Как искусственный интеллект помогает работать с нормативными актами

Ежегодно в России принимаются и обновляются тысячи нормативно-правовых актов и связанных с ними документов. Новые редакции законов, постановления, ведомственные приказы и проекты нормативных актов появляются практически ежедневно и публикуются в различных официальных источниках. Для юридических и комплаенс-подразделений это означает постоянный мониторинг изменений, оценку их влияния на деятельность организации и своевременную актуализацию внутренних документов.

На первый взгляд эта работа кажется рутинной. Однако именно от своевременности и корректности внесения изменений во внутренние документы во многом зависит соблюдение обязательных требований законодательства. По оценке SL Soft fabricaOne.AI (акционер — ГК Softline), именно работа с нормативными документами становится одним из наиболее востребованных направлений для применения технологий интеллектуальной автоматизации и искусственного интеллекта.

Почему работа с изменениями нормативных документов остается сложной

Во многих организациях значительная часть работы с нормативными документами по-прежнему выполняется вручную, несмотря на постепенное внедрение цифровых инструментов. Один нормативный акт может содержать десятки отдельных поправок, которые необходимо корректно сопоставить с действующей редакцией документа. Проблема заключается не только в объеме информации: специалистам приходится работать с материалами в разных форматах — от текстовых PDF до отсканированных копий и приложений, что усложняет их обработку. Даже опытному юристу требуется значительное время на поиск информации, сравнение редакций и проверку внесенных изменений.

Любая ручная работа связана с риском появления ошибок. Если они затрагивают выполнение обязательных требований законодательства, последствия могут включать административные санкции, дополнительные расходы на устранение нарушений, судебные споры, а в отдельных случаях — меры административного воздействия, предусмотренные законодательством. Кроме прямых финансовых потерь организации несут и косвенные издержки: специалисты тратят время на поиск причин ошибки, повторную проверку документов и восстановление корректности документации.

Задача автоматизации заключается не только в сокращении трудозатрат, но и в снижении вероятности ошибок и связанных с ними операционных и регуляторных рисков. 

Как выглядит интеллектуальная автоматизация

Появление генеративного искусственного интеллекта существенно расширило возможности автоматизации, однако практика показала, что одной языковой модели для решения таких задач недостаточно. Работа с нормативными документами требует не только анализа текста, но и взаимодействия с информационными системами, поиска нужных документов, распознавания различных форматов файлов и внесения изменений в соответствии с установленными правилами.

Долгое время подобные процессы считались слишком сложными для автоматизации. Документы имеют разную структуру, изменения формулируются естественным языком, а итоговое решение требует юридической экспертизы. Поэтому сегодня наиболее эффективным считается не использование одной технологии, а объединение нескольких инструментов, каждый из которых отвечает за свою часть процесса.

Если документ поступает в виде скана, сначала его необходимо распознать. Затем система извлекает реквизиты нормативного акта, определяет содержание предлагаемых изменений, находит действующую редакцию документа в корпоративной или справочно-правовой системе и готовит изменения для последующей проверки специалистом.

На каждом этапе используются разные технологии. OCR преобразует документы в машиночитаемый вид, программные роботы выполняют повторяющиеся действия в информационных системах, а модели искусственного интеллекта анализируют содержание изменений, сопоставляют их с действующей редакцией документа и помогают определить, какие корректировки необходимо внести. Совместная работа этих технологий позволяет автоматизировать значительную часть рутинных операций, сохранив за человеком принятие окончательного решения.

В результате роль специалиста принципиально меняется. Вместо поиска документов, сравнения редакций и ручного переноса изменений он получает уже подготовленный проект документа и проверяет корректность предложенных правок. Такой подход не исключает человека из процесса, а позволяет сосредоточиться на экспертной оценке, передав рутинные операции системе.

Практический пример: автоматизация в министерстве финансов

Основная задача заключалась в сокращении трудозатрат сотрудников юридического блока при подготовке изменений в нормативные документы. До внедрения решения сотрудник выполнял практически все операции вручную: получал документ в электронном виде или скан с описанием изменений, находил соответствующий нормативный акт в справочно-правовой системе, скачивал действующую редакцию документа и самостоятельно переносил в нее поправки, последовательно сверяя два документа. Завершался процесс вычиткой и проверкой корректности внесенных изменений. В зависимости от объема документа такая работа занимала десятки минут и требовала высокой концентрации внимания. После автоматизации эти операции выполняет система, а специалист подключается только на этапе проверки подготовленного проекта документа.

Для решения использовалась комбинация программных роботов, технологии распознавания документов и искусственного интеллекта, анализирующего содержание правок.

По итогам проекта удалось добиться следующих результатов:

• точность автоматического внесения изменений достигла 75–80%;
• качество распознавания документов составило около 95%;
• система обрабатывает порядка 30 документов ежедневно — около 600 в месяц;
• объем ручной работы сократился примерно на одну полную ставку специалиста;
• существенно снизилось количество ошибок при подготовке документов.

Не менее важным результатом стало изменение отношения сотрудников к использованию искусственного интеллекта. После внедрения система стала восприниматься не как попытка заменить экспертов, а как инструмент, снимающий рутинную нагрузку и позволяющий сосредоточиться на более сложных юридических задачах.

Один из важных выводов подобных проектов заключается в том, что наиболее эффективной оказывается модель Human in the Loop — «человек в контуре». Искусственный интеллект способен быстро анализировать документы, находить изменения и готовить предложения по корректировке, однако окончательное решение остается за специалистом. Такой подход позволяет одновременно использовать преимущества автоматизации и сохранять необходимый уровень экспертного контроля.

По мере накопления опыта и совершенствования моделей степень автоматизации может увеличиваться, однако на наиболее ответственных этапах участие человека по-прежнему остается важным элементом процесса.

От автоматизации отдельных операций — к интеллектуальному сопровождению

Мы в SL Soft fabricaOne.AI (акционер — ГК Softline) считаем, что автоматизация внесения изменений — лишь один из возможных сценариев применения подобных технологий. Следующим этапом может стать построение сквозного процесса, в котором система не только помогает актуализировать документы, но и самостоятельно отслеживает изменения законодательства в открытых источниках и официальных порталах, анализирует их влияние на внутренние нормативные документы компании, формирует рекомендации по корректировкам и готовит аналитические отчеты для специалистов.

В этом случае меняется сама роль искусственного интеллекта. Он перестает быть инструментом для автоматизации отдельных операций и становится интеллектуальным помощником, который сопровождает весь жизненный цикл работы с нормативными документами — от мониторинга изменений до подготовки рекомендаций по их внедрению.