Продуман до мелочей
Сервис-ориентированная ECM и BPM платформа для управления документами и автоматизации бизнес-процессов
Модульная архитектура предоставляет широкий спектр решений:
для документооборота и построения корпоративных систем, управления финансовой, технической и другой документацией
Интуитивный пользовательский интерфейс, модульность и современная архитектура обеспечивают невероятное удобство, безопасность и большой выбор решений на базе ЭЛАР Контекст
Доли секунды необходимы на загрузку и обработку документа
ЭЛАР Контекст – это гибкая лицензионная политика и большой выбор функциональных модулей
Платформа зарегистрирована в реестре отечественного ПО, сертифицирована ФСТЭК и имеет ряд партнерских сертификатов для построения комплексных интеграционных решений
Узнайте подробнее о том, что такое современная российская сервис-ориентированная платформа ЭЛАР Контекст
Корпорация ЭЛАР включена в карту ИТ-лидеров российского рынка, подготовленную аналитиками CNewsMarket. Платформа ЭЛАР Контекст представлена на карте в категории «СЭД с искусственным интеллектом» наряду с ведущими отечественными решениями для управления документами.
Карта ИТ-лидеров объединяет участников ежегодных обзоров CNewsMarket, которые проект публикует с 2020 года. Аналитики оценивают платформы, сервисы и программные решения по собственной методике, учитывая их функциональные возможности, соответствие требованиям информационной безопасности, а также потенциал вендора по развитию и технической поддержке продукта. В отдельных рейтингах перечень критериев оценки включает более 150 параметров.
Эксперты CNewsMarket отметили интеллектуальные возможности платформы ЭЛАР Контекст. В частности, были высоко оценены возможности векторного поиска с поддержкой RAG по данным системы, который работает совместно с источниками данных, большими языковыми моделями и другими поисковыми инструментами, а также позволяет подключать дополнительные источники информации.
Отдельно отмечен агентный поиск с анализом пользовательского запроса, при котором поисковый агент самостоятельно анализирует файловые хранилища и находит релевантную информацию. Также аналитики выделили автоматизацию формирования поручений и задач по результатам анализа документов: система создает их после автоматической классификации документов, запросов или задач, встраивая искусственный интеллект непосредственно в исполнительские процессы организации.
Присутствие ЭЛАР Контекст в карте ИТ-лидеров CNews подчеркивает растущую роль отечественных интеллектуальных платформ в развитии корпоративных систем управления документами и подтверждает конкурентоспособность российских разработок в области искусственного интеллекта.
Корпорация ЭЛАР начала применять встроенный в среду разработки ИИ-ассистент для поддержки специалистов по внедрению ECM-платформ. Речь идёт об инструменте, который становится частью повседневной инженерной практики и помогает работать с кодом быстрее, точнее и устойчивее.
В проектах внедрения ECM-систем значительная доля времени традиционно уходит на рутинные операции: написание и корректировку макросов, настройку типовых сценариев, адаптацию повторяющихся фрагментов кода под требования конкретного проекта. Эти задачи требуют аккуратности и глубокого знания платформы, но при этом часто воспроизводятся от проекта к проекту, создавая дополнительную нагрузку на команды внедрения.
ИИ-внедренец реализован как кодовый ассистент, встроенный непосредственно в IDE — среду разработки, в которой специалисты ежедневно работают с настройками и кодом платформы. Это позволяет использовать возможности ИИ без переключения между инструментами, документацией и внешними сервисами.
По запросу внедренца ассистент может сформировать блок настроечного кода макроса под конкретную задачу. В процессе разработки также доступен механизм контекстного автодополнения: ИИ анализирует код вокруг курсора и подсказывает релевантные конструкции, параметры и последовательности действий. Поддержка встроена прямо в рабочий процесс и не требует отдельного сценария использования.
Использование генерации кода и контекстного автодополнения позволяет заметно сократить объём ручной работы, связанной с типовыми операциями настройки. Вместо поиска примеров в прошлых проектах и их последующей адаптации внедренец получает фрагменты кода и подсказки, уже соответствующие логике платформы и принятой практике внедрения.
Этот эффект достигается за счёт того, что движок ИИ-внедренца дообучен на документации ECM-платформы и специально подготовленном наборе качественных примеров макросов. Благодаря этому ассистент опирается не на абстрактные рекомендации, а на реальную архитектуру и накопленную инженерную практику.
В результате использование ИИ-ассистента:
Сегодня ИИ-ассистент используется в повседневной работе всеми специалистами по внедрению ЭЛАР, став стандартным рабочим инструментом команды. По данным внутренней оценки, на отдельных классах задач сокращение трудозатрат при использовании ИИ достигает 87,5%.
Одной из ключевых особенностей ИИ-внедренца ЭЛАР является работа в корпоративном замкнутом контуре. Это означает, что все элементы разработки и настройки — код, параметры, технические детали проектов заказчиков — остаются внутри инфраструктуры компании.
В отличие от использования внешних ИИ-инструментов, такой подход исключает передачу чувствительной технической информации за пределы корпоративной среды и обеспечивает необходимый уровень конфиденциальности при внедрении корпоративных систем.
Встроенный ИИ-ассистент постепенно становится не просто инструментом ускорения разработки, а универсальным механизмом поддержки работы с конфигурациями и кодом в корпоративных системах. Такой подход может масштабироваться на другие задачи, где требуется работа с регламентированными сценариями, сложной логикой и большим объёмом повторяющихся операций, — от сопровождения и развития ECM-решений до их адаптации под новые требования и изменения бизнес-процессов.
В этом смысле ИИ-ассистент выступает как инфраструктурный элемент, который повышает воспроизводимость решений, делает процессы внедрения менее уязвимыми к кадровым изменениям и перераспределению нагрузки в команде, а также позволяет системно управлять качеством и скоростью внедрения.
Корпорация ЭЛАР представила результаты применения технологий искусственного интеллекта для автоматизированной обработки патентных документов — одного из наиболее сложных и требовательных классов документов с точки зрения распознавания, анализа и извлечения данных.
Патентная документация отличается высокой плотностью информации, сложной структурой, большим количеством таблиц, формул и графических элементов, а также строгими требованиями к точности извлечения реквизитов и контекстных связей. Именно поэтому такие документы традиционно считаются пограничным случаем для автоматизации и требуют зрелых ИИ-подходов.
В отличие от типовых деловых или архивных документов, патенты сочетают многоуровневую структуру, разнообразие форматов представления данных и тесную взаимосвязь текста, таблиц и графики. Ошибки в извлечении ключевых сведений могут приводить не просто к потере информации, но и к искажению юридически значимого смысла документа.
Для работы с такими массивами системе недостаточно простого распознавания текста — требуется понимание структуры документа, логики его построения и смысловых связей между отдельными блоками.
Платформа искусственного интеллекта ЭЛАР, включающая использование больших языковых моделей (LLM), постоянно обучается. Компания, как крупнейший в стране исполнитель проектов по оцифровке и обработке научно-технических и исторических архивов имеет в своем распоряжении уникальный датасет, включающий, практически, все существующие образцы и варианты документов. Таким образом, система регулярно повышает уровень качества обработки сложных неструктурированных текстов и символов: формул, таблиц, рукописного текста и других специфических значений. В частности, для обработки патентных документов проведено отдельное обучение ИИ-модели, которая показала высокую эффективность обработки.
Подход ориентирован на интеллектуальное распознавание и структурирование патентных документов без сложной предварительной настройки под каждый отдельный массив. Система автоматически определяет тип и структуру оригинала, выявляет ключевые реквизиты, корректно обрабатывает таблицы, формулы и графические элементы, а также сохраняет логические связи между частями документа.
По результатам внутреннего тестирования точность извлечения информации по ключевым полям патентных документов достигает 97 %, а по отдельным категориям доходит до 99 %.
Такие показатели сопоставимы с результатами ручной обработки и подтверждают, что применяемые ИИ-модели вышли на уровень практического промышленного использования в задачах повышенной сложности, где традиционные OCR-подходы и шаблонные методы демонстрируют ограниченную эффективность.
Полученные результаты показывают не только прогресс самих ИИ-технологий, но и практическую применимость этого подхода в прикладных задачах. В первую очередь речь идёт об оптимизации затрат и повышении эффективности услуг по обработке накопленных бумажных архивов, где критичны скорость, масштаб и стабильное качество.
Кроме того, такие ИИ-механизмы могут использоваться при внедрении решений по вводу и распознаванию документов — как на этапе массовой оцифровки, так и в действующих документооборотных процессах. Таким образом, кейс с патентами демонстрирует переход от точечных экспериментов к промышленному использованию ИИ в задачах, ранее считавшихся труднодоступными для глубокой автоматизации, и задаёт основу для расширения этого подхода на другие сложные классы документов.