Перейти к содержанию
суббота, 21 ноября 2026 г.

ИИ Вестник

Главные новости о развитии искусственного интеллекта в России

«АльфаСтрахование» построила IDP-оркестратор на базе OCR, ML и LLM вместе со Smart Engines

Businesswoman presenting document AI platform on screen in modern office.
Generated by Sourceful Riverflow (RouterAI)

«АльфаСтрахование» раскрыла детали собственной платформы интеллектуальной обработки документов, которая объединяет классическое оптическое распознавание, модели машинного обучения и большие языковые модели. Компания ежегодно обрабатывает около 40 млн документов, а её партнёром по OCR на протяжении десяти лет остаётся российский разработчик Smart Engines.

О том, как устроена платформа интеллектуальной обработки документов (IDP) в «АльфаСтраховании», рассказала директор операционного департамента компании Наталья Корецкая в рамках открытого диалога, запись которого опубликована в потоке публикаций о разработке. Речь идёт не о разовом эксперименте с генеративным ИИ, а о результате десятилетней эволюции: от потокового сканирования бумаги и распознавания штрихкодов до собственного оркестратора, в котором OCR, машинное обучение и большие языковые модели работают как единый конвейер. По словам представителя компании, такой подход позволяет автоматизировать десятки бизнес-процессов и приносит экономический эффект, измеряемый десятками миллионов рублей.

Масштаб задачи задаёт сам характер страхового бизнеса: порядка 40 млн документов в год и около 2 млн единиц входящей корреспонденции, которую нужно вскрыть, прочитать, зарегистрировать, классифицировать и направить по нужному маршруту. Исторически всё начиналось с установки скоростных сканеров и программ потокового сканирования примерно в 400 точках присутствия компании. Первым проектом распознавания стало считывание штрихкодов на договорах страхования: это позволяло автоматически связать отсканированный оригинал полиса с записью в информационной системе и подтвердить, что бумажный документ действительно поступил. Затем к штрихкодам добавились QR-коды, а позже компания перешла к автоматизации учёта типовых форм договоров. Стратегия операционной эффективности, как её описывают в компании, заключается в переводе локальных ручных операций в цифровой формат с последующей централизацией и автоматизацией.

Следующим технологическим слоем стала классификация входящей корреспонденции с помощью моделей машинного обучения, обученных по собственным алгоритмам компании. Именно ML позволило автоматически определять тип документа и выбирать для него сценарий обработки, учитывая срочность: судебное письмо и заявление о расторжении договора требуют разной скорости реакции и разных правовых последствий при просрочке. Параллельно OCR применяется не только в бэк-офисе, но и во фронтенде — при продаже страховых продуктов распознаются паспорта, водительские удостоверения и свидетельства о регистрации транспортных средств. Для этих задач компания использует решения Smart Engines, которые встраиваются непосредственно в клиентский сценарий оформления полиса. Таким образом, IDP-платформа охватывает как внутренние операции, так и точки контакта с клиентом, а распознавание становится частью пользовательского опыта, а не только бэк-офисной функцией.

Ключевой тезис, который прозвучал в интервью, касается роли больших языковых моделей: LLM без OCR в обработке документов не работает. Даже при сокращении доли бумаги до 16% на фоне пандемии остаётся большой массив сканов и фотографий без текстового слоя, из которых нужно извлечь данные для бизнес-процессов. Полностью цифровые документы, формируемые в информационных системах, принимаются к учёту автоматически, а вот изображения и сканы требуют предварительного распознавания — и только после этого в дело могут вступать языковые модели. Собственный IDP-оркестратор как раз и управляет этой последовательностью, распределяя документы между OCR, ML-классификаторами и LLM в зависимости от типа и качества входных данных. В компании подчёркивают, что генеративный ИИ не подменяет классические технологии, а дополняет их, что особенно важно для страхового бизнеса с его жёсткими требованиями к точности и прослеживаемости.

Выбор поставщика OCR в компании называют осознанным и проверенным временем: за десять лет сотрудничества со Smart Engines альтернативы тестировались неоднократно, включая открытые решения и продукты российских и зарубежных разработчиков в облачном и локальном исполнении. Показательно, что в опубликованных рядом материалах обсуждается обратная сторона такого выбора: при работе с чувствительными данными передача изображений во внешние облачные vision-модели создаёт риски с точки зрения 152-ФЗ, и тогда на первый план выходят локальные OCR-движки. Практика показывает, что лёгкие открытые решения вроде RapidOCR на ONNX могут ошибаться на кириллице, подменяя русские буквы латиницей и цифрами, поэтому приходится либо дообучать модели, либо использовать Tesseract с предобработкой изображений в OpenCV — масштабированием, шумоподавлением и выравниванием контраста. Эти детали важны для понимания того, почему в «АльфаСтраховании» остановились на промышленном решении, а не на открытых библиотеках: масштаб в 40 млн документов в год не прощает ошибок распознавания, а стоимость ручной верификации может перекрыть экономию на лицензиях.

Для российского рынка кейс «АльфаСтрахования» важен как пример зрелой архитектуры, где генеративный ИИ не подменяет, а дополняет классические технологии. Страховщики и банки работают с большими объёмами персональных данных, и требования регулятора фактически подталкивают их к гибридным схемам: локальное распознавание и анонимизация на входе, затем извлечение сущностей и маршрутизация, и только потом — при необходимости — обращение к языковой модели. Конкуренция здесь идёт не столько между отдельными OCR-движками, сколько между подходами к построению оркестратора: собственные платформы дают контроль над стоимостью, качеством и соответствием требованиям, но требуют инженерной экспертизы и постоянного сопровождения моделей. В условиях санкционных ограничений и ухода зарубежных вендоров ставка на российского разработчика OCR выглядит и технологически, и регуляторно обоснованной, хотя и создаёт зависимость от одного поставщика.

Открытыми остаются вопросы масштабирования LLM-компонента: насколько глубоко языковые модели будут участвовать в извлечении данных из неструктурированных документов, как будет организована оценка качества и как компания планирует поступать с новыми типами документов, которых не было в обучающих выборках. Ответы на них определят, сохранится ли нынешняя связка «OCR плюс ML плюс LLM» или её сменит более компактная архитектура с мультимодальными моделями, работающими полностью в локальном контуре. Пока же «АльфаСтрахование» демонстрирует, что IDP — это не про выбор одной технологии, а про выстраивание конвейера, в котором каждая технология занимает своё место и приносит измеримый экономический эффект.

Читайте также