Клиент — бухгалтерский аутсорсинг, 200+ документов в день (счета, акты, договоры поставки). Операторы вручную переносили реквизиты в 1С — 5–8 минут на документ, ошибки в ИНН и суммах приводили к сверкам и штрафам. OCR давал текст, но структурировать его приходилось вручную. Задача: набор промптов со structured output (JSON Schema) — извлечение полей из текста документа с confidence и флагом «требует проверки». Человек подтверждает спорные поля. Реализация: • 4 prompt-шаблона: счёт, акт, договор поставки, доп. соглашение; • JSON Schema: контрагент, ИНН/КПП, сумма, НДС, дата, номер, срок оплаты; • post-validation: checksum ИНН, сумма прописью vs цифрами, формат даты; • few-shot на «грязных» сканах: печати, таблицы, переносы строк; • confidence per field: < 0.85 → highlight в UI для оператора; • eval: 200 размеченных документов, field-level accuracy; • prompt changelog: что менялось при падении accuracy на конкретном типе. Стек: промпт-инжиниринг, OpenAI structured outputs, JSON Schema, Python, OCR-текст на вход. Приёмка: field accuracy > 94% на счетах, > 89% на договорах. Итог: ввод документа ~1–2 минуты (проверка) вместо 5–8; ошибки в реквизитах −80%. NDA: компания не публикуется.