Клиент — подрядчик в инфраструктурном строительстве, участвует в 20–30 тендерах в месяц. На каждый — пакет из 30–50 документов: выписки, лицензии, опыт работ, формы согласий, заполненные шаблоны заказчика. До нас этим занимались два специалиста — три дня на пакет, ошибки в каждом четвёртом.
Архитектура решения
Пайплайн на n8n связывает четыре блока:
- Парсер ТЗ — LLM читает ТЗ заказчика и извлекает структурированный список требований: какие лицензии, какие СРО, какой опыт работ (год, сумма, профиль).
- Реестр документов — PostgreSQL-таблица со всеми скан-копиями и метаданными (срок действия, орган, реквизиты).
- Сопоставитель — проверяет, чего не хватает; если документ просрочен — отдельный алёрт ответственному.
- Сборщик — заполняет docx-шаблоны по реквизитам клиента и склеивает итоговый PDF в нужном порядке.
Результат
- 6 минут на полный пакет (было 3 дня).
- 0 ошибок заполнения за два месяца — поля проверяются регулярками и схемой, опечатка просто не пройдёт валидацию.
- Оба специалиста переключились на анализ ТЗ и отношения с заказчиками — то, что машине доверять рано.
Замечание про «AI всех заменит»
Не заменит. В этом проекте AI делает ровно одну вещь — превращает неструктурированное ТЗ в структурированный список требований. Дальше — обычные регулярки, SQL-запросы и склейка шаблонов. Чем меньше AI в пайплайне, тем стабильнее работает.