Роботизация отлично справляется с повторяющимися операциями. Но что делать, если на входе не структурированная форма, а скан документа, из которого нужно извлечь смысл и данные? Мы объединили RPA, распознавание документов и языковые модели, чтобы автоматизировать и такие задачи.

Расскажем на примере официальных запросов на выписку по счету клиента. Запрос составляют на бланке, с подписью и печатью, и роботу он достается уже в виде скана. Из такого письма ему нужно извлечь ФИО, номер счета и период выписки. Сложность в том, что единого шаблона нет: каждое ведомство пишет по-своему, и нужная строчка может оказаться где угодно.

Что робот делает со сканом? 🔎
1️⃣ Распознает текст. Система интеллектуальной обработки документов превращает скан в обычный текст
2️⃣ Разбирает тему письма. Большая языковая модель (LLM) решает, просят ли тут выписку, потому что такие письма бывают про разное
3️⃣ Находит в тексте данные для выписки
4️⃣ Делает выписку. Классический RPA идет в банковские системы и нажимает кнопки вместо человека

Без проверки модель ничего не отправит
LLM иногда ошибается. В нашем случае ошибка в одной цифре номера счета означает, что выписку получит не тот человек.

Поэтому перед каждым действием робота данные проходят формально-логический контроль (ФЛК): все ли поля на месте и корректны ли они. Если нет, запрос уходит к сотруднику.

Нам такой подход нравится: модель берет на себя чтение, выписку пропускает только проверка, а все спорное уходит к сотруднику

99% запросов обходятся без людей
🔹 Это доля запросов, которые робот провел целиком сам, ни разу не позвав человека.
🔹 Точность извлечения данных: насколько верно робот распознал ФИО, номер счёта и период в письме. Модель правильно извлекает данные в 95% случаев, а ошибки выявляет ФЛК. В итоге сотруднику передают только 1% запросов.

Подобных роботов у нас в банке может собрать любой сотрудник: пройти обучение и автоматизировать свою рутину при поддержке Центра роботизации процессов.

А какую рутинную задачу вы бы передали роботу первой?