Проще говоря, structured extraction - это не пересказ, а аккуратное вытаскивание данных по схеме. На входе может быть PDF, email, чат, транскрипт звонка, веб-страница или скан. На выходе - JSON, таблица или объект с конкретными полями, которые можно проверить и записать в систему.
Structured extraction тесно связан со structured output. Structured output задает формат ответа модели, а structured extraction применяет этот формат к извлечению данных из источника. Сначала нужно определить schema: какие поля нужны, какие обязательны, какие типы допустимы, что делать с пустыми значениями и как отмечать уверенность.
Для AI-агентов structured extraction полезен почти везде: обработка входящих документов, лидов, писем, тикетов, договоров, КП, отзывов, звонков и таблиц. Агент может не просто сказать "в документе есть сумма", а вернуть amount=124000, currency=RUB, vat_rate=20, confidence=0.92 и source_page=2.
Главный риск - валидная структура с неверными данными. Модель может красиво заполнить JSON, но перепутать дату, сумму, контрагента или придумать отсутствующее поле. Поэтому нужны source citation, confidence score, проверка по регулярным правилам, сверка с базой и ручной approval для рискованных операций.
Хорошая практика - хранить исходник, извлеченные поля, версию схемы, модель, confidence, ошибки валидации и trace. Тогда можно понять, откуда взялось каждое поле, переизвлечь данные при смене схемы и улучшать качество на реальных ошибках.
Примеры
- AI извлекает из УПД номер документа, дату, ИНН продавца, ИНН покупателя, позиции, сумму и НДС.
- Из письма клиента агент достает intent, urgency, order_id, contact_email и suggested_reply_required.
- Из транскрипта звонка система извлекает жалобу, причину обращения, обещания оператора и follow-up задачи.
- Из договора агент выделяет стороны, срок действия, сумму, штрафы, автопродление и спорные пункты.
- Из карточки товара маркетплейса извлекаются артикул, цена, остаток, рейтинг, отзывы и признаки риска.
Где используется
- обработка входящих документов
- извлечение реквизитов из счетов, актов и УПД
- классификация и разбор email
- заполнение CRM из заявок и переписок
- анализ звонков и контроль качества
- разбор договоров и коммерческих предложений
- подготовка structured output для backend
- сверка данных перед оплатой или approval
- создание датасетов для evals
Связанные термины
Call transcript
Citation в ответе AI
Confidence score
Data quality check
Dataset для evals
Document intake
Document parser
Evals
Частые вопросы
Что такое structured extraction простыми словами?
Это извлечение нужных данных из текста или документа в конкретные поля: например, дата, сумма, ИНН, статус, дедлайн или ответственный.
Чем structured extraction отличается от summary?
Summary пересказывает смысл. Structured extraction возвращает поля по схеме, чтобы их можно было проверить, сохранить в базу или передать в workflow.
Какая схема нужна для structured extraction?
Нужно описать поля, типы, обязательность, допустимые значения, формат дат и чисел, confidence, source citation и правила для отсутствующих данных.
Можно ли доверять извлеченным данным автоматически?
Не всегда. Формат может быть верным, а значение ошибочным. Для денег, документов, юридических и учетных операций нужна валидация и часто ручное подтверждение.
Что логировать при structured extraction?
Источник, версию схемы, модель, extracted fields, confidence, ошибки валидации, source pages или citations, trace id и итоговый статус обработки.
