Малый бизнес живёт в документах: инвойсы поставщиков, прайс-листы, упаковочные листы, договоры, сертификаты, переписка. Большие языковые модели (LLM) — ChatGPT, Claude, Gemini и их аналоги — научились читать всё это и отвечать по содержанию. Соблазн понятен: отдать разбор бумаг машине и заняться продажами. Но у технологии есть чёткая граница: в одних задачах LLM экономит часы каждый день, в других одна незамеченная ошибка стоит дороже всей экономии. Разберём, где проходит эта граница.
Где LLM читает документы действительно хорошо
Сильная сторона языковых моделей — работа со смыслом текста, а не с точными числами. На практике это:
- Сортировка и маршрутизация. Определить, что пришло: инвойс, проформа, прайс, рекламация или рассылка — и разложить по папкам. Здесь модель ошибается редко, а цена ошибки — минуты.
- Краткое содержание. Сжать письмо поставщика на три экрана до пяти строк: что просят, к какому сроку, что изменилось.
- Черновое извлечение данных. Вытащить из PDF-инвойса позиции, количества и цены в таблицу — как заготовку, которую человек проверит.
- Сравнение версий. Найти, чем новый прайс отличается от прошлого и какие пункты договора поменялись.
- Черновики ответов. Письмо поставщику на английском по мотивам вашей короткой заметки.
Общее у этих задач: результат легко проверить взглядом, а ошибка обратима.
Где доверять нельзя: деньги и таможня
Платёжные реквизиты и суммы
LLM генерирует текст, а не считывает его байт в байт. Модель может перепутать похожие цифры, «дорисовать» правдоподобный номер счёта, потерять строку в длинной таблице — и сделает это уверенным тоном. Отдельный риск — подмена реквизитов мошенниками: система, которая просто «читает почту», не отличит письмо настоящего поставщика от письма с похожего домена. Поэтому реквизиты, итоговые суммы и валюту перед платежом сверяет человек — с оригиналом документа, а не с пересказом ИИ.
Коды ТН ВЭД и таможенные документы
Для импортёра классификация товара — это ставка пошлины, требования сертификации и риск корректировки на таможне. LLM охотно предложит код ТН ВЭД, и он будет выглядеть убедительно, но модель не несёт ответственности и может не знать актуальных примечаний к группам, решений по классификации и практики конкретного таможенного поста. То же с сертификатами происхождения, условиями поставки и льготами: ИИ годится, чтобы подготовить вопрос брокеру, но не чтобы заменить его подпись.
Рабочее правило: ИИ предлагает — человек утверждает
Полезно делить документооборот на два контура:
- Зелёный контур — сортировка, сводки, черновики, напоминания. Ошибка обратима: пусть работает автоматически.
- Красный контур — всё, что касается денег, таможни и юридических обязательств. ИИ готовит заготовку, человек принимает решение.
Второе правило — сверка с источником. Если система извлекла сумму из инвойса, рядом должна быть ссылка на сам PDF и место, откуда взято число. Пересказ без первоисточника в красном контуре не считается.
С чего начать малому бизнесу
- Начните с почты: классификация писем поставщиков и сводки — самый быстрый выигрыш при минимальном риске.
- Извлечение данных из инвойсов включайте в режиме «черновик плюс проверка», а не как автопилот.
- Заранее опишите красный контур: список операций, которые ИИ не совершает без подтверждения человека.
- Считайте эффект в часах: сколько времени уходит на разбор входящих сейчас, удобно прикинуть в калькуляторе.
Типовые сценарии автоматизации мы разбираем в блоге, а ответы на частые вопросы собрали в FAQ.
Именно по этой логике устроена HORUVIA: ИИ-оператор сам разбирает почту поставщиков и готовит данные из инвойсов, но денежные и таможенные решения всегда оставляет за владельцем.