AI-система проверки договоров по правилам компании

Задача: применять одну инструкцию к разным договорам

Покупатели присылают собственные шаблоны договоров. Проверяющему приходится находить условия об оплате, сроках и ответственности, сверять их с требованиями компании и учитывать допустимые исключения.

Когда договоры смотрят несколько сотрудников, одна инструкция может трактоваться по-разному. Обратиться к прошлому договору тоже недостаточно: в нём могли согласовать особые условия или пропустить ошибку.

Нам нужно было связать каждое замечание с конкретным правилом и фрагментом договора, а затем дать сотруднику удобный способ внести согласованные изменения.

Единый каталог договоров со статусами проверки и замечаниями. Демонстрационные данные.

От загрузки договора до готовой редакции

Мы собрали процесс в одном рабочем месте:

1. Сотрудник загружает Word-файл. Система извлекает текст и таблицы, подготавливает обезличенную версию для анализа. Можно посмотреть, какой именно текст получила модель.
2. AI проверяет договор по инструкции. В замечании показаны исходная цитата, основание и предлагаемая правка. Вопросы, требующие решения человека, выделяются отдельно.
3. Сотрудник разбирает рекомендации. Он может принять, изменить или отклонить замечание, а также самостоятельно отредактировать текст и таблицы.
4. Система формирует новый DOCX. Согласованные изменения попадают в новую редакцию с единым оформлением. Исходный файл остаётся отдельным документом.

Так проверяющий работает с замечанием рядом с его основанием и видит, что именно изменится в тексте.

Замечания связаны с конкретными фрагментами договора. Демонстрационные данные.

У каждого предложения есть основание и сравнение редакций. Демонстрационные данные.

Правила можно обновлять без потери истории

Внутренняя инструкция — отдельная часть системы. Для правил задаются требования, применимость и исключения; изменения сохраняются в версиях. Это позволяет установить, по каким правилам проверяли конкретный договор.

К замечаниям можно оставлять комментарии. Они сохраняются, даже если сотрудник меняет решение по правке. История помогает вернуться к спорному месту и понять ход согласования.

Ответственность за итоговую редакцию остаётся у сотрудника. Комментарии служат обратной связью для разбора рекомендаций; автоматическое обучение модели на них в пилоте не предусмотрено.

Компания управляет собственной инструкцией проверки. Демонстрационные данные.

Старая версия инструкции остаётся доступной для чтения. Демонстрационные данные.

Как устроен контроль данных и правок

Перед отправкой на анализ текст проходит обезличивание. Исходные файлы и результаты хранятся в закрытом хранилище, а данные для восстановления обезличенных фрагментов зашифрованы.

Система также проверяет, существует ли указанный моделью фрагмент и совпадает ли цитата с документом. Рекомендация, которая не прошла эти проверки, не применяется автоматически.

В истории можно выборочно отменить правку, сохранив другие изменения. Это важно, когда договор дорабатывают в несколько шагов и часть текста уже согласована.

Перед анализом чувствительные названия заменяются метками. Демонстрационные данные.

Что получилось на пилоте

Реализовали полный цикл работы с договором: загрузку Word-файла, анализ по внутренней инструкции, разбор замечаний и выгрузку согласованной редакции. Пилот прошёл этот цикл на реальном договоре с четырьмя таблицами.

В одном рабочем месте связаны правило, исходная цитата, предложение AI и решение сотрудника. Проверяющий видит основание замечания и управляет тем, какие изменения попадут в итоговый документ.

Решение подготовлено в формате пилота. Итоговую редакцию утверждает сотрудник: AI помогает находить и оформлять замечания, а решение по условиям договора остаётся у компании.