Клиент: к нам обратился международный ИТ-разработчик платформы корпоративных данных и аналитики, которая обрабатывает публичную отчетность компаний для инвесторов, консультантов и финансовых команд. По мере роста числа документов и сценариев анализа ручная работа с многостраничными PDF стала ограничивать масштабирование сервиса.

Чтобы снять это ограничение, команда WaveAccess разработала для клиента систему интеллектуальной обработки документов (IDP) на базе собственной платформы ValueAI. Решение автоматически извлекает сотни показателей из сложных PDF-отчетов, приводит их к сопоставимому виду и поддерживает анализ компаний и отчетных периодов без пропорционального роста команды и инфраструктурных затрат.

Ручной анализ ограничивал масштабирование платформы

Бизнес-пользователи клиента работали с большими корпоративными финансовыми отчетами в формате PDF. Специалистам приходилось вручную искать показатели, проверять контекст, сверять данные и переносить значения в систему.

По мере развития платформы росли число клиентов, объем документов и количество аналитических сценариев. Ручная обработка становилась узким местом.

Стандартного PDF-парсинга было недостаточно:

• таблицы имели сложную и вариативную структуру;
• использовались вложенные элементы и объединенные ячейки;
• нумерация могла быть неполной, сбитой или отсутствовать;
• компании по-разному детализировали и называли сопоставимые показатели;
• внутренние и перекрестные ссылки работали нестабильно.

• автоматически извлекать сотни финансовых показателей из каждого отчета;
• корректно работать со сложными таблицами и структурой PDF;
• учитывать финансовый и отраслевой контекст;
• сопоставлять данные разных компаний и периодов;
• поддерживать рост объема документов без дорогого усложнения инфраструктуры.

«В этом проекте было важно найти баланс между качеством извлечения, скоростью обработки и стоимостью инфраструктуры. В результате мы построили решение, которое автоматизирует анализ сложной финансовой отчетности и остается экономически оправданным по мере роста нагрузки».»

Владимир Рыбаков

руководитель Data Science направления WaveAccess

ИИ-контур для финансовой отчетности: система интеллектуального анализа документов

ИИ-команда WaveAccess разработала корпоративную IDP-систему, которая извлекает и структурирует содержимое документов, определяет целевые показатели, находит их в отчетности и подготавливает данные для сравнительной аналитики.

Команда спроектировала специализированный пайплайн, учитывающий структуру многостраничных отчетов, семантику финансовых показателей, особенности таблиц и стоимость обработки каждого документа.

1. Обработка структуры сложных PDF-отчетов

Система использовала доступный текстовый слой PDF и сохраняла структуру документа. Для сложных таблиц команда применила сериализацию — преобразование их структуры в представление, пригодное для обработки языковой моделью.

Это позволило уменьшить зависимость от ресурсоемких OCR- и VLM-сценариев, отказаться от постоянного использования GPU и снизить стоимость обработки.

2. Интерпретация финансовых показателей с учетом контекста

Команда подготовила наборы целевых метрик на основе международных стандартов финансовой отчетности. Клиент дополнил их экспертными комментариями и правилами интерпретации.

Система учитывает финансовый смысл метрики, отраслевой контекст, особенности компании, структуру раздела и связи показателя с другими данными документа.

3. Векторный поиск по содержанию отчетности

Векторизация позволяет искать показатели по смысловым блокам, а не только по точному совпадению терминов или номерам страниц. Модель получает только релевантный контекст, что повышает точность и сокращает вычислительную нагрузку.

4. Проверка архитектурных гипотез в пилоте

Команда протестировала автоматические переходы по перекрестным ссылкам, но отказалась от этого сценария из-за высокой вариативности документов. Более надежным оказался подход на основе структуры, семантики показателей и векторного поиска.

• Автоматизировано извлечение сотен показателей без постраничного поиска и ручного копирования.
• Упрощена сравнительная аналитика по компаниям и отчетным периодам.
• Снято ограничение для роста сервиса: увеличение числа документов не требует пропорционального расширения команды.
• Снижены инфраструктурные затраты за счет оптимизированной обработки текстового слоя, сериализации, векторного поиска и целевых LLM-запросов.
• Обеспечено масштабирование в рамках существующих ресурсов заказчика.

Хотите внедрить такой ИИ-сценарий для своей компании?

Запишитесь на 60 минутную бесплатную консультацию от ИИ-экспертов WaveAccess - разберем вашу задачу, данные и ограничения, оценим применимость LLM, RAG, IDP или классического ML и предложим следующие шаги.