Кейс · AI & Data Pipeline

Бот-Бухгалтер: распознавание бумажных накладных и умная маршрутизация данных.

Заменили ручной ввод первичной документации на AI-распознавание. Менеджер просто скидывает в Telegram фотографию мятой накладной — Gemini парсит таблицу, бот нормализует единицы измерения (например, миллилитры в литры) и сам раскладывает сканы и данные по нужным папкам на Google Drive и Google Таблицам.

ПроектАвтоматизация документооборота РольAI-инженер · Backend-разработка ФишкаVision API (OCR) + Supabase + Google API

99% бумажных накладных
переведено в цифру

0 ручного ввода
в таблицы

Auto нормализация
единиц измерения

01 / Контекст

Боль бумажной первички

В Черногории меньше 1% поставщиков используют электронный документооборот (ЭДО). Весь товар в рестораны и магазины приезжает с распечатанными на принтере бумажными накладными.

Чтобы занести поступление товара в базу, бухгалтер или менеджер должен сесть за ноутбук и методично перепечатывать каждое наименование, количество и цену в бесконечные Google Таблицы. Это адский рутинный труд, который съедает часы времени и неизбежно приводит к опечаткам и недостачам.

Без бота / С ботом-бухгалтером

— Как было

Часы ручного вбивания данных из накладных
Риск человеческой ошибки (опечатки в ценах)
Фотографии документов теряются в чатах
Путаница в мерах: поставщик пишет 750ml, а в базе нужны литры

+ Как стало

Фото накладной отправляется в Telegram-бота
AI распознает текст и возвращает PDF на сверку
Бот сам конвертирует 750ml в 0.75л для учёта
Архивация: сканы сами летят в нужные папки Google Drive

02 / Магия под капотом

Распознавание, валидация и маршрутизация

Мы построили Serverless-архитектуру на базе Supabase и Gemini API. Весь флоу обработки документа теперь укладывается в несколько секунд и защищён от "галлюцинаций" нейросети с помощью ручной валидации.

Шаг 1: Парсинг Vision API. Пользователь скидывает фото в бота. Gemini считывает изображение, распознаёт таблицу товаров и извлекает сырые данные.
Шаг 2: Валидация Сверка. Бот генерирует из распознанных данных красивый PDF-файл и присылает пользователю. Человек сверяет PDF с оригинальной бумажкой, и если всё верно — жмёт "Подтвердить".
Шаг 3: Маршрутизация Google Drive. Бот автоматически создаёт папку под эту накладную на Google Диске и бережно складывает туда оригинальное фото и сгенерированный PDF для архива.
Шаг 4: Нормализация Data Pipeline. Данные улетают в общие сводные Google Таблицы. При этом бот нормализует их: если поставщик прислал 750ml, бот переводит это в 0.75 литра, чтобы складской учёт сошёлся. Таблицы ведутся сразу на двух языках (русский и черногорский).

Мы превратили кусок мятой бумаги в структурированную, нормализованную базу данных, сэкономив клиенту десятки часов рутинной работы каждый месяц.