1. Главная
  2. Кейсы
  3. Компьютерное зрение для автоматического распознавания первичных бухгалтерских документов и накладных
Компьютерное зрение

Компьютерное зрение для автоматического распознавания первичных бухгалтерских документов и накладных

Клиент: Крупная оптово-розничная сеть строительных материалов | Срок реализации: 2 месяца

Проблема и бизнес-вызов

Бухгалтерия вручную вбивала в 1С более 25 000 входящих счетов-фактур, УПД и ТОРГ-12 в месяц. Ошибки в номенклатуре и суммах приводили к расхождениям в налоговой отчетности.

Реализованное ИИ-решение

Разработали конвейер OCR на базе PaddleOCR и трансформеров LayoutLMv3. Модель извлекает реквизиты, номенклатурные строки, НДС, сопоставляет позиции с каталогом 1С и проводит автоматическую сверку сумм.

Достигнутые бизнес-результаты

99.8%
точность считывания числовых полей и реквизитов
1.2 сек
время обработки многостраничного скана накладной
-90%
ручного труда бухгалтеров по вводу первички
0
штрафов налоговой из-за механических ошибок операторов

Технологический стек

PaddleOCR LayoutLMv3 PyTorch 1C:Предприятие REST RabbitMQ MinIO

Хотите аналогичный результат?

Мы изучим процессы вашей компании и предложим архитектуру внедрения с оцифрованным ROI.

Другие кейсы агентства

AI-агенты

Мультиагентная система диспетчеризации и маршрутизации для федерального логистического оператора

Транспортно-логистическая компания (автопарк 1 200+ тягачей)
Ручное распределение 3 000+ заявок в сутки приводило к срывам окон доставки, нерациональным холостым пробегам (до 18%) и перегрузке диспетчеров в пиковые сезоны.
Срок: 2.5 месяца Читать кейс →
RAG и Базы знаний

Интеллектуальная RAG-система анализа 2.5 млн страниц проектной документации для нефтегазового холдинга

Крупный добывающий и инжиниринговый холдинг
Инженеры тратили до 4 часов в день на поиск регламентов, спецификаций оборудования и протоколов испытаний в разрозненных архивах сканов, чертежей и PDF-документов за 15 лет.
Срок: 3 месяца Читать кейс →
Голосовой ИИ

Голосовой AI-ассистент записи на прием и консультаций для сети многопрофильных медицинских клиник

Сеть из 24 медицинских центров в ЦФО
В утренние часы до 35% звонков пациентов сбрасывались из-за перегрузки колл-центра. Пациенты уходили к конкурентам, а стоимость привлечения лида росла.
Срок: 1.5 месяца Читать кейс →