Нейросеть разбирает отдельный документ в три действия: из файла достают текст, текст отдают модели вместе с вопросом, модель отвечает и приводит цитату. Для договора на сорок страниц это значит, что за несколько минут можно получить перечень условий, сроков и штрафов с номерами пунктов — но только если в файле есть текстовый слой, а не фотография страницы.
Дальше по шагам: что происходит с файлом, где разбор спотыкается, что спрашивать и как проверить ответ. Отдельно — куда уезжает сам документ: это главное отличие рабочего инструмента от «закину в чат».
Суть: модель читает не файл, а текст из файла #
PDF, DOCX или скан для модели не документ, а контейнер. Прежде чем читать, из контейнера вынимают текст, и качество этого текста определяет всё остальное: подробный разбор не спасёт, если на вход попала каша из распознанных букв.
Файлы приходят в трёх состояниях, и ведут себя они по-разному.
Текст уже внутри. DOCX, PDF из редактора, выгрузка из 1С, письмо. Текст извлекается точно и без потерь, распознавание не нужно — с такими файлами проблем нет.
Скан. Страницы внутри PDF лежат картинками, текст надо распознавать (это и называется OCR). Ровные страницы с чётким шрифтом читаются почти без ошибок, бледная копия с тёмными полосами — с ошибками в каждой строке.
Фотография с телефона. Тень от руки, перспектива, загнутый угол. Читается плохо, и страдают прежде всего цифры: «3» становится «8», «0» — буквой «О». Для акта или счёта это критично: ошибка попадает ровно в сумму.
Задача про один файл и задача про все документы компании при этом устроены по-разному: если ответ нужно искать в любом из трёхсот договоров, это поиск по базе знаний, а не разбор файла. Обзор остальных задач с документами — в статье ИИ для работы с документами; здесь — про отдельный документ у вас на столе.
Как за десять секунд понять, что у вас за файл #
Откройте документ и попробуйте выделить мышкой абзац или найти слово поиском (Ctrl+F, на Mac Cmd+F). Выделяется и находится — текстовый слой есть, работать можно сразу. Не выделяется, поиск молчит — внутри картинки, и дальше всё зависит от распознавания.
Разбор: что происходит с документом по шагам #
Шаг 1. Из файла достают текст #
Для текстового PDF или DOCX это операция без потерь: сохраняются абзацы, заголовки, иногда структура таблиц. Для скана запускается распознавание, и на выходе получается текст с ошибками, количества которых вы не видите: распознавание не сообщает, что сомневается, — оно выдаёт букву, которая показалась похожей.
Отсюда правило для сканов: сначала посмотреть глазами распознанный текст там, где стоят цифры и даты, и только потом задавать вопросы.
Шаг 2. Длинный документ режут на куски #
Модель принимает за раз ограниченный объём. Договор на сорок страниц — примерно 80–120 тысяч знаков; современные модели столько берут, но внимание размывается: чем больше текста подано сразу, тем охотнее в ответе появляются общие формулировки вместо конкретных пунктов.
Поэтому документ режут по смысловым границам — разделам и пунктам — и к вопросу подкладывают только подходящие куски; как нужный кусок находится, разобрано в статье про семантический поиск.
Вывод для работы руками: не просите разобрать весь договор одной репликой, спрашивайте по разделам. Ответы будут конкретнее, и проверять их проще.
Где разбор спотыкается #
Таблицы. Уязвимое место номер один. При извлечении таблица часто превращается в поток текста, и связь «строка — столбец» теряется: цена из одной строки прилипает к услуге из другой. Хуже всего идут объединённые ячейки и перенос таблицы на следующую страницу, где шапка осталась на первой. В счетах и актах это даёт ответ с правильной структурой и неправильной суммой.
Печати и подписи. Печать стоит поверх текста, и под ней буквы распознаются как мусор: легла на пункт с суммой — пункт придёт неполным. Подлинность подписи нейросеть не оценивает вообще, этот вопрос ей задавать бессмысленно.
Рукописные пометки. Дописанное от руки «не согласовано», вычерк абзаца, исправленная цифра. Распознаётся непредсказуемо, а смысл меняет полностью: ответ придёт по исходной редакции, а не по действующей.
Приложения и допсоглашения. Договор редко живёт одним файлом: есть спецификация, приложение с ценами, пара соглашений, отменяющих часть пунктов. Разбор одного файла из комплекта даёт честный ответ по файлу и неверный — по сделке.
Отсылки к пунктам. «В порядке, предусмотренном пунктом 7.3» требует, чтобы пункт 7.3 тоже оказался перед моделью. Не попал — ответ будет додуман по названию пункта, правдоподобно и неверно.
Что спрашивать, чтобы получить пользу #
Запрос «проанализируй договор» даёт пересказ: перечисление разделов и вывод о том, что условия для таких договоров обычные. Формально верно, практически бесполезно. Польза появляется от четырёх приёмов.
Конкретный список вопросов. По договору он примерно такой:
- предмет: что именно обязуется сделать исполнитель и в каком объёме;
- цена: фиксированная или меняется, от чего зависит;
- оплата: предоплата или отсрочка, что считается моментом оплаты;
- сроки и что в документе считается просрочкой;
- ответственность: пени, штрафы, есть ли предел общей суммы;
- приёмка: кто подписывает и что будет, если акт не подписали и не возразили;
- расторжение, автопродление, конфиденциальность, подсудность, форс-мажор;
- приложения: какие упомянуты в тексте и все ли они у вас есть.
Требование цитаты. К каждому вопросу добавляется «приведи дословную цитату и номер пункта». Это превращает ответ из мнения в проверяемое утверждение: цитату находят в файле поиском за пять секунд.
Вопрос о том, чего в документе нет. «Из перечисленных условий скажи, какие не упомянуты вообще». Отсутствующий пункт об ограничении ответственности или о расторжении — самое интересное в документе, но при пересказе он не всплывает: модель рассказывает про то, что есть.
Указание стороны. «Мы заказчик по этому договору. Перечисли условия, которые невыгодны нам, с цитатами». Без этого ответ будет нейтральным описанием, с этим — списком мест, куда стоит смотреть.
Отдельно работает сравнение редакций: подать старый и новый файл и попросить таблицу отличий по пунктам. Глазами это полдня, и именно там обычно теряется одна изменённая цифра.
Как проверять ответ #
Правило одно: ответ без цитаты и номера пункта проверить нельзя, а значит, и для решения использовать нельзя. Проверка короткая — взять цитату, найти её поиском в документе, убедиться, что номер пункта совпал. По цене, ответственности и срокам это делается всегда, по остальному выборочно.
Три места, где модель на документах ошибается чаще прочего: отрицания («вправе» и «не вправе», «за исключением» — потерянная частица переворачивает смысл, а ответ выглядит так же гладко), цифры из таблиц (любую сумму, срок в днях и процент пени сверять обязательно) и номера пунктов (нумерация сбивается при извлечении, а пунктов с похожим названием бывает несколько).
Почему модель вообще выдаёт уверенную неправду — разобрано в статье про галлюцинации: правдоподобие и правильность у неё не связаны, и рабочая защита тут одна — цитата с источником.
Граница при этом простая: разбор сокращает чтение, но не снимает ответственность. Нейросеть готовит материал, юридическую позицию занимает юрист, подписывает человек, который за это отвечает.
Куда уходит файл #
Бесплатный сервис в интернете — это не программа на вашем компьютере, это отправка документа компании наружу. Нажали «загрузить файл» — и договор с ценами, названием контрагента и персональными данными сотрудников оказался на сервере, которым вы не управляете.
Три вопроса, которые стоит задать до загрузки, а не после.
На чьих серверах обрабатывается файл и в какой стране. Для части документов это вопрос коммерческой тайны, для части — требований по персональным данным.
Что написано в условиях про использование загруженного. На бесплатных тарифах переданные материалы нередко разрешено использовать для улучшения сервиса; на платных это обычно отключается настройкой, которую надо найти и выключить руками.
Есть ли в документе персональные данные. ФИО, паспортные данные, адреса, телефоны, суммы вознаграждения. Передача их сторонней системе — это обработка персональных данных со всеми требованиями закона, и «просто попросили пересказать» в этом ничего не меняет.
Запретами это решается плохо: сотрудник, который разбирает договор в чужом чате, чтобы успеть к звонку, не нарушает ничего, если в компании нет ни инструкции, ни своего инструмента. Порядок обратный — дать инструмент, которым удобнее. Чем отличаются доступные бизнесу модели и какие работают на российских серверах — в разборе по выбору нейросети.
Как это устроено у нас #
Мы собираем базу знаний компании и ассистента, который отвечает сотрудникам по документам и даёт ссылку на документ-источник. Разбор отдельного файла — часть той же схемы: вопрос задаётся по одному документу, а не по всей базе.
Данные остаются в России. По умолчанию работаем на GigaChat и YandexGPT, серверы в России, персональные данные обезличиваются до отправки в модель. Если документы нельзя выпускать из сети, модель ставится внутри контура компании, и файл не покидает периметр.
Модель выбирается цепочкой. GigaChat, затем YandexGPT, затем зарубежная модель через ProxyAPI, затем модель внутри сети компании. Если одна не ответила или отвечает слишком долго, запрос уходит дальше, и сотрудник сбоя не видит.
Поиск гибридный. По смыслу и по словам одновременно — находятся и переформулированные вопросы, и запросы с номером приказа или пункта.
Факты сверяются перед выдачей. Если модель сочинила ссылку или адрес, он исправляется, а не выбрасывается вместе со всем ответом — верная часть доходит до сотрудника.
Чего нет в документах — не придумывается. Вопрос передаётся человеку. Для работы с договорами это важнее, чем кажется: «в документе этого нет» и есть полезный ответ.
Та же база потом подключается к боту для клиентов — сайт, Telegram, MAX, ВКонтакте, Авито.
Сколько стоит и от чего зависит #
Цены на 7 ноября 2026 года.
| Что | Стоимость | Срок |
|---|---|---|
| Аудит: карта документов, с какого отдела начать, оценка срока | Бесплатно | 30 минут |
| Пилот: один отдел, до 300 документов, проверка на 40 вопросах | от 150 000 ₽ | 3–4 недели |
| Внедрение: несколько отделов, права доступа, автообновление, 1С, Битрикс24, Диадок | от 500 000 ₽ | 6–10 недель |
| Сопровождение: обновление базы, контроль ответов, отчёт по вопросам | от 40 000 ₽ в месяц | — |
Цена зависит от объёма документов и их состояния, числа отделов и прав доступа, набора систем-источников и от того, нужно ли разворачивать всё внутри вашей сети. Сканы дороже текстовых файлов: их приходится распознавать и выборочно проверять руками. Подробности — на странице услуги, начинается она с бесплатного аудита на 30 минут.
Если проект на такие деньги сейчас велик, есть вариант проще — платформа по подписке: от 7 000 ₽ в месяц плюс настройка от 15 000 ₽. Базу собираем мы, запуск занимает от 3 до 10 дней.
И честный вариант без нас: если нужно разобрать один договор в месяц и в документе нет ни персональных данных, ни коммерческой тайны, платить за внедрение незачем — хватит платного тарифа любого сервиса с выключенным обучением на ваших данных и вопросов с требованием цитаты. Наша работа начинается там, где документов много, они живут в разных системах, а выпускать их из сети нельзя.
Где это не работает #
Сканы и рукописное. Распознать скан можно, но ошибки остаются, и опаснее всего они в цифрах: комплект сканов требует выборочной проверки руками, и это время в смете. Правки ручкой распознаются плохо, поэтому документ, который правили на бумаге, в разбор целиком не попадёт.
Подлинность подписи и печати. Нейросеть не сверяет подписи, не проверяет сертификаты и не подтверждает, что документ подписан уполномоченным лицом.
Сводные вопросы и картинки. «Сколько у нас договоров с просрочкой оплаты», «какая средняя скидка по дилерам» — это запросы к учётной системе, а не к тексту. Чертёж, схема и график для модели тоже картинка: размеры и значения с них она надёжно не снимает.
Заключения с ответственностью. Юридическую позицию, оценку риска, медицинское заключение ассистент не выносит. Он показывает, что написано в документе, решение остаётся за человеком.
Голос и SAP. Расшифровки голосовых сообщений в корпоративном ассистенте у нас нет, только текст. Из коробки подключаем 1С, Битрикс24 и Диадок — интеграции с SAP у нас нет, и обещать её мы не будем.
И отдельно: процентов точности мы не обещаем. Критерии успеха на пилоте формулируются заранее и проверяются на сорока реальных вопросах отдела.
Частые вопросы #
Может ли нейросеть прочитать отсканированный договор? #
Да, но через распознавание, и точность зависит от качества скана: ровные страницы с чётким шрифтом читаются почти без ошибок, фотография с телефона — с ошибками в цифрах. Проверить файл можно за десять секунд: если в PDF не выделяется текст и не работает поиск по слову, внутри картинки.
Насколько можно доверять разбору договора нейросетью? #
Ровно настолько, насколько ответ подкреплён цитатой и номером пункта: цитату находят поиском по файлу за пять секунд, и это проверка, а не доверие. Пересказ без ссылок на пункты для решения использовать нельзя, а юридическую позицию занимает юрист.
Наш документ попадёт в обучение модели? #
В бесплатных сервисах это часто разрешено условиями по умолчанию, в платных обычно отключается настройкой. У нас работа идёт на GigaChat и YandexGPT, серверы в России, персональные данные обезличиваются до отправки. Если документы нельзя выпускать из сети, модель ставится внутри контура компании.
Какой объём документа нейросеть осилит за раз? #
Сорок страниц современные модели принимают, но внимание размывается, и ответы становятся общими. Поэтому длинный документ режут на разделы, а вопросы задают по частям.
Нейросеть разберёт таблицу из акта или счёта? #
Иногда да, но это самое ненадёжное место: при извлечении связь «строка — столбец» теряется, особенно в объединённых ячейках и в таблицах с переносом на следующую страницу. Суммы и количества из таблиц сверяйте с документом всегда.
Нужна ли база знаний, если задача — разбирать отдельные документы? #
Если документов единицы и приходят они редко, достаточно разового разбора. База нужна, когда вопросы задают по всему массиву: «какая отсрочка у этого контрагента», «что в регламенте про согласование скидки». Это другая схема работы — поиск по базе, а не загрузка файла в чат.
