Поиск по смыслу, а не по названию файла: как работает AI-поиск по документам

Содержание статьи

AI-поиск убирает этот разрыв: он находит документы так, как о них думает человек. Разберём, как это устроено.

Почему поиск по папкам не работает

Файловое хранилище знает о документе только имя файла и дату изменения. Если скан называется «scan_0421.pdf» — а так называется большинство сканов, — обычный поиск бессилен. Дальше срабатывают типовые костыли: искать по дате «примерно когда сканировали», спрашивать коллег, открывать файлы подряд. На архиве в десятки тысяч документов это не костыли, а стиль жизни.

Проблема не в дисциплине именования. Даже идеально названные файлы не отвечают на вопросы «в каких договорах есть эта формулировка» или «сколько всего УПД по контрагенту за квартал» — для этого нужно видеть содержимое и данные документа, а не имя.

Три уровня поиска в цифровом архиве

В цифровом архиве документ — это не файл, а запись с распознанным текстом и атрибутами (как устроен такой архив — в материале о том, что такое цифровой архив). Это открывает три уровня поиска.

Поиск по атрибутам

Каждый документ размечен полями: тип, номер, дата, контрагент, сумма, статус. Поиск и фильтры работают по ним как в базе данных: «договоры с ООО „Ромашка“», «УПД за март», «документы на сумму больше 100 000». Ответ — мгновенный и точный, потому что это запрос к структурированным данным.

Полнотекстовый поиск

Распознанный текст каждого документа образует поисковый слой. Искать можно по словам, фразам, реквизитам, номерам — по любым текстовым фрагментам внутри документов:

• найти все документы, где упоминается конкретная компания — включая упоминания в теле текста;
• найти документы с определённым номером товара — даже если номер встречается только внутри;
• найти документы по ключевой формулировке — условию, обязательству, теме.

Поиск работает по всему массиву, включая многолетние архивы.

Бизнес-запросы

Верхний уровень — запросы, сформулированные так, как их ставит руководитель или бухгалтер:

• «найди все УПД по компании за март»;
• «покажи договоры с конкретным контрагентом»;
• «собери акты за период и выгрузи таблицу»;
• «посчитай сумму документов по выбранной группе».

Система понимает запрос, применяет нужные фильтры и возвращает не просто список, а результат: найдено 12 документов, сумма 1 240 500 ₽. Это уже не поиск файла, а работа с данными.

Что делает такой поиск возможным

Под капотом — цепочка обработки, через которую проходит каждый документ:

1. Распознавание. Текст со скана или PDF переводится в машиночитаемый вид — включая сложные случаи, с которыми справляется распознавание OCR+VLM.
2. Классификация. Система определяет тип документа: договор, УПД, счёт, акт.
3. Извлечение атрибутов. Номер, дата, сумма, контрагент становятся полями записи.
4. Формирование поискового слоя. Текст и атрибуты добавляются в поисковый слой.

Без этой подготовки «умного» поиска не бывает: искать можно только по тому, что распознано и структурировано. Поэтому качество поиска напрямую зависит от качества распознавания.

Примеры из практики отделов

• Бухгалтерия: налоговая запросила документы по контрагенту за год — выборка с выгрузкой в Excel занимает минуты, а не день.
• Юристы: проверить, во всех ли действующих договорах есть нужная оговорка — полнотекстовый поиск по формулировке вместо ручного просмотра.
• Закупки: поднять историю работы с поставщиком — все договоры, счета и акты по контрагенту одним фильтром.
• Руководство: «сколько мы заплатили этому поставщику?» — выборка формируется автоматом, сумма считается сразу.

Поиск по сканам и старым документам

Главная ценность AI-поиска по документам раскрывается на оцифрованных архивах: бумажные документы прошлых лет после распознавания ищутся так же, как вчерашние электронные. Рукописные пометки, старые машинописные страницы, документы с плохих сканов — всё, что удалось распознать, попадает в поисковый слой. Архив перестаёт делиться на «новое, что найти можно» и «старое, что проще не искать».

Частые вопросы

Чем AI-поиск отличается от поиска по папкам?

Поиск по папкам видит только имена файлов. AI-поиск работает по содержимому документов и их атрибутам — находит по тексту, номеру, контрагенту, сумме и бизнес-запросам.

Можно ли искать по содержимому сканов?

Да, после распознавания текст скана попадает в поисковый индекс — искать можно по любым словам и реквизитам внутри документа.

Работает ли поиск по старым архивам?

Да, оцифрованные и распознанные документы прошлых лет ищутся наравне с новыми.

Что такое бизнес-запросы?

Запросы в рабочих формулировках: «все УПД за март», «договоры с контрагентом», «сумма по группе документов». Система применяет нужные фильтры и возвращает результат с итогами.

Насколько точен поиск?

Точность поиска определяется качеством распознавания и извлечения атрибутов; критичные поля проверяются человеком, поэтому база остаётся достоверной.