Во время нагруженных трудовых будней не всегда есть время успеть выполнить все поставленные задачи. А что, если делегировать часть своих задач цифровому ассистенту? Как следствие – снижение общей рутины и концентрация на важных задачах.

Цель – создать цифрового помощника для перевода голосовых сообщений пользователя в текстовых запрос, а далее – в исполняемую функциональную команду. Ярким примером могут служить голосовые боты Алиса, Сири, но в данной задаче необходим результирующий эффект/действие и польза для бизнеса.

Помощник может быть реализован в различный сферах, близких вам для понимания задачи:

1. Закупки | Анализ технической документации, сверка смет, накладных и спецификаций.
2. Техподдержка | Регистрация и классификация заявок, обработка обращений и звонков клиентов.
3. HR | Поиск резюме, холодный поиск резюме, оформление и увольнение сотрудников, создание корпоративной базы знаний.
4. Юридическая служба | Проверка требований законодательства, анализ рисков в договорах, антикоррупционная экспертиза.
5. Маркетинг | Мониторинг отзывов, СМИ и активностей конкурентов, работа с маркетплейсами, подготовка и проверка текстов.
6. Бухгалтерия | Обработка первичной документации, ввод данных в системы, инвентаризация, обработка зарплатных ведомостей.

Дополнительно:
Вызов действия помощника лучше реализовывать через специализированное слово, например, «ТЕРРА».

Пайплайн:

• Пользователь диктует, что он хочет от ассистента;
• Речь переводится в текстовый вид;
• Текст разбивается на смысловые подзадачи;
• Задачи переводятся в функциональное исполнение;
• Пользователь получает результат.

Метрика:
Итоговой метрикой будет выступать общая оценка функциональности и способности ассистента выполнять поставленные задачи, а также способность ассистента разбирать сложные запросы и правильно их исполнять.

Итоговая оценка решения:
Итоговая оценка решения формируется на основе технической части (60% результата) и защиты решений в форме презентаций (40% результата). Экспертное жюри определяет оценку защит. Детали с критериями оценки второго этапа будут предоставлены командам отдельно.

Описание задачи NLP:
В цифровом мире широко развивается и применяется электронный документооборот. Для упрощения и автоматизации разбора входящей корреспонденции системы электронного документооборота необходимо применить технологии искусственного интеллекта для автоматизации обработки документов и повышения эффективности работы компании.

Распознавание текста (OCR): Система должна уметь распознавать текстовые данные из различных форматов документов (PDF, DOCX, JPG и др.) и преобразовывать их в машиночитаемый формат.

• Качество распознавания: Обеспечить высокую точность распознавания даже при низком качестве исходных изображений (размытые, затемнённые или повреждённые файлы). Это может включать применение методов предобработки изображений, таких как шумоподавление, улучшение контраста и резкости.
• Работа с различными шрифтами: Учесть разнообразие шрифтов, используемых в документах, включая нестандартные и декоративные шрифты, а также рукописные тексты.
• Распознавание структуры документа: Важно сохранить структуру документа после преобразования, чтобы элементы, такие как заголовки, абзацы, списки и таблицы, оставались корректными и легко читаемыми.
• Обработка многостраничных документов: Возможность работы с документами, состоящими из нескольких страниц, сохраняя логику перехода между ними, удалить пустые страницы.
• Интеграция с другими модулями: Обеспечивать плавную передачу распознанного текста в модули классификации документов и автоматического извлечения данных без потери информации.
• Производительность: Оптимизация процесса распознавания для минимизации времени обработки больших объёмов документов, особенно в условиях высокой нагрузки.
• Интерфейсы API: Предоставить удобные интерфейсы для интеграции OCR-модуля с внешними системами и приложениями, что позволит легко внедрить решение в существующие процессы компании.

Классификация документов:
Искусственный интеллект должен автоматически классифицировать документы по различным категориям (например, счета-фактуры, договоры, письма и т.п.).

Автоматическое извлечение данных:
Система должна извлекать ключевые данные из документов (например, номера счетов, суммы, даты, имена контрагентов) и сохранять их в структурированном виде для дальнейшей обработки.

Дополнительно:
Система должна проверять документы на орфографию, пунктуацию, на соответствие СТО компании.

Итоговая оценка решения:
Итоговая оценка решения формируется на основе технической части (60% результата) и защиты решений в форме презентаций (40% результата). Экспертное жюри определяет оценку защит. Детали с критериями оценки второго этапа будут предоставлены командам отдельно.

Очень часто компании с большим документооборотом испытывают трудности в сопоставлении документов с определёнными корпоративными правилами и стандартами. Задача – разработать алгоритм проверки соответствия загруженного документа и эталонного документа, которому можно доверять.

Пример:
При подготовке итоговой документации подрядчиком очень важно понимать, что используемые материалы и характеристики полностью соответствуют техническим требованиям, принятым в компании заказчика. Алгоритм должен проверять эти ключевые моменты, подсвечивать их при проверке контролёром, а также прогнозировать риски, к которым эти несоблюдения смогут привести.

Дополнительно:

1. Присвоение статуса соответствия (Соответствует полностью, соответствует частично, не соответствует).
2. Поиск дубликатов документов.

Предполагаемый алгоритм работы:

• Выбор документов для проверки соответствия.
• Изучение специфики этих документов.
• Выделение ключевой информации, маркеры (что изменяется в каждом из документов)
• Разработка алгоритма, который сопоставляет 2 документа

На выходе: статус, несоответствия и расхождения данных с эталонным документом, возможные риски при несоблюдение этих требований.

Параметр оценки:
Итоговым параметров оценки будет выступать бизнес-ценность решения, потенциальные эффекты от внедрения такой системы в документооборот компании. Наличие макетного интерфейса.

Итоговая оценка решения:
Итоговая оценка решения формируется на основе технической части (60% результата) и защит решений в форме презентаций (40% результата). Экспертное жюри определяет оценку защит. Детали с критериями оценки второго этапа будут предоставлены командам отдельно.