Объем корпоративных данных постоянно увеличивается, ежегодный прирост составляет как минимум 30-50%. В месяц крупная компания может генерировать до нескольких терабайт информации. В такой ситуации возникает необходимость в более эффективных инструментах для работы с документами. О том, какие процессы в сфере документооборота может упросить ИИ, рассказывает Алексей Коноплев, руководитель направления систем управления корпоративным контентом компании IBS.
ИИ-решения успешно решают задачи, связанные с распознаванием текстов, изображений и отсканированных документов. Они активно используются и для маршрутизации документов — автоматически классифицируют и определяют исполнителей.
Можно выделить еще несколько перспективных направлений для интеграции ИИ в документооборот:
Рассмотрим эти возможности на конкретных практических примерах.
Искусственный интеллект может помочь сформировать черновик документа и отредактировать текст. Одна из востребованных функций — оптимизация формулировок. Не всегда инициаторы документов являются профильными специалистами, поэтому им бывает сложно подобрать простые, но юридически корректные выражения. Допустим, сотруднику нужно внести в договор пункт о своевременной оплате. ИИ-помощник предложит более точную формулировку — например, «оплата в течение пяти календарных дней с даты выставления счета». ИИ также будет полезен для составления краткого резюме объемных отчетов или для выделения ключевых моментов встречи.
Еще несколько лет назад до 90% времени жизненного цикла документа занимали процессы согласования и подписания наряду с бумажным обменом. Внедрение юридически значимого электронного документооборота позволило сократить сроки принятия решения и подписания, однако процесс согласования остался практически без изменений. В типовом сценарии на него все еще уходит около 50% времени. Ускорить обработку документов внутри компании можно с помощью ИИ.
При согласовании документов чаще всего используются матрицы, основанные на реквизитном составе. Однако атрибутный состав карточки нередко бывает избыточным, поскольку необходимо учитывать множество комбинаций. В результате матрицы становятся неудобными, возникают ошибки в маршрутизации. Например, исполнителям приходится снимать с себя задачи, которые не относятся к их зоне ответственности, или просить добавить других согласующих. Избыточный реквизитный состав влияет и на инициаторов документа. На начальном этапе они тратят много времени на заполнение карточки, разбираясь в нюансах выбора того или иного значения.
Возьмем наиболее показательную ситуацию — согласование дополнительного соглашения. В типичном сценарии этот процесс фактически повторяет согласование основного договора. Решение принимает тот же набор согласующих, даже если изменения в документе минимальны. В таких случаях участие в согласовании ряда служб становится избыточным, что негативно сказывается на сроках и отвлекает согласующих от более важных задач. Например, при изменении банковских реквизитов лишним будет привлечение юридического департамента для проверки документа на соответствие законодательству, а изменение способа коммуникации или контактного лица не требует участия финансовой службы.
ИИ может значительно упростить подготовку и инициацию процесса согласования за счет оптимизации реквизитного состава и автоматического формирования перечня согласующих, исходя из содержания документа. К примеру, если изменения касаются закупки, в процесс будут включены сотрудники, отвечающие за снабжение.
После того как ИИ определил, кто должен согласовывать документ, следующая задача — помочь сотруднику принять решение. Для этого есть два основных инструмента.
Первый и более распространенный — формирование перечня изменений. Предположим, существует типовая форма документа, в которую могут вноситься изменения: даты, суммы и пр. Пользователь будет получать файл с подсветкой различий относительно типовой формы и сможет не просматривать весь документ.
Вторая возможность — типовые замечания. ИИ может проанализировать содержание документа и сформировать перечень замечаний, которые актуальны для конкретной формы. В результате согласующему снова приходит документ, где отмечено, какие моменты требуют его внимания. Например, это может быть отсутствие НДС, нечеткие условия по оплате, отсутствие антикоррупционной оговорки и т. д.
При работе с документацией может возникнуть необходимость скрыть конфиденциальную информацию. Например, в нашей практике был запрос на обезличивание проектных документов для конкурсных процедур.
Ранее для каждого конкурса сотрудники этой компании вручную проверяли документы на наличие чувствительных данных. Из-за человеческого фактора нередко случались ошибки.
Теперь все новые договоры еще на этапе согласования проверяются на возможность включения в состав проектного опыта. Само согласование проходит в обычном порядке. После подписания документа, не мешая основному бизнес-процессу, в фоновом режиме инициируется дополнительный процесс — создание маскированной копии. Для каждого документа в зависимости от уровня конфиденциальности и чувствительности данных создается несколько копий, которые могут использоваться, когда требуется обезличенная документация.
За время жизненного цикла договор многократно изменяется. Часть данных в исходном документе может устареть и стать неактуальной, какие-то блоки будут добавлены, а другие — полностью исключены. Все эти изменения проходят через процесс согласования в виде дополнительных соглашений или отдельных документов.
Когда новый сотрудник знакомится с уже подписанным договором, возникает необходимость в агрегации документа — возможность увидеть итоговую версию с учетом всех изменений. Если дополнительных соглашений достаточно много, пользователь вынужден открывать все эти файлы и изучать каскадные изменения, которые касаются предыдущих документов.
Задача ИИ в этом случае — сформировать и предоставить пользователю консолидированный файл договора, который отражает суть исходного соглашения, но с учетом всех внесенных изменений.
Новому сотруднику может быть сложно найти нужный документ, не зная точной формулировки. Искусственный интеллект позволяет перейти от поиска по ключевым словам к семантическому поиску — по смыслу, контексту и связанным документам. Кроме того, ИИ-решения помогают ориентироваться в неструктурированном контенте, в том числе искать нужные данные среди изображений, аудио- и видеоматериалов.
Как показывают все эти примеры, наряду с решением прикладных задач ИИ становится катализатором системных изменений в управлении корпоративным контентом, создавая новые возможности для оптимизации процессов.