AI-система обработки входящих документов для юридической фирмы
Клиент: Топовая юридическая фирма (150+ юристов)
Задача
Юридическая фирма обрабатывала 500+ входящих документов в день: контракты, претензии, исковые заявления, приказы, акты, счёты-фактуры. Каждый документ требовал: ручного распознавания текста с фото/скана, классификации по типам, извлечения ключевых данных (стороны, реквизиты, суммы, сроки, статусы), проверки полноты информации и занесения в CRM. На эту работу команда из 3 специалистов тратила 30–40 минут на документ, что составляло 2400+ часов в год. При ошибках (пропуск суммы, неправильная дата) возникали проблемы при работе с делом.
Решение
Разработали интеллектуальную систему обработки на основе Computer Vision и Natural Language Processing. Система: сканирует документ (PDF, JPG, TIFF), распознаёт текст с помощью Tesseract + OpenCV для обработки низкокачественных фото, классифицирует тип документа с помощью нейросети TensorFlow (обучена на 10 тыс. внутренних документов), по типу применяет специализированный шаблон для извлечения данных (NLP), валидирует извлечённые данные против регулярных выражений и правил, автоматически вносит данные в CRM через FastAPI. На сложные случаи (новые форматы, низкое качество, противоречия) система ставит флаг и маршрутизирует на ручную проверку юристу с пред-заполненными полями, ускоряя проверку в 5 раз.
Результаты
Метрики которых достигли благодаря реализации проекта
Технологии
Продолжительность проекта
4 месяца
Размер команды
5 специалистов
Отрасль
Сервисные компании и B2B-услуги
Услуги
AI/ML, Document Processing, NLP, Backend Development, Integration
"Первый месяц тестировали осторожно, боялись погубить дела неправильно распознанными данными. Но система оказалась точнее, чем люди, которые устают и ошибаются. Теперь наши 3 специалиста работают с крупными контрактами и спорными делами — те, которые приносят реальный доход. За 2 года выручка выросла на 350 млн руб."
Сергей Петров
Управляющий партнёр
Похожая задача?
Расскажите о вашем проекте — поможем реализовать результаты как в этом кейсе
Обсудить проект