Gemini OCR для систематизації документів українського державного підприємства

ЗАПИТ: Команда підприємства шукала надійного партнера з експертизою в області штучного інтелекту та хмарної інфраструктури для автоматизації роботи з архівами та поточною документацією. Основним завданням було впровадження системи оптичного розпізнавання символів (OCR), яка б дозволила інтелектуально систематизувати скани документів, мінімізуючи ручну працю та ймовірність помилок.

РЕЗУЛЬТАТ: Фахівці Wise IT розробили десктопний додаток на основі Gemini 1.5 Pro, що забезпечив точне розпізнавання даних та їх інтеграцію в локальну базу даних, повністю задовольнивши вимоги замовника щодо безпеки.

Бізнес виклик

Головним викликом проєкту стала необхідність безкомпромісного захисту стратегічно важливих даних. Через статус державного підприємства та специфіку виробництва, рішення мало відповідати суворим регуляторним вимогам безпеки. Було необхідно створити систему, яка поєднує ефективність хмарних механізмів OCR із безпечною обробкою чутливої інформації замовника.

Рішення

Команда Wise IT розробила індивідуальний десктопний додаток, що використовує можливості Gemini 1.5 Pro LLM через Google Cloud Platform, який був припасований фахівцями підприємства з урахуванням вимог інформаційної безпеки.

Особливості впровадженого рішення:

• Інтелектуальне OCR: Додаток здатен розпізнавати складні структури сканованих документів, незалежно від їх типу.
• Витяг даних: Штучний інтелект аналізує контент, виокремлює ключову інформацію та автоматично структурує документи.
• Локальна інтеграція: Оброблена інформація автоматично заноситься в локальну базу даних замовника, що гарантує збереження конфіденційності та контроль над даними.
• Безпека: Розроблена архітектура забезпечує надійний захист даних і не зберігає їх поза межами локальної інфраструктури замовника.

Результат

Команда підприємства отримала сучасний інструмент, який:

1. Значно прискорив обробку архівної конструкторської документації.
2. Забезпечив високу точність розпізнавання завдяки використанню мультимодальної AI-моделі Gemini.
3. Дозволив команді використовувати інструменти Google Cloud у безпечний та ефективний спосіб.

Gemini 1.5 Pro і технології OCR

Gemini 1.5 Pro — мультимодальна LLM-модель від Google, яка має розширене контекстне вікно. Вона здатна обробляти великі обсяги інформації, розуміючи не лише текст, а й складні таблиці, графіки та логічні зв’язки в документах.

Оптичне розпізнавання символів (OCR) — фундаментальна технологія, що перетворює зображення (скани, фото) у текст, зрозумілий для комп’ютера. У поєднанні з великими мовними моделями (LLM), OCR перетворюється з простого зчитування букв на інтелектуальний аналіз, що дозволяє автоматично класифікувати документи та витягувати з них сенси.

Відгук замовника

“Пілотний проєкт на основі хмарного OCR з розпізнаванням рукописного тексту в КД уможливив процес цифровізації архіву конструкторської документації в прийнятний термін, що особливо важливо в складних обставинах, в яких знаходиться підприємство під час російсько-української війни.

Досвід команди Wise IT, їх експертиза та активна роль адвокатів новітніх технологій дали можливість розглянути та оцінити можливість виконання подібного проєкту та сформувати власне постійне рішення.

Важливо відмітити сумлінну працю та розуміння командою Wise IT внутрішнього середовища державного підприємства та системи обмежень щодо інформаційної безпеки та захисту інформації, що дозволило організувати ефективну та плідну співпрацю з впровадження нових інструментів.”

— Павло, офіційний представник підприємства.