Закрытые данные остаются внутри
Сканы, договоры и архивные материалы обрабатываются на оборудовании заказчика без отправки содержимого во внешнее облако.
Суверенный AI · Внедрено и работает у заказчика
Локальное распознавание архивных документов
Закрытый архив превращается в доступные для поиска и дальнейшей обработки данные. Документы остаются внутри инфраструктуры организации.
Результат
Что получил бизнес
Заказчик получил работающую систему, которая принимает сканы и PDF, распознаёт текст, таблицы и рукописные фрагменты, отмечает сомнительные места и готовит результат для проверки. Вся обработка выполняется на локальном сервере с видеокартой – документы не отправляются во внешние AI-сервисы.
Название заказчика, содержание документов и устройство его внутренней инфраструктуры не публикуются.
Ценность
Что изменилось после внедрения
Меньше ручного переноса
Система превращает страницы в текст и структурированные поля, поэтому сотрудникам не приходится перепечатывать весь документ вручную.
Сомнительные места видны
Неуверенные фрагменты, числа и сложные таблицы направляются на проверку, а не маскируются правдоподобным, но неверным ответом.
Результат готов к интеграции
Распознанные данные можно передавать в архив, учётную систему, поиск или следующий этап бизнес-процесса.
Задача
В архиве встречаются страницы разного качества: старые сканы, сложная вёрстка, таблицы, печати и рукописные пометки. Обычный OCR даёт приемлемый результат на простом тексте, но теряет структуру и часто ошибается в критичных реквизитах.
При этом документы нельзя передавать внешнему поставщику AI. Нужна была собственная система, которую можно контролировать и развивать внутри организации.
Как устроена работа сотрудников
Сотрудник загружает документ во внутреннюю очередь. Система определяет тип страницы, выбирает подходящий способ распознавания и формирует черновик результата.
Текст, таблицы и ключевые поля показываются вместе с исходной страницей. Сомнительные места можно быстро проверить, после чего подтверждённые данные передаются дальше.
- загрузка PDF и сканов
- автоматический выбор способа обработки
- проверка рядом с оригиналом
- выгрузка подтверждённых данных
Как контролируется качество
Исходный результат модели хранится отдельно от исправлений человека. Благодаря этому видно, где именно ошиблась система, и можно оценивать обновления на одном и том же наборе документов.
Числа, даты и табличные итоги проходят дополнительные проверки. Если разные способы распознавания дают противоречивые ответы, документ направляется сотруднику.
- отдельное хранение исходного и проверенного результата
- проверка чисел и таблиц
- история версий моделей
- очередь ручной проверки
Адаптация
Что настраивается под конкретную компанию
Для другой организации настраиваются типы документов, перечень извлекаемых полей, правила проверки, сроки хранения, роли сотрудников и интеграция с архивом, ERP или 1С. Рабочее ядро распознавания при этом не создаётся заново.
Можно пропуститьТехническим специалистам
Система работает на локальном GPU-сервере и направляет разные типы страниц в подходящие OCR- и VLM-модели. Результаты сохраняются вместе с версией модели и параметрами запуска.
- маршрутизация между специализированными моделями
- локальный запуск через CUDA и vLLM
- проверки структуры таблиц и числовых полей
- воспроизводимая оценка обновлений на контрольном наборе
Стек: Python, OCR/VLM, Gemma, Qwen, MinerU, vLLM, CUDA, Docker
Подробнее
Материалы по теме
Практические разборы внедрения, безопасности и работы с корпоративными данными.
Локальный AI на сервере компании: архитектура и ограничения
Практическая схема локального AI: что действительно остаётся внутри компании, какие компоненты нужны и почему собственный сервер не отменяет права, журналирование и проверку результата.
Читать материалЛокальный OCR печатных и рукописных документов
OCR становится рабочей автоматизацией, когда система не только получает текст, но и выделяет поля, проверяет критичные значения и отправляет сомнительные места человеку.
Читать материалКак локальный AI распознаёт сложные архивные документы
Почему для закрытого архива недостаточно одной OCR-модели и как построить рабочий процесс от скана до проверенных данных.
Читать материалПроект
Вопросы о решении
Можно ли распознавать рукописный текст?
Да, если качество и тип рукописи позволяют модели уверенно разобрать текст. Сомнительные фрагменты система отдельно показывает сотруднику для проверки.
Документы покидают сеть организации?
Нет. В этом внедрении распознавание и последующая обработка выполняются на локальном сервере заказчика.
Что происходит, если система не уверена в результате?
Такой фрагмент не принимается автоматически: он получает отметку и попадает в понятную очередь проверки вместе с исходной страницей.
Обсудить задачу
Обсудить похожую задачу
Опишите текущий процесс, данные и программы, которыми пользуются сотрудники. Я предложу понятный следующий шаг.