Кратный рост продуктивности: кейс автоматизации с помощью SL Soft

Откуда берется потеря времени

Даже при наличии современных ERP и MDM-систем компании продолжают сталкиваться с проблемами в управлении нормативно-справочной информацией. Основные причины — ручная нормализация данных и постоянный приток новых, неструктурированных сведений.

Проблема 1. Ручная нормализация исторических данных

В большинстве компаний справочники товаров, оборудования и запчастей формировались годами и содержат разнородные, неполные и дублирующие записи. Сотрудники НСИ-служб вынуждены вручную анализировать и нормализовать описания: приводить наименования к единому виду, устранять дубли, уточнять характеристики.

На обработку одной позиции уходит в среднем 5–10 минут. При объеме в сотни тысяч записей это превращается в годы рутинной работы и требует постоянного вовлечения квалифицированных специалистов.

Проблема 2. Постоянное поступление новых данных

Параллельно с очисткой исторических данных в компанию непрерывно поступают новые позиции: товары, комплектующие, запчасти. Они сопровождаются технической документацией, спецификациями и описаниями в произвольной форме.

Каждую новую позицию сотрудник НСИ должен вручную проанализировать, классифицировать и корректно внести в справочник. В результате ручная работа не сокращается, а накапливается, даже если часть данных уже приведена в порядок.

К чему это приводит для бизнеса

• высоким затратам на персонал, занятый рутинной обработкой данных;

• трудоемким и медленным процессам, создающим задержки в смежных подразделениях;

• повышенным рискам ошибок и несогласованности данных в корпоративных системах.

Какое решение было внедрено

Компания обратилась к SL Soft с запросом: как сократить ручной труд и навести порядок в номенклатуре. Мы предложили комплексный подход:

• интеллектуальный сервис для нормализации НСИ;

• IDP-сервис для интеллектуальной обработки документов.

Обе технологии работают в связке. Система нормализации НСИ автоматически классифицирует позиции, выделяет атрибуты и подтягивает недостающие данные из ГОСТов. Даже если позиция записана с ошибкой («пруток» искажен в OCR как «вруток»), система понимает, что речь идет об одном и том же. IDP, в свою очередь, распознает документы, извлекает из них ключевые данные и передает их в учетные системы.

Роль эксперта при этом меняется: он больше не «оператор», а контролер. Человек подключается только на критичных точках, где нужен опыт и профессиональное суждение.

Что изменилось в цифрах

Результаты, которые сложно оспорить:

• В 5–10 раз ускорение регистрации и обработки новых позиций

• До 98% корректность заполнения карточек

• До 97% точность классификации НСИ

При этом компания получила не только цифры, но и качественные изменения: больше прозрачности в закупках, меньше ошибок в отчетности, склад без свалки неликвидов.

Почему это работает

Ключ в гибридном подходе. Мы сочетаем алгоритмы, машинное обучение и большие языковые модели. Алгоритмы разбирают структуру записи, ML-классификаторы «узнают» позиции даже в измененной форме, а LLM формирует человеко-читаемое описание. Вместе это дает результат, который недоступен при ручной работе.

Вывод

Автоматизация обработки данных и документов —  активность, которая дает реальный эффект. Компании экономят деньги, эксперты перестают тратить время на рутину, а производительность растет в разы.

В SL Soft мы называем это когнитивной автоматизацией — партнерством человека и искусственного интеллекта, в котором эксперт получает цифровой «экзоскелет» и способен за день сделать то, на что раньше уходили недели.