ocr

что это

для компьютера скан документа — просто картинка, набор пикселей. ocr (optical character recognition) превращает пиксели в текст: буквы, цифры, таблицы. аналогия: сотрудник, который перепечатывает бумаги в компьютер, только со скоростью тысячи страниц в час.

что изменилось с приходом llm: старый ocr выдавал сырой текст «как видит», включая мусор, и путался в кривых сканах. современные мультимодальные модели читают документ как человек — понимают, где номер счёта, где сумма, где подпись, даже если документ мятый, а печать наехала на текст. на выходе — не простыня текста, а заполненные поля.

зачем это бизнесу

любое место, где человек перепечатывает бумагу в систему, — кандидат: счета и накладные в учётку, паспорта в договоры, акты сверки, анкеты, чеки в авансовые отчёты. арифметика: бухгалтер вносит накладную 3–5 минут, распознавание — секунды, человек только проверяет спорные. на потоке в сотни документов в месяц это высвобождает дни рабочего времени. граница честная: рукописный текст и совсем убитые сканы распознаются с ошибками, поэтому правильная схема — «распознали автоматически, человек подтвердил сомнительное», а не «доверяем слепо».

о чём спросить подрядчика

• «какая точность на моих реальных документах — не на идеальных сканах из презентации?» — дайте пачку своих худших сканов до подписания договора. это лучший тест за ноль рублей.
• «как система помечает поля, в которых не уверена?» — если не помечает, ошибки поедут в учёт молча, и найдёте вы их при сверке. уверенность по полям — признак зрелого решения.