Claude AI для работы с документами: мультиагентная классификация документов на Amazon Bedrock

Компании ежедневно обрабатывают большие объемы документов — договоры, полисы, заявления, регуляторные формы и другие материалы. Их правильная классификация является важной частью автоматизации бизнес-процессов, особенно в финансовом и страховом секторах.

Традиционные системы автоматической классификации хорошо работают с документами, которые значительно отличаются друг от друга. Однако задача становится сложнее, когда разные типы документов содержат похожую терминологию или имеют схожую структуру.

AWS предлагает решать эту проблему с помощью мультиагентной архитектуры на базе Amazon Bedrock, которая одновременно анализирует текстовое содержание и визуальную структуру документа.

Как работает решение

Архитектура объединяет три специализированных AI-агента, взаимодействующих между собой с помощью Strands Agents SDK.

Document Analysis Agent анализирует текст документа. Он использует Anthropic Claude Haiku 4.5 в Amazon Bedrock для понимания содержания, юридической терминологии, метаданных и других текстовых признаков.

Vector Similarity Search Agent отвечает за визуальный анализ. С помощью Amazon Titan Multimodal Embeddings документ преобразуется в векторное представление, после чего система сравнивает его с известными шаблонами в векторной базе.

Validation Agent выполняет роль оркестратора. Он сравнивает результаты двух агентов, анализирует уровень уверенности и формирует итоговую классификацию.

Таким образом, решение оценивает одновременно то, что написано в документе, и то, как он выглядит.

Зачем нужен векторный анализ

Документы разных категорий могут содержать одинаковые слова и юридические термины, но иметь различную структуру.

Например, страховая форма и регуляторный документ могут использовать похожую лексику. Классификации исключительно по тексту в таком случае может быть недостаточно.

Amazon Titan Multimodal Embeddings позволяет анализировать визуальные и структурные характеристики документа: расположение блоков, таблиц, полей, форматирование и другие особенности.

Для поиска похожих документов в примере AWS используется FAISS — система векторного поиска, позволяющая быстро сравнивать новый документ с известными шаблонами.

Роль AI-агентов

Вместо использования одной модели для всего процесса задача распределяется между специализированными агентами.

Текстовый агент концентрируется на содержании, векторный — на структуре документа, а Validation Agent проверяет результаты обеих систем.

Если агенты сходятся в определении категории документа, система может сформировать результат с высоким уровнем уверенности.

Если результаты отличаются или уровень уверенности недостаточен, документ можно автоматически направить сотруднику на дополнительную проверку.

Такой подход позволяет сочетать автоматизацию с human-in-the-loop контролем для сложных или неоднозначных случаев.

Результаты тестирования AWS

AWS протестировала подход на наборе из 20 страховых документов трех категорий.

В рамках этого теста решение на базе Amazon Textract и ключевых слов показало точность 25%, Amazon Comprehend — 25%, а Amazon Bedrock Data Automation — 70%.

Мультиагентное решение, объединяющее текстовый и векторный анализ, правильно классифицировало все документы тестового набора.

При этом AWS отмечает, что тестирование проводилось на ограниченной выборке, поэтому результаты в production-средах могут отличаться в зависимости от количества, типов и сложности документов.

Безопасность и контроль

Для production-сред AWS рекомендует дополнять решение Amazon Bedrock Guardrails.

В частности, можно использовать фильтрацию персональных данных, ограничивать тематики, с которыми разрешено работать AI-агентам, и включать логирование обращений к моделям для последующего аудита.

Validation Agent также может автоматически отмечать документы, требующие проверки человеком, если уровень уверенности системы оказывается ниже заданного порога.

Где можно использовать такой подход

Мультиагентная классификация может быть полезна в страховании, банковской сфере, юридических сервисах, государственном секторе и других отраслях, где необходимо автоматически обрабатывать большие массивы документов.

Сочетание Anthropic Claude Haiku 4.5, Amazon Titan Multimodal Embeddings, векторного поиска и Strands Agents SDK позволяет анализировать документы не по одному признаку, а одновременно по их содержанию и структуре.

Это демонстрирует один из практических сценариев использования Amazon Bedrock и AI-агентов для автоматизации сложных бизнес-процессов.