АналитДок - интеллектуальный сервис для автоматического распознавания, извлечения данных и умного поиска по сканам и фото документов.
Идея проекта:
Создание интеллектуального сервиса для автоматического распознавания, извлечения данных и умного поиска по сканам и фото документов.
Связь с НПТЛ):
Проект непосредственно связан с реализацией НПТЛ № 1 «Беспилотные авиационные системы» (в частности, с направлением п. 1.5.5 «Новые виды систем обработки изображений, распознавания и классификации объектов»).
Обоснование связи:
Разрабатываемый прототип «АналитДок» органично интегрируется в НПТЛ № 1 по профильному технологическому блоку систем технического зрения и обработки визуальной информации по следующим ключевым направлениям:
- Проект работает с физическими сканами и фото документов (ПТС, СТС). Первичный этап включает предобработку изображений: фильтрацию шумов, выравнивание, устранение затененных и перекрытых участков.
- Текстовые блоки, таблицы, печати и отдельные поля бланков выступают в роли целевых объектов. Система локализует их на изображении, классифицирует типы данных и извлекает ключевые атрибуты.
- Алгоритмы проектируются с учетом работы в неидеальных условиях (сложная компоновка, повреждения сканов, низкое разрешение), что является базовым требованием к современным системам технического зрения.
- На основе распознанных объектов строится модель естествознания и поиска сведений по запросу пользователя в свободной форме, обеспечивающая автоматизацию документооборота.
Цели проекта:
Разработать прототип интеллектуального сервиса для автоматического распознавания, структурированного извлечения данных и умного поиска по сканам и фото документов со сложной версткой
Задачи проекта:
- Подготовка данных: Сбор и разметка эталонного датасета типовых документов.
- Исследование моделей: Тестирование и адаптация современных OCR- и VLM-моделей для работы со сложными макетами и искажениями.
- Умный поиск: Внедрение NLP-модуля для обработки поисковых запросов пользователя в свободной форме.
- Оценка надежности: Проверка устойчивости системы к дефектам сканирования, шумам и перекрытиям.
- Прототипирование: Создание рабочего веб-интерфейса и демонстрация решения индустриальному партнеру.
Ожидаемые результаты:
• Сформированный и валидированный датасет типовых документов (ПТС, СТС и др.) со специфической разметкой полей.
• Протестированная и адаптированная комбинация моделей OCR и компьютерного зрения (Vision-Language Models), обеспечивающая качественное извлечение данных из бланков со сложной версткой.
- Работающий поисковый движок на базе NLP/RAG, позволяющий находить информацию по запросам пользователя в свободной форме.
- Проведенная оценка надежности алгоритмов при работе с искаженными, зашумленными или частично перекрытыми сканами.
- Работающий демонстрационный веб-интерфейс (MVP) для загрузки документов, автоматического извлечения полей и поисковых запросов, готовый к презентации заказчику.
Актуальность
Рынок интеллектуальной обработки документов растёт на 25–35% в год. В РФ — ускоренная цифровизация и импортозамещение после ухода западных вендоров, дефицит кадров в бухгалтерии/HR, ужесточение требований к хранению документов. При этом большинство МСБ до сих пор работают с бумагой и сканами вручную. Комбинация «OCR + извлечение структуры + семантический поиск + on-premise» закрывает незанятую нишу между дешёвыми OCR-библиотеками и дорогими ECM-системами.
Бизнес-модель
1. Проблема
- Ручной ввод данных из бумажных документов, сканов и фото отнимает до 30–40% рабочего времени сотрудников (бухгалтерия, HR, юристы, логистика).
- Документы теряются в папках и файловых хранилищах — найти нужный договор или счёт занимает часы.
- Существующие OCR-решения (ABBYY, Tesseract) распознают текст, но не понимают структуру документа, не индексируют смысл и не позволяют искать по содержимому.
- Облачные сервисы (Google Drive OCR, Amazon Textract) — дороги, требуют передачи конфиденциальных данных за рубеж, не адаптированы под российские форматы (ГОСТ, УПД, ТОРГ-12).
- Малый и средний бизнес не может позволить себе дорогие ECM-системы (Directum, 1С:Документооборот с OCR-модулями).
2. Сегменты потребителей
- МСБ (бухгалтерия, юристы, HR) — первичка, договоры, кадровые документы.
- Логистика и ритейл — накладные, товарные чеки, ТТН.
- Строительство и недвижимость — проектная документация, акты, сметы.
- Медицина и госучреждения — карты, заявления, справки.
- Разработчики и интеграторы — встраивание OCR+поиска в свои продукты (API).
3. Уникальное ценностное предложение
«Загрузи фото или скан — получи структурированные данные и умный поиск по смыслу за 30 секунд. Без ручного ввода. На своём сервере или в облаке РФ.»
Ключевые отличия: распознавание + извлечение структурированных полей (не просто текст) + семантический поиск + работа с российскими форматами документов + on-premise.
4. Решение
- OCR + CV-модуль: распознавание сканов, фото, PDF (включая рукописный текст, таблицы, печати).
- ML-модуль извлечения: определение типа документа и вытягивание ключевых полей (номер, дата, сумма, контрагент, ИНН).
- Семантический поиск: индексация содержимого и поиск по смыслу («найди все договоры с ООО Ромашка за 2024 год»).
- API и интеграции: 1С, CRM, ERP, файловые хранилища.
- On-premise / private cloud для конфиденциальных данных.
5. Каналы
- Прямые продажи через партнёров-интеграторов 1С и CRM.
- Контент-маркетинг (кейсы, вебинары, SEO по «распознавание документов», «OCR для бухгалтерии»).
- Telegram- и профессиональные сообщества бухгалтеров, юристов, логистов.
- API-маркетплейсы и интеграция в 1С:Совместимо.
- Участие в тендерах и госпрограммах цифровизации.
6. Потоки доходов
- SaaS-подписка: тарифы по объёму страниц/месяц (Starter, Business, Enterprise).
- On-premise лицензия + техподдержка (годовая).
- Pay-per-use для API (за страницу/документ).
- Кастомная разработка интеграций и дообучение моделей под отрасль.
- Партнёрская программа (revenue share с интеграторами).
7. Структура издержек
- Разработка и обучение ML-моделей (команда DS/ML, GPU-инфраструктура).
- Облачная инфраструктура (хранение, вычисления, API).
- Продажи и маркетинг (партнёрская сеть, контент).
- Поддержка клиентов и сопровождение on-premise.
- Юридические расходы (152-ФЗ, лицензирование, сертификация).
8. Ключевые метрики
- Точность распознавания и извлечения полей (precision/recall по типам документов).
- Количество обработанных страниц/месяц (MRR-коррелирующая метрика).
- Время от загрузки до результата (SLA).
- Retention и churn SaaS-клиентов.
- Количество активных API-интеграций.
- LTV/CAC.
9. Скрытое преимущество
- Собственный датасет размеченных российских документов (УПД, ТОРГ-12, акты, договоры) — сложно скопировать.
- Экспертиза в российском документообороте и compliance (152-ФЗ, ГОСТ).
- Готовые интеграции с 1С и партнёрская сеть интеграторов.
- On-premise-архитектура как барьер для глобальных конкурентов.
