Это важно до извлечения полей. У разных документов разные схемы данных, маршруты и риски. Из счета нужно достать номер, дату, сумму, ИНН и реквизиты. Из договора - стороны, срок, предмет, ответственность и условия расторжения. Из претензии - суть требования, дедлайн и риск. Если сначала не определить тип, агент легко применит неправильный parser и вернет мусор.
В AI-сценарии классификация обычно работает так: файл приходит из почты, CRM, Google Drive или формы на сайте; OCR или parser извлекает текст; модель определяет тип документа, confidence score, отдел, следующий шаг и необходимость ручной проверки. Затем workflow запускает нужную схему извлечения или отправляет документ человеку.
Хороший результат классификации лучше хранить как structured output: document_type, subtype, language, confidence, reason, next_action, risk_flags, needs_human_review. Такой формат удобно использовать в n8n, CRM, документообороте, бухгалтерии и RAG-хранилище.
Классификация отличается от парсинга документов. Классификация отвечает на вопрос "что это за документ?". Парсинг отвечает на вопрос "какие поля из него нужно достать?". Например, сначала система определяет, что файл - УПД, а уже потом извлекает номер, дату, продавца, покупателя, сумму и НДС.
Главный риск - ошибочная категория. Если претензию принять за обычное письмо, договор за счет, а счет за спам, процесс пойдет по неправильному маршруту. Поэтому для важных документов задают порог уверенности и правила: при низком confidence, юридических формулировках, персональных данных или крупных суммах документ уходит в approval queue.
На практике классификацию делают надежнее с помощью фиксированного списка типов, примеров документов, OCR-проверки, правил по ключевым полям, валидации реквизитов, логирования решений и ручной проверки спорных случаев.
Примеры
- PDF с реквизитами, суммой и фразой "Счет на оплату" классифицируется как счет, получает маршрут в бухгалтерию и запускает схему извлечения полей счета.
- Скан договора после OCR классифицируется как договор, получает флаги "юридический документ" и "нужна проверка человеком" перед согласованием правок.
- Входящее письмо с двумя вложениями разделяется на УПД и акт, после чего каждый документ обрабатывается по своей схеме.
- Документ с фразами "претензия", "требуем оплатить" и датой дедлайна получает высокий риск и отправляется юристу без автоматического ответа.
Где используется
- обработка входящих документов
- счета, акты и первичка
- договоры и согласование правок
- почтовые вложения
- OCR-пайплайны
- документооборот и архив
- RAG по корпоративным документам
- маршрутизация документов по отделам
Связанные термины
Частые вопросы
Зачем нужна классификация документов?
Она определяет тип документа до извлечения данных и маршрутизации. Без этого агент может применить неправильную схему: искать поля счета в договоре или отправить претензию в обычную очередь.
Чем классификация отличается от парсинга документов?
Классификация отвечает, что это за документ: счет, акт, договор, УПД или претензия. Парсинг извлекает конкретные поля из уже определенного типа документа.
Какие типы документов чаще всего классифицируют?
Часто выделяют счета, акты, УПД, договоры, приложения, претензии, заявки, коммерческие предложения, резюме, накладные, паспорта, справки и внутренние регламенты.
Можно ли полностью автоматизировать классификацию документов?
Можно автоматизировать большую часть потока, но спорные, юридически важные, финансовые и плохо распознанные документы лучше отправлять на ручную проверку по confidence score и risk flags.
Как повысить точность классификации документов?
Используйте фиксированный список типов, хорошие OCR/parser-инструменты, примеры для модели, structured output, проверку ключевых полей, confidence threshold и логирование ошибок для последующего улучшения.
