Привет, Хабр! Кредиты и все, что с ними связано – тема для многих весьма чувствительная. Мы в Smart Engines выступаем за то, чтобы сделать самые раздражающие процессы удобными и быстрыми. И в этом смысле распознавание документов – это редкий пример технологии, где интересы банка (сократить издержки), сотрудника (меньше рутины) и клиента (не ждать решение неделями) действительно совпадают. Под катом рассказываем, как автоматическое распознавание документов может трансформировать процесс кредитования в банках и как такие технологии становятся ключевым звеном кредитного конвейера.
Когда речь заходит об ускорении выдачи кредитов, все обычно думают про автоматизацию скоринга: чем “умнее” технология, тем быстрее кредитование. Но на деле, если посмотреть на реальный процесс изнутри банка, то окажется, что самый долгий этап происходит еще до анализа рисков. Вы угадали, если подумали про ввод информации из документов.
Даст (кредит) или не даст? А если даст, то как быстро?
С такими вопросами заемщик обычно приходит в банк. Но так уж сложилось, что за кредитом не приходят с пустыми руками. Обычно клиент (без разницы, является ли он физическим или юридическим лицом) приносит с собой стопку разных документов. Где паспорт – это лишь вишенка на торте.
Для физлиц к паспорту добавляется СНИЛС, ИНН, 2-НДФЛ, трудовая книжка или СТД-Р, сертификат самозанятого, справка о доходах по налогу на профессиональный доход, ЕГРН (если предоставляется недвижимость в залог или требуется подтвердить право собственности). Для юрлиц и ИП необходимо иметь при себе ЕГРЮЛ, ЕГРИП, ИНН юрлица, приказ о назначении генерального директора, устав компании, отчет о финансовых результатах, бухбаланс, ОГРН, ОГРНИП, ЕГРН и документы руководителя или представителя.
Превращение всего этого вороха сканов, фото и PDF в структурированные данные, которые можно “скормить” скоринговой модели, может занять десятки минут или даже часы, если процесс ввода информации организован плохо (то есть выполняется вручную). Кредитные аналитики, операционисты, сотрудники ОЦО и другие специалисты должны механически переносить реквизиты в банковское ПО – вместо того, чтобы заниматься оценкой рисков или хотя бы благородно пить кофе.
В итоге финансовая организация сталкивается сразу с тремя операционными барьерами:
-
Длительное время принятия решений. Отрицательно сказывается на лояльности клиентов.
-
Перегруженность специалистов. Отрицательно сказывается на лояльности самих специалистов и в конечном счете – на бизнесе. Сотрудники заняты однообразным механическим трудом вместо того, чтобы решать задачи, где действительно требуется экспертиза.
-
Ошибки ручного ввода. Отрицательно сказываются вообще на всех. Особенно часто приходят в пятницу вечером, но по умолчанию существуют всегда.
Автоматизировать ввод данных из потока разнородных документов помогают технологии распознавания. Высокое качество и скорость позволяют полностью исключить ручной труд из задачи ввода данных, превратив процесс кредитования из трудоемкой рутины в настоящий конвейер.
Распознавание в кредитном конвейере: где прикрутить и что именно прикрутить
Кредитный конвейер – это система для автоматизации составления досье, скоринга, принятия решения и выдачи займов физическим и юридическим лицам.
Распознавание паспорта и других документов позволяет закрыть самый ранний этап этого процесса: ввод данных при обработке заявки, а также на более поздних стадиях, если банк запрашивает дополнительные документы у заемщика. Пакеты документов обрабатываются в автоматическом режиме и целиком – без необходимости ручной сортировки. Личные, учредительные, регистрационные документы, бухгалтерская и финансовая отчетность, справки – все это в едином потоке классифицируется и распознается системой, а структурированные данные в реальном времени попадают в корпоративную учетную систему.
Однако для того, чтобы все работало бесшовно, система распознавания документов должна обладать рядом характеристик.
Во-первых, технология должна распознавать документы с фотографий, сделанных в реальных условиях съемки – если документ изогнут, повернут, имеет следы загибов или был снят при плохом освещении. Про геометрическую ректификацию документов мы, кстати, уже писали в одной из прошлых статей. При развитых каналах ДБО, когда клиент самостоятельно распознает документы, это не желательная фича, а объективная необходимость, без которой невозможно получить достоверные данные.
Во-вторых, распознавание документов в кредитном конвейере должно сочетать высокое качество и скорость. Конвейер по определению не может быть медленным, и если при росте заявок эти показатели падают, автоматизация теряет смысл. В третьих, важна гибкая интеграция: решение должно работать на серверах, в мобильных и веб-приложениях, включая распознавание документов в мессенджерах или браузере, а также поддерживать интеграцию с корпоративными системами, включая ERP, ECM, CRM, АБС и другие.
Все эти возможности мы объединили в нашем флагманском продукте Smart Document Engine. Решение в автоматическом режиме решает полный цикл задач по распознаванию, типизации и извлечению структурированных данных из документов, необходимых для кредитования физических и юридических лиц. О том, как мы решили задачу высокоточной типизации документов, мы тоже писали.
В нашей системе уже есть все необходимое: поддержка 80+ регистрационных, учредительных, финансовых, бухгалтерских и отчетных форм, свыше 40 удостоверяющих личность документов: паспорт РФ, СНИЛС, ИНН и другие, печатный текст и рукопись, возможность добавления новых шаблонов. И все это – без нужды в облаках и отправке данных. Потому что в 2026 году отправлять конфиденциальные данные на обработку стороннему подрядчику – это уже, мягко говоря, анахронизм.
Про качество распознавания скажем отдельно. Оно остается высоким даже при низком качестве входных данных. Реквизиты из документов извлекаются, даже если на изображении присутствуют артефакты сканирования, проективные искажения, сгибы и тени.
Не просто быстро, а объяснимо быстро
Наше коробочное решение позволяет сканировать документы с помощью обычного смартфона – в нативных мобильных приложениях или прямо в браузере. На распознавание одного документа на мобильнике уходит около секунды. А вот если говорить про серверную интеграцию, то в сутки на одном сервере без GPU можно обработать до 600 тысяч страниц – без потери качества даже при пиковых нагрузках.
Но важно понимать, какой результат за этим стоит. В финансовой отрасли ускорение процессов звучит всегда немного подозрительно: не приведет ли обработка и выдача за секунды к безответственному кредитованию? И здесь стоит разделить два разных этапа. Автоматизация распознавания документов не меняет и не подменяет решение о выдаче кредита – она просто быстрее и точнее доставляет данные до скоринговой модели и до аналитика. Чем быстрее и точнее был распознан документ, тем меньше почвы для ошибок ручного ввода и тем больше времени у человека остается именно на суть – оценку рисков, а не на перепечатывание цифр.
В основе всех продуктов Smart Engines лежит принцип верифицируемости: по каждому распознанному символу система предоставляет численную оценку уверенности. Объяснимость принципиальна для кредитного процесса: банку нужно не просто быстро получить данные, а иметь возможность при необходимости отследить процесс обработки вплоть до каждого символа.
Помимо этого, система проверяет валидность бланка документа, корректность дат, а также автоматически оценивают действительность документа по формальным признакам – наличию подписей и печатей. Ниже делимся результатами внедрения.
А теперь – о том, какой эффект это дает бизнесу
За подтверждением далеко ходить не надо. Здесь разберем кейс финансового сервиса Abanking. Компания реализовала кредитный конвейер для юридических лиц, а ядром проекта как раз стала наша система. Автоматический ввод данных позволил Abanking построить высокопроизводительный кредитный конвейер. Пакет документов заемщика обрабатывается за доли секунды, а кредитные аналитики работают уже с готовыми структурированными данными.
При загрузке клиентом пакета сканов или фотографий система автоматически распознает и определяет тип документа, извлекает данные и моментально передает их в структурированном виде в кредитное досье. Специалист получает уже заполненное досье с выполненной преданалитикой. Параллельно автоматический скоринг, встроенный в платформу Abanking, оперирует оцифрованными и верифицированными показателями, мгновенно пересчитывая скоринговый балл заемщика.
В результате цикл обработки документов сократился до нескольких секунд. Пропускная способность конвейера выросла без линейного увеличения затрат, а команда кредитных аналитиков сфокусировалась на экспертных задачах – оценке рисков и перспектив бизнеса заемщика.
Что в итоге?
Как можно убедиться, OCR документов становится ключевым звеном кредитного конвейера и позволяет выстроить бесшовный цифровой поток: от загрузки клиентом неподготовленного пакета документов до формирования предзаполненного досье, скоринга и принятия решений. Качественные технологии распознавания открывают путь к комплексной автоматизации этого процесса – без рутины и раздражения.
Следите за нашими новостями – расскажем еще много интересного о том, какой эффект могут дать технологии распознавания в бизнесе. И подписывайтесь на наш Telegram-канал!
P.S. Мы писали этот материал с юмором, чтобы показать: даже за самыми серьезными банковскими процессами стоят вполне земные задачи, которые можно и нужно делать удобнее.
ссылка на оригинал статьи https://habr.com/ru/articles/1067038/