Распознавание и сверка документов в Битрикс24 на Вайбкоде

Где ручная сверка съедает часы

Типичная картина в бухгалтерии или отделе приёмки: менеджер открывает скан накладной, находит нужную сделку в CRM, сравнивает реквизиты, вносит данные вручную. На один документ уходит 3-7 минут. При потоке в несколько десятков документов в день это уже полноценная рабочая ставка.

Проблема усиливается в нескольких сценариях:

• Пачка однотипных документов - реестр платёжек, пачка заявок от дилеров, входящие счета. Каждый нужно найти, открыть, сопоставить и положить в нужное место.
• Сверка с эталоном - клиент прислал заполненную анкету или договор, и её надо сравнить с тем, что уже есть в карточке CRM.
• Разбор многостраничного файла - один PDF содержит документы разных контрагентов, их нужно разделить и разложить по сделкам.

Во всех трёх случаях человек выполняет детерминированную работу: найди, сравни, запиши. Именно это передаётся приложению на Вайбкоде.

Конвейер обработки: почему нельзя отдать всё одной модели

Главная ошибка при проектировании таких решений - передать изображение документа модели и ждать готового JSON с полями карточки. На практике это работает нестабильно: модель галлюцинирует, путает форматы, теряет данные при плохом качестве скана.

Правильный подход - конвейер из нескольких стадий, где каждая решает свою задачу:

1. Подготовка исходника. Если файл многостраничный - нарезка по страницам. Если качество плохое - стадия предобработки изображения (кадрирование, выравнивание). Векторные форматы модель Vision на Вайбкоде не принимает - только растровые (jpg, jpeg, png). Это скриптовая работа, не AI.
2. Распознавание текста. Модель bitrix/bitrixgpt-5-vl (BitrixGPT 5 Vision) получает изображение в стандартном OpenAI Vision-формате: массив с {type:"text"} и {type:"image_url"}, где картинка передаётся как data:image/...;base64,... или по прямой HTTPS-ссылке. Модель возвращает распознанный текст.
3. Извлечение данных. Текстовая модель bitrix/bitrixgpt-5 или bitrix/bitrixgpt-5.5 получает распознанный текст и промпт с описанием нужных полей - что именно извлечь, в каком формате. Это классификация и структурирование, а не OCR.
4. Нормализация по словарю. Детерминированный скрипт приводит извлечённые данные к единому формату: даты, суммы, названия контрагентов. Подробнее об этом - в отдельном разделе ниже.
5. Валидатор расхождений. Скрипт сравнивает нормализованные данные с эталоном (данными CRM или загруженным документом) и формирует отчёт: какие поля совпали, где расхождение и насколько критичное.
6. Запись результата в портал через Vibe API.

Общее правило, которое определяет качество решения: основную часть процесса держат скрипты и бизнес-логика, а моделям отдают только анализ текста, извлечение смысла и классификацию. Чем меньше модель делает детерминированной работы, тем стабильнее конвейер.

Заявка проходит полный путь от загрузки файла до записи в карточку Битрикс24:

flowchart TD
    FILE[Файл / скан] --> PREP[Подготовка\nнарезка, конвертация]
    PREP --> VISION[Vision-модель\nbitrixgpt-5-vl\nOCR текста]
    VISION --> GPT[Текстовая модель\nbitrixgpt-5.5\nИзвлечение полей]
    GPT --> NORM[Нормализация\nсловари, форматы]
    NORM --> VALID[Валидатор\nсравнение с эталоном]
    VALID --> API[Vibe API\nзапись в карточку Б24]
    API --> CARD[Сделка / смарт-процесс\nБитрикс24]

Какие модели платформы за что отвечают

На Вайбкоде доступны модели Битрикс, размещённые в России - данные не покидают контур РФ. Все обращения идут через единый OpenAI-совместимый интерфейс по ключу Вайбкода, отдельная регистрация у провайдера не нужна. Об устройстве этого интерфейса подробнее написано в статье про Vibe API и бесплатные модели BitrixGPT.

BitrixGPT 5 Vision (bitrix/bitrixgpt-5-vl) - модель анализа изображений с контекстом 128K. Принимает распространённые растровые форматы. Векторные изображения (SVG и подобные) отклоняются по соображениям безопасности. Есть ограничения на размер картинки и всего запроса - при превышении приходит ошибка invalid_image_payload (400). Эту модель используют на стадии OCR.

BitrixGPT 5 (bitrix/bitrixgpt-5) и BitrixGPT 5.5 (bitrix/bitrixgpt-5.5) - текстовые модели с контекстом 262K и 250K соответственно. Используются для извлечения структурированных данных из уже распознанного текста: назвать поля, описать формат вывода в промпте - модель вернёт JSON с нужными значениями. BitrixGPT 5.5 лучше держит длинный контекст и точнее следует инструкциям.

bitrix/embeddings - модель векторных эмбеддингов, бесплатная. Вызывается через POST /v1/embeddings, формат OpenAI-совместимый. Принимает массив строк, возвращает массив векторов. Нужна для сценария сверки по смыслу: если название контрагента в документе написано иначе, чем в CRM, точное совпадение строк не сработает. Эмбеддинги ищут похожее семантически. Подробнее про этот подход - в материале про RAG и векторный поиск на Вайбкоде.

Все модели работают в рамках AI-квоты, привязанной к тарифу. При больших объёмах обработки квота становится ограничивающим фактором - об этом ниже.

Как результат попадает обратно в карточку Битрикс24

После нормализации и валидации приложение обращается к порталу через Vibe API. Алгоритм стандартный:

1. Найти нужную сделку или смарт-процесс - по номеру договора, ИНН контрагента или другому уникальному полю из документа.
2. Записать извлечённые данные в поля карточки. Поля могут быть стандартными или пользовательскими - Vibe API работает с обоими типами.
3. Прикрепить исходный файл (или переименованную версию) к сделке.
4. При необходимости создать элемент смарт-процесса с привязкой к сделке - например, запись в реестр корреспонденции или задачу на проверку расхождений.

Само приложение разворачивается на сервере Вайбкода. Небольшие решения удобно размещать в галактике - это хост, уплотняющий несколько приложений на одном сервере, что снижает стоимость. В интерфейс карточки приложение встраивается через плейсмент - специальную точку встраивания в интерфейс Битрикс24 (например, CRM_DEAL_DETAIL_TAB). Кнопка или виджет появляется прямо внутри карточки сделки.

Важный нюанс: файлы, лежащие в полях CRM, а не на Диске, не скачиваются по прямой ссылке. Для корректного получения файла нужен путь через API - метод получения детали сущности с последующим скачиванием по полученному URL.

Сценарий сверки: эталон против заявки

Приложение получает два объекта: эталон и проверяемый документ. Эталоном могут быть данные из карточки CRM или загруженный шаблонный документ. Проверяемым документом - веб-страница, сохранённая в PDF, заполненная анкета клиента или даже пачка некачественных скриншотов.

Конвейер прогоняет оба объекта через одинаковые стадии нормализации, после чего детерминированный валидатор сравнивает поля. На выходе - структурированный отчёт: какие поля совпали, где расхождение, насколько оно критичное (например, сумма отличается или просто формат записи разный).

Отчёт может быть записан в поле карточки, прикреплён файлом или отправлен уведомлением ответственному менеджеру. Если расхождений нет - сделка автоматически переходит на следующий этап воронки.

Сценарий разбора пачки документов

Многостраничный PDF с документами разных контрагентов - распространённый кейс при входящем документообороте. Приложение на Вайбкоде само делит файл по страницам (или по разделителям, если они есть), запускает конвейер для каждой страницы, извлекает идентификатор (ИНН, номер договора, фамилию), находит соответствующую сделку через Vibe API и кладёт переименованный файл в нужное место.

Отдельная ценность такого подхода: персональный документ попадает только к конкретному адресату. Сотрудник видит свой документ в своей карточке, а не получает доступ к общему файлу, где лежат данные других людей. Это особенно важно при обработке документов с персональными данными.

Когда нейросеть не нужна вообще

Честный тезис, который экономит деньги и время: если документ типовой и интересующее поле всегда находится в фиксированном месте - достаточно обычного распознавания текста без вызова языковой модели.

Примеры таких документов: квитанции одного банка, накладные из одной учётной системы, анкеты собственного производства. Здесь работает простое правило: вырезать нужную область изображения, распознать текст, взять значение. Это быстрее, дешевле (не тратится AI-квота) и стабильнее, потому что нет вероятности галлюцинации.

Языковую модель подключают там, где документы неоднородны: разные поставщики, разные шаблоны, произвольный порядок реквизитов, рукописные вставки или таблицы со сложной структурой. В таких случаях модель оправдана.

Нормализация как основная ручная работа

Нормализация - это стадия, которую чаще всего недооценивают при проектировании. Именно она определяет итоговое качество сверки, и именно её наполняют руками.

Что входит в нормализацию на практике:

• Словари синонимов для названий контрагентов. «ООО Альфа», «Альфа ООО», «Alpha LLC» - одна и та же компания, которую модель вернёт по-разному.
• Форматы дат. «01.03.2025», «1 марта 2025», «2025-03-01» - нужен единый формат перед сравнением.
• Форматы чисел. Пробел как разделитель тысяч, запятая или точка как десятичный разделитель.
• Раскладка клавиатуры. Классика: латинская «С» вместо кириллической «С» в наименовании. Для сравнения строк разница критична, визуально её не видно.
• Аббревиатуры и сокращения. «р/с», «расчётный счёт», «р/счёт» - одно поле.

Словарь нормализации - живой артефакт. Его пополняют по мере обнаружения новых вариантов написания. Чем богаче словарь, тем меньше ложных расхождений в отчётах.

Ограничения, квоты и персональные данные

AI-квота тарифа - главное техническое ограничение при массовой обработке. Каждый вызов Vision-модели и каждый вызов текстовой модели расходует квоту. При прогонке больших объёмов за короткое время квота исчерпывается, и новые запросы ограничиваются. Платформа показывает остаток квоты в интерфейсе. Для промышленных объёмов нужно планировать пакетную обработку с учётом лимитов тарифа. О стоимости подписки и структуре вайбов - в статье про стоимость Битрикс24 Вайбкод.

Персональные данные - отдельный вопрос при обработке паспортов, приказов, медицинских справок и счетов. Нужно заранее определить: какие именно поля сохраняются в CRM, в каком виде хранится промежуточный результат, кто имеет доступ к исходным файлам. Модели и серверы Битрикс размещены в России, данные не выходят за пределы РФ - это важно для соответствия 152-ФЗ. Подробнее об этом аспекте - в материале про персональные данные и 152-ФЗ в ИИ Битрикс24.

Качество исходников напрямую влияет на результат. Кривые скриншоты, сканы с телефона под углом, документы с печатями поверх текста требуют отдельной стадии предобработки - иначе Vision-модель вернёт некорректный текст, и всё остальное теряет смысл.

Безопасность приложения. При работе с документами важно использовать ключ с минимально необходимыми правами - read-only там, где запись не нужна. Подробнее про безопасную работу с ключами Вайбкода - в статье про безопасность вайбкодинга.

Анализ звонков - соседняя задача, которую решает Whisper-модель (bitrix/deepdml/faster-whisper-large-v3-turbo-ct2). Она здесь не рассматривается; если нужна расшифровка аудио, смотрите материал про AI-анализ звонков в Битрикс24.

С чего начать

Практический порядок запуска такого проекта:

1. Определить один сценарий - не пытаться автоматизировать всё сразу. Начать с самого повторяющегося типа документов.
2. Собрать выборку - 20-30 реальных документов разного качества, включая проблемные экземпляры.
3. Настроить плейсмент - встроить приложение в карточку нужной сущности (сделка, смарт-процесс).
4. Собрать конвейер на Вайбкоде - стадии подготовки, Vision, извлечения, нормализации. Первую версию агент Вайбкода собирает по описанию задачи.
5. Наполнить словари нормализации - на реальных данных, не на придуманных примерах.
6. Запустить в тестовом режиме - приложение записывает предлагаемые изменения, но не применяет их автоматически. Менеджер подтверждает вручную, пока не накопится доверие к точности.
7. Перейти на автоматическую запись - когда процент ошибок опустится до приемлемого уровня.

Если хотите обсудить конкретный сценарий - напишите на sales@acp-24.ru или позвоните +7 495 414-48-49. АС Проект - платиновый партнёр Битрикс24 с опытом внедрения решений на Вайбкоде.

Нужна помощь по вайбкод-приложению? АС Проект - платиновый партнёр Битрикс24: собираем приложения на Вайбкоде, проверяем чужие перед боевым запуском и берём на сопровождение. Состав работ и цены - на странице приложения на вайбкодинге.

Что изменилось к концу августа 2026

• BitrixGPT 5.6 Agent 1M. Контекст вырос до 1 млн токенов, то есть договор на двести страниц с приложениями помещается в один запрос целиком, а не режется на части. Для сверки разделов между собой это принципиально: модель видит весь документ сразу.
• Выгодные часы. Пакетная обработка архива документов ночью и в выходные расходует квоту вдвое медленнее: будни с 23:00 до 04:00 и выходные с 17:00 до 07:00 по Москве, полная цена только в будни с 09:00 до 17:00.
• Галактики уплотнились. Место для приложения в галактике подешевело с 64 до 21 ₽ в месяц: у одного клиента 375 приложений живут на одной машине. Для небольшого конвейера распознавания это самый дешёвый способ размещения.

Данные на 29 августа 2026 - платформа Вайбкод в активной бете, цифры (квоты, цены, версии) меняются. Сверяйтесь с документацией Вайбкода.

Частые вопросы