Выберите удобный способ связи
Распознавание коммунальных счетов и квитанций редко похоже на аккуратный скан из учебника. В Казахстане бухгалтерия получает пачку разноформатных бумаг: квитанция за электричество от энергосбытовой компании, счёт за отопление и горячую воду, извещение за вывоз ТБО, платёжка ОСИ или КСК. У каждого поставщика своя вёрстка, свои поля, свой шрифт и свой способ печатать сумму. Часть бумаг приходит мятыми, сфотографированными на телефон под углом, с печатью поверх цифр и с потёртым термочеком, где реквизиты выцвели.
Обычный офисный сканер такую задачу не закрывает: он превращает лист в картинку, но не понимает, где здесь лицевой счёт, где период, а где итоговая сумма к оплате. Ценность даёт именно система, которая читает смысл документа и раскладывает его на структурированные поля. Это часть более широкой практики распознавание документов, но с собственной спецификой коммунальной отрасли — набор поставщиков, форматы лицевых счетов и логика начислений в тенге у нас свои.
Полезная квитанция для учёта — это не текст целиком, а конкретные значения. Из коммунального платежа мы извлекаем номер лицевого счёта, наименование поставщика услуги, вид услуги, расчётный период, показания счётчиков (предыдущее и текущее), начисленную сумму, пеню, итог к оплате и срок оплаты. Для юридических лиц и ИП добавляются БИН плательщика и назначение платежа, для физлиц — ИИН и адрес объекта.
Отдельная боль — деньги. Суммы в тенге печатают по-разному: с пробелом как разделителем разрядов, с запятой или точкой перед тиынами, иногда с приписками «тг» или «₸». Система приводит всё это к одному числовому формату, чтобы 12 500 тг и 12500,00 попадали в учёт одинаково корректно. Показания счётчиков мы сверяем с предыдущим периодом и подсвечиваем аномалии — резкий скачок расхода или ситуацию, когда новое показание меньше старого, что почти всегда означает ошибку распознавания или опечатку в самой квитанции.
Квитанции в Казахстане двуязычные: одни поставщики печатают шапку и назначение платежа на казахском, другие на русском, третьи смешивают оба языка в одном документе. Модель распознаёт оба языка и не путает, например, «төлеуге» и «к оплате» — это критично, чтобы правильно определить итоговую сумму, а не промежуточную строку начислений.
Важный контроль качества — проверка ИИН и БИН. Двенадцатизначный номер имеет контрольную цифру, поэтому распознанное значение мы проверяем по алгоритму, а не принимаем на веру. Если контрольный разряд не сходится, поле уходит на быструю ручную верификацию, а не в базу с ошибкой. Тот же принцип применяется и в смежных сценариях KYC — при распознавании удостоверений, где ИИН и данные владельца должны совпадать с плательщиком по квитанции. Такая сверка защищает от оплаты чужого лицевого счёта и от задвоенных начислений.
Распознавание имеет смысл только тогда, когда данные сразу попадают в работу. Мы не отдаём вам голый текст — мы заводим готовые проводки и платёжные документы в вашу учётную систему. Чаще всего это 1С: распознанная квитанция превращается в поступление услуг или платёжное поручение с уже заполненными контрагентом, лицевым счётом, суммой и периодом. Бухгалтеру остаётся проверить и провести, а не набивать цифры вручную с пачки бумаг в конце месяца.
Для компаний с большим потоком объектов — сети магазинов, филиалы, управляющие компании — коммунальные платежи логично собирать в одном контуре вместе с другими первичными документами, где мы уже настраиваем распознавание счетов и накладных. Тогда закрытие периода перестаёт зависеть от того, успел ли сотрудник перебить сотни квитанций. Если у вас своя ERP или биллинг, подключение идёт через OCR API: вы отправляете изображение или PDF и получаете структурированный JSON с полями квитанции, а дальше раскладываете его по своим таблицам.
Мы начинаем не с презентации, а с ваших реальных квитанций. Вы присылаете выборку за пару месяцев — с фотографиями под углом, с печатями, с квитанциями всех ваших поставщиков. На этом материале мы настраиваем распознавание, замеряем точность по каждому полю и отдельно дорабатываем самые проблемные форматы. Такой подход честнее любых обещаний про «идеальную точность»: цифры вы видите на собственных документах, а не на витринных образцах.
Дальше выстраивается процесс с обязательной верификацией сомнительных полей: система сама помечает низкую уверенность распознавания и выносит такие места на подтверждение оператору, вместо того чтобы молча записать неверную сумму. Со временем поток обучается на исправлениях и требует всё меньше ручного контроля. По этой же схеме мы подключаем и другие типы документов — например, распознавание договоров с поставщиками услуг, чтобы весь документооборот вокруг коммунальных расходов работал в одном автоматизированном контуре под ключ.