Интеллектуальная система на базе LLM для автоматизированного заполнения карточек договоров в ПАО «ММК»

О заказчике

Магнитогорский металлургический комбинат – один из крупнейших производителей стали в мире и флагман чёрной металлургии России. Это предприятие с полным производственным циклом от подготовки железорудного сырья до выпуска продукции премиум-класса. У предприятия десятки тысяч сотрудников, сотни подрядчиков, тысячи договоров в год, и каждый договор нужно провести через систему электронного документооборота.

Об исполнителе

ММК-Информсервис — крупнейшая ИТ-компания Южного Урала и технологический партнёр Группы ПАО «ММК». Компания создаёт и внедряет высокотехнологичные решения в производственные и бизнес-процессы комбината.

Предпосылки проекта

Ежедневно в корпоративную систему электронного документооборота «АТАЧ» поступает около 250 договоров. Каждый из них — «нетиповой». Это значит, что у него нет фиксированной структуры, единого шаблона или предсказуемого расположения полей. Контрагент прислал договор в своём формате, а это требует дополнительных затрат по его приведению в соответствие со стандартами компании.

Команда кураторов договоров ПАО «ММК» тратила большое количество времени на монотонные задачи — открыть документ (будь то скан, PDF или Word), найти в нём стороны, предмет, сроки, суммы, реквизиты и вручную скопировать в соответствующие поля карточки «АТАЧ». В среднем на один договор у сотрудника уходило 5,5 минут. Кажется, это немного, но при умножении на 250 получится почти 23 часа в день. А в месяц это свыше 480 человеко-часов только на перенос данных из одного окна в другое.

Кроме того, на качество заполнения карточек в системе «АТАЧ» влиял и человеческий фактор. Пропущенное поле, опечатка в сумме, перепутанный ИНН — и вот уже договор с ошибкой уходит дальше по цепочке согласования. Исправлять такие ошибки потом сложнее, чем предотвратить.

Задачи проекта

Инициатором проекта выступило подразделение главного юриста ПАО «ММК». Задача была сформулирована следующим образом: автоматизировать заполнение карточек нетиповых договоров в системе «АТАЧ» и исключить ручной труд там, где он не добавляет ценности.

На старте было зафиксировано три ключевых цели:

• Разработать систему, способную извлекать юридически значимые сущности из нетиповых договоров (95 типов полей в карточке, из которых 20 – обязательных).
• Обеспечить интеграцию системы с платформой «АТАЧ» так, чтобы результат распознавания автоматически попадал в карточку договора без участия человека.
• Сделать систему «всеядной» по форматам: PDF, DOC/DOCX, PNG/JPG, включая сканы и фотографии документов, а также рукописные вставки (номера договоров и дата подписания договора заполняются от руки уже после подписания и проставления всех печатей на документе).

«Когда юридический департамент обратился к нам с просьбой помочь и упростить процесс обработки договоров, мы восприняли это как вызов. Цели проекта звучит амбициозно, но самое интересное началось, когда мы приступили к реализации», — отмечает начальник центра искусственного интеллекта ООО «ММК-Информсервис» Дмитрий Муравьев.

Ход проекта

Проект начался с серии постановочных встреч с заказчиком с классического изучения бизнес-процесса. «Мы погружались в юридические тонкости: что такое «направление договора», чем «перемещение собственности» отличается от «перехода права собственности», как классифицируются «виды неустойки». Другими словами, на первых встречах мы приобрели базовый набор компетенций по ведению юридической деятельности. Но именно этот этап стал фундаментом дальнейшего успеха, потому что нельзя автоматизировать то, чего до конца не понимаешь.

Параллельно мы начали сбор данных для обучения и «есть слона» по частям. Модели нужны было нужно много примеров. Мы отобрали более 1,4 тыс. реальных договоров из системы «АТАЧ» и сформировали группу кураторов — сотрудников, которые размечали эти документы: выделяли в тексте каждую сущность и присваивали ей тип. Разметка — процесс итеративный. Разметили → проверили → нашли неточности → уточнили правила → переразметили. И так несколько циклов, пока качество датасета не достигло приемлемого уровня», — рассказывает Дмитрий Муравьев.

Пока шла разметка, исполнители проекта исследовали рынок ML-решений для задачи извлечения сущностей (NER — Named Entity Recognition) на русском языке. Нужно было найти архитектуру, которая:

• хорошо работает с русскоязычными юридическими текстами;
• способна извлекать сущности без привязки к шаблону документа;
• поддерживает дообучение на доменно-специфичных данных.

Готового решения «из коробки» для данной задачи не нашлось. Пришлось строить систему с нуля. После анализа актуальных на тот момент архитектур было решено остановиться на модели W2NER (Unified Named Entity Recognition as Word-Word Relation Classification), которая рассматривает задачу NER как классификацию попарных отношений между словами в предложении. Это позволяет находить сущности любой структуры: плоские, вложенные и даже прерывистые, что особенно важно для юридических текстов, где сущности редко бывают «простыми».

В качестве базовой модели использовали BERT (bert-base-multilingual-cased), одну из первых архитектур на основе трансформеров, которая произвела революцию в обработке естественного языка. Модель была дообучена на датасете из более чем 1,4 тыс. договоров. Результат — F1-мера при оценке качества модели на тестовой выборке достигла 0,7, точность извлечения – 0,68, а полнота – 0,72.

Это приемлемый показатель, но 0,7 – ещё не 0,9. В ММК-Информсервис решили применить комбинированный подход. К основной модели W2NER + BERT добавили:

• слой регулярных выражений для коррекции типовых паттернов (даты, ИНН, банковские реквизиты);
• большую языковую модель GigaChat для семантического анализа сложных сущностей;
• каскад правил бизнес-логики, валидирующих результаты (например, «дата окончания не может быть раньше даты начала»).

С учётом этих слоёв итоговая F1-мера выросла до ~0,9 уровня, который удовлетворил требования заказчика к промышленной эксплуатации.

Отдельно в ММК-Информсервис отмечают работу с форматами. Договоры приходили в самых разных видах: аккуратные PDF с текстовым слоем, отсканированные страницы, фотографии с телефона, документы с рукописными вставками. Для сканов и изображений разработали отдельный OCR-сервис (OCR, Optical Character Recognition, оптическое распознавание символов), который извлекает текст и нормализует его. Он чистит от артефактов распознавания, исправляет ошибки кодировки, убирает дублирующиеся знаки препинания.

Для рукописного текста применили инновационный подход —  мультимодальные языковые модели (VLM, Vision Language Model, Языковая модель зрения). В отличие от классического OCR, который просто пытается распознать символы, VLM интерпретирует рукописный фрагмент в контексте всего документа. Модель способна отличить рукописную сумму от подписи или даты — то, что традиционным OCR-решениям недоступно.

Интеграция с корпоративной системой «АТАЧ» стала ещё одним вызовом. Разработчики ММК-Информсервис плотно взаимодействовали с командой платформы «АТАЧ», чтобы обеспечить бесшовную передачу данных. Система получает входящий файл, прогоняет его через пайплайн (OCR → нормализация → NER → LLM → валидация) и возвращает заполненную карточку договора, то есть все 95 полей.

На финальном этапе к рабочей группе присоединились два аналитика-тестировщика. Они прогоняли через систему десятки документов, выявляли краевые случаи, документировали ошибки и помогали дополнительно размечать данные. Параллельно был разработан BI-дашборд на Metabase для мониторинга ключевых метрик: количество обработанных договоров, точность по типам сущностей, время обработки, время непрерывной работы сервиса.

Важным акцентом проекта является курс на импортозамещение. В системе используются отечественные LLM с открытым исходным кодом: GigaChat, T-Pro, Vikhr. Это гарантирует соответствие требованиям информационной безопасности и государственной политики импортозамещения — критически важный фактор для предприятия такого масштаба.

Особенности проекта

Если суммировать, архитектура решения представляет собой гибридный пайплайн из нескольких ключевых компонентов:

1. Модуль приёма файлов — работает с PDF, DOC/DOCX, PNG/JPG. Для графических форматов запускается OCR, после чего текст проходит нормализацию и очистку от артефактов распознавания.

2. NER-ядро — дообученная модель W2NER на базе BERT, которая идентифицирует в тексте до 65 сущностей (реквизиты договора, стороны, сроки, суммы, условия оплаты, неустойки и т.д.) независимо от структуры документа.

3. Семантический слой использует отечественные LLM (GigaChat, T-Pro, Vikhr) для анализа сложных, контекстно-зависимых сущностей, которые невозможно извлечь простым поиском по паттернам.

4. Мультимодальный модуль VLM для распознавания и контекстной интерпретации рукописных фрагментов в сканах документов.

5. Модуль валидации применяет правила бизнес-логики для проверки корректности извлечённых данных перед отправкой в систему «АТАЧ».

Ключевая особенность системы в том, что она не требует заранее настроенных шаблонов. Семантический анализ позволяет модели «понимать» смысл текста, а не просто искать ключевые слова. Именно это делает её эффективной для нетиповых договоров — документов, чья структура и формулировки непредсказуемы по определению.

Итоги проекта

С января 2025 года система находится в промышленной эксплуатации:

• 300 сотрудников ежедневно пользуются системой — им больше не нужно вручную копировать информацию из договора в карточку.
• 250 договоров в день в среднем обрабатывается системой в «АТАЧ» в полностью автоматическом режиме.
• Свыше 4 тыс. человеко-часов сэкономлено с момента запуска, которые эквивалентны примерно 500 рабочим дням высококвалифицированного специалиста.
• Время заведения одного договора сократилось с 5,5 до 2,5 минут, и это с учётом того, что теперь сотрудник только проверяет результат, а не вносит данные с нуля.
• Ключевая бизнес-метрика F1-мера извлечения сущностей с учётом бизнес-логики составляет ~0,9 – это достаточно высокий показатель для задачи на нетиповых юридических документах.
• 56-65 сущностей извлекается в среднем из каждого договора, 20 из которых являются обязательными полями, которые раньше заполнялись вручную.

«Но главный результат не в цифрах. Изменился характер труда. Кураторы договоров перестали быть «операторами ввода данных» и стали экспертами, которые проверяют и валидируют результаты работы ИИ. Доля низкоквалифицированного ручного труда сократилась в два раза. Сотрудники переключились на нестандартные, творческие и действительно экспертные задачи — а это напрямую влияет и на удовлетворённость работой, и на снижение риска профессионального выгорания.

И что не менее важно, система полностью построена на отечественных LLM с открытым исходным кодом внутри контура нашей компании. Это, в свою очередь, гарантирует технологическую независимость компании и безопасность данных для одного из крупнейших промышленных предприятий нашей страны», — подчеркивает Дмитрий Муравьев.

Перспективы проекта

Проект продолжает развиваться. В дорожной карте — расширение на смежные процессы юридического документооборота (претензионно-исковая работа, регистрация входящих писем третьих лиц, автоматическое формирование поручений) и масштабирование на другие предприятия Группы ПАО «ММК», что может быть реализовано лишь в рамках платформенного решения по генеративному искусственному интеллекту.