Несколько лет я работал специалистом по охране труда в нефтесервисной компании. ㅤ Сейчас проектирую MVP системы, которой мне самому тогда сильно не хватало. ㅤ В HSE есть проблема: специалисту приходится одновременно работать с несколькими массивами документов. ㅤ Есть законодательство и нормативка. Есть собственные ЛНД: инструкции, положения, приказы, стандарты. Есть ЛНД заказчиков. А если заказчиков несколько, у каждого свой массив требований. ㅤ В какой-то момент речь идёт уже о сотнях и тысячах файлов. ㅤ Причём ты часто знаешь, что нужное требование существует. Иногда даже помнишь формулировку. ㅤ Но где именно? ㅤ В НПА? В своей инструкции? В стандарте заказчика? Какой пункт? Какая редакция действует? ㅤ И начинается поиск по папкам, PDF и Word. ㅤ Отсюда идея MVP: собрать три независимых контура: ㅤ 1. НПА и нормативные документы. 2. Собственные ЛНД организации. 3. ЛНД каждого заказчика отдельно. ㅤ И сделать поиск именно по требованиям. ㅤ Например, мне нужны требования к работе с краном-манипулятором на объекте конкретного заказчика. ㅤ Мне не нужен ответ AI в духе «необходимо соблюдать требования безопасности». ㅤ Мне нужно: ㅤ требование — документ — конкретный пункт — источник. ㅤ Отдельно по НПА, собственным ЛНД и ЛНД заказчика. Чтобы результат можно было открыть и проверить. ㅤ Когда начал разбирать техническую сторону, выяснилось, что AI здесь вообще не главная проблема. ㅤ Главная проблема — сами документы. ㅤ Я взял несколько реальных инструкций, с которыми раньше работал. ㅤ Обычный производственный зоопарк: Word с колонтитулами, таблицами и табуляцией, PDF, кривые переносы, повторяющиеся шапки, приложения, многоуровневая нумерация. ㅤ Один PDF при разборе вообще оказался десятью картинками без текстового слоя. ㅤ Word разобрался лучше, но вместе с содержанием вытащил номера страниц, изменения, колонтитулы и прочую служебную шелуху. ㅤ А таких документов в организации могут быть сотни. У крупного заказчика — больше тысячи. ㅤ Просто загрузить всю эту кучу в нейросеть и назвать её корпоративной базой знаний не получится. Точнее, назвать получится. Работать с результатом я бы не рискнул. ㅤ Поэтому первый серьёзный блок системы — нормализация документов. ㅤ Загружаем PDF или Word. Система отделяет содержание от оформления, восстанавливает разделы и пункты, определяет таблицы, приложения и реквизиты. ㅤ Оригинал остаётся первоисточником, с которым всегда можно свериться. ㅤ При этом система может убрать мусор от вёрстки и восстановить структуру, но не должна сама переписывать требования. ㅤ После этого уже можно строить нормальный поиск. ㅤ Следующий сценарий — подготовка документов. ㅤ В организации уже есть свои шаблоны инструкций, положений и приказов. Поэтому нет смысла просить AI каждый раз сочинять документ с нуля. ㅤ Выбираем шаблон, вид работ, оборудование, заказчика и исходные данные. Система подбирает требования из нормативки, собственных ЛНД и документов заказчика и готовит проект. ㅤ Именно проект. Проверяет и утверждает его специалист. ㅤ Для корпоративной работы нужны пользователи, роли, права, версии документов, статусы и журнал действий. ㅤ Данные сотрудников, подразделений и должностей можно получать из выгрузок 1С. В дальнейшем можно подключать Битрикс24 и другие корпоративные системы. ㅤ В итоге начинал я с идеи AI-помощника для HSE, а пришёл к тому, что AI здесь далеко не на первом месте. ㅤ Главная задача — превратить сотни и тысячи реальных корпоративных документов в рабочую базу, где не перепутаются законодательство, собственные требования и требования разных заказчиков. ㅤ А уже поверх неё ставить поиск и подготовку документов. ㅤ Пока это только проект MVP. ㅤ И проверять его надо на настоящих производственных документах. Потому что система, которая хорошо работает только с идеально подготовленными PDF, в реальной HSE-службе долго не проживёт.