рублей. Историю разобрали «Секреты» Т-Банка в июле 2026 года, с подробностями устройства — редкий случай, когда такой рассказ не выглядит рекламным буклетом.
Ключевое здесь не цифры, а то, что это не покупка сервиса. Это сборка. И решение, покупать или собирать, — главная развилка в теме.
Как нейросеть вообще читает документ
Без этого механизма непонятно, откуда берутся все ограничения дальше.
Модель не открывает файл, как открываете вы. Путь документа до ответа состоит из трёх шагов.
Первый — превратить документ в текст. С файлом Word всё просто. Со сканом или фотографией накладной сначала работает распознавание: программа переводит картинку в буквы. Здесь и появляется первый источник ошибок — смазанная печать, приписка от руки на полях, таблица со склеенными ячейками. Что распознавание не разобрало, того для нейросети просто нет.
Второй — нарезать текст на фрагменты. Целиком стостраничный договор в модель не помещается: у неё ограниченное окно внимания. Поэтому текст режут на куски по несколько абзацев, и каждый кусок превращают в набор чисел — так систему учат находить фрагменты по смыслу, а не по совпадению слов. Запрос «кто отвечает за просрочку» найдёт пункт про неустойку, даже если слова «просрочка» там нет.
Третий — собрать ответ. Система находит несколько подходящих кусков, отдаёт их нейросети вместе с вопросом, и та формулирует ответ. У этой схемы есть название — RAG, «поиск плюс ответ по найденному». Запомнить его стоит: именно это словосочетание вам скажут в любой студии разработки, когда вы попросите «чтобы нейросеть знала наши документы».
Отсюда сразу видно главную уязвимость. Если нужный пункт при нарезке разъехался на два куска и в ответ попал только один — модель ответит уверенно и неполно. Не «не знаю», а красиво и мимо.
Теперь по уровням решений — их три, и они отличаются на два порядка по цене.
Уровень первый: вкладка в браузере
Загрузить документ в чат и задать вопрос. Алиса, GigaChat, ChatGPT, Claude, NotebookLM — все умеют.
Работает это лучше, чем принято думать, для задач вида «пересказать», «найти в договоре пункт про», «сравнить две версии», «сделать выжимку из отчёта на двадцать страниц». Стоит ноль или пару сотен рублей в месяц.
Отдельно выделю NotebookLM от Google: он отвечает только по загруженным файлам и не подмешивает то, что запомнил при обучении. Для работы с документами это важнее красивого интерфейса.
Где этот уровень заканчивается — там, где документов становится много. Загружать по одному пятьсот накладных в месяц никто не будет. И там, где документы содержат персональные данные или коммерческую тайну: загрузка договора в чужое облако — это передача данных третьей стороне со всеми вытекающими по 152-ФЗ.
Уровень второй: готовый отраслевой сервис
Между вкладкой и своей разработкой есть середина — сервис, заточенный под конкретную профессию.
Пример свежий и показательный: Яндекс Нейроюрист. Отвечает на правовые вопросы со ссылками на судебную практику, работает с двумя десятками форматов, в один проект можно загрузить до 999 файлов. Подписка — от 5 тысяч рублей в месяц, попробовать месяц можно за рубль. Яндекс заявляет, что сервис закрывает около 40% работы юриста — это оценка самой компании, продающей продукт, и относиться к ней стоит соответственно.
Логика уровня простая: вы платите за то, что кто-то уже загрузил в систему нормативную базу, настроил поиск и проверил его на профильных задачах. Своими силами это месяцы.
Ограничение тоже простое. Отраслевой сервис знает право, бухгалтерию или закупки — но не знает вашу компанию. Ваши регламенты, ваших контрагентов, вашу папку с четырьмя годами переписки он не видел.
Ровно с этого места начинается третий уровень.
Уровень третий: свой конвейер на своих документах
Здесь живёт кейс «Спирали», и здесь же — почти все проекты, которые мы делаем.
Смысл в том, что документы обрабатываются не по одному человеком, а потоком, автоматически: система принимает файл, определяет его тип, вытаскивает нужные поля, проверяет их и кладёт в учётную систему. Человек подключается только там, где система засомневалась.
Как это выглядит в цифрах на крупном масштабе — кейс МТС Финтех, который разбирает Инфомаксимум, разработчик платформы Proceset, на которой всё и построено. То есть цифры показывает тот, кто продаёт инструмент, — учитывайте это. Обработка документа ускорилась примерно в 15 раз, до одной-двух минут, точность распознавания — 86%.
Вот на этих 86% я и предлагаю задержаться, потому что это самая честная цифра во всей статье. Она означает, что каждый седьмой документ всё равно уходит человеку. Правильно построенная система не делает вид, что справилась со всеми, — она помечает те, где не уверена, и отдаёт их дальше. Проекты, которые обещают сто процентов, обычно просто не показывают, где ошиблись.
Что здесь принципиально другое по сравнению с первыми двумя уровнями — данные не покидают ваш контур, если система развёрнута на вашем железе. Про то, какие российские модели можно поставить локально и что для этого нужно, я разбирал отдельно, когда писал про российские нейросети: у бесплатных A-Vibe и T-Pro плата за объём нулевая, а расплата — сервер с видеокартами и человек, который его обслуживает.
Цена входа при этом не такая страшная, как принято думать. «Спираль» уложилась в 30 тысяч рублей и три недели — потому что задача была узкая и понятная: разобрать конкретный архив, а не «внедрить ИИ в документооборот».
Где это ломается
Три места, о которых редко пишут в подборках сервисов.
Числа. Это самая опасная зона. Модель уверенно переносит сумму из соседней строки таблицы и не подаёт никакого сигнала. Если работаете с суммами, реквизитами, сроками — нужна отдельная проверка на этапе после извлечения: сверка с базой, контрольные суммы, правило «две цифры не сходятся — на ручной разбор». В кейсе «Спирали» ровно для этого в конвейере стоял отдельный агент-контролёр.
Качество бумаг на входе. Помятый скан, печать поверх текста, таблица на две страницы — тут ошибается распознавание, а не нейросеть, и заменой модели это не лечится. Часто дешевле навести порядок на входе, чем усложнять разбор на выходе.
Персональные данные. Паспорта, договоры с физлицами, медицинские документы в чужом облаке — это вопрос не удобства, а закона. Именно поэтому в таких проектах локальное развёртывание не блажь безопасников, а условие задачи.
Как выбрать уровень за пять минут
Считается по двум числам: сколько документов в месяц и сколько стоит ошибка.
До сотни документов в месяц и ошибка стоит недорого — вкладка в браузере, и не тратьте время на большее. Профильная работа с типовой базой знаний — отраслевой сервис за несколько тысяч в месяц. Сотни документов в месяц, ваши внутренние данные, цена ошибки в деньгах — свой конвейер.
И главный вопрос, который я задаю первым на любой встрече по такому проекту: сколько времени займёт проверить результат? Если проверка ответа занимает столько же, сколько ручная работа с документом, автоматизировать нечего — это то же правило, по которому считается вся экономия от нейросетей в работе.
У «Спирали» проверка была дешёвой: сделка либо собралась, либо нет, это видно сразу. Поэтому у них и получилось.