Как обезличить договор перед загрузкой в нейросеть: удалить, а не закрасить

Коротко

Почему закрашенный договор всё равно читается?

Причина в устройстве PDF. Страница файла - это слои: текст, картинки, рисунки.

Инструмент «прямоугольник» или маркер в просмотрщике добавляет рисунок поверх текста. Сам текст никуда не девается: его можно выделить, скопировать и прочитать программой. Нейросеть, которой загрузили файл, извлекает именно текстовый слой.

На корпоративном обучении для команды селлера маркетплейса этот вопрос задали прямо: правильно ли понимаю, что упоминания сторон договора лучше закрашивать? Ответ дала участница из IT другой компании, и она была права: такие закрашивания легко убираются и легко считываются нейросетью. Её совет - менять названия на «компания А, компания Б».

Чувствительное в договоре: не только имена

Метки лучше давать по роли в сделке, а не по алфавиту. «Поставщик» и «Покупатель» нейросеть понимает сразу: она знает, чьи обязанности искать в разделе об ответственности и кому выгоден пункт о неустойке. С «Компанией А» и «Компанией Б» модель тоже справится, но в ответе тебе придётся каждый раз вспоминать, кто из них кто. Если сторон больше двух, к роли добавляется номер: «Перевозчик 1», «Перевозчик 2».

Коммерческие условия - особый случай. Если ты просишь нейросеть проверить штрафные санкции, цифры нужны: без них анализ бессмысленный. Тогда обезличиваются стороны, а условия остаются, и решение о загрузке принимается по правилам компании.

Как обезличить договор в Word за десять минут?

1. Составить список того, что заменяем

   Пройти договор глазами и выписать: стороны в полной и короткой форме, ФИО, должности с фамилиями, реквизиты, адреса. Это пять минут, которые экономят полчаса на проверке.

2. Назначить метки

   Каждой сущности - своя метка: «Компания А», «Компания Б», «Директор А». Таблицу соответствий сохранить отдельным файлом у себя, чтобы потом вернуть настоящие названия в ответ нейросети.

3. Заменить по всему документу

   «Найти и заменить» с опцией «заменить все» по каждой строке списка. Начинать с длинных форм: сначала «ООО «Ромашка»», потом «Ромашка».

4. Удалить реквизиты

   Блок реквизитов в конце договора проще удалить целиком: для анализа условий он не нужен.

5. Очистить скрытые данные

   В Word есть «Инспектор документов»: он находит и удаляет автора, комментарии, исправления и скрытый текст.

На обучениях у меня есть упражнение с экспресс-анализом договора: группа получает уже обезличенный договор и отдаёт его нейросети на поиск рисков. Вопросы про закрашивание возникают как раз на нём, когда участники примеряют упражнение к своим документам.

Что делать с PDF и сканом?

Со сканом есть ловушка. Скан без распознавания - это картинка, и закрашивание на ней действительно закрывает текст. Но многие сканы проходят оптическое распознавание: поверх картинки лежит невидимый текстовый слой, чтобы по документу работал поиск. Плашка закрывает картинку, а распознанный текст под ней остаётся.

Как понять, что у скана есть текстовый слой: попробуй выделить слово мышью. Выделяется - слой есть, и с файлом надо обращаться как с текстовым PDF. Про то, как нейросеть читает разные форматы, я подробно писал в статье скан, PDF или Word для нейросети.

Проверка блокнотом за одну минуту

Эта проверка ловит то, что глаз пропускает. Когда я проверял так один обезличенный договор, текст под плашками был удалён честно, а в реквизитах остался обрывок паспортных данных: кем выдан паспорт и начало кода подразделения. Плашки на нём не было, его просто не заметили при обезличивании.

Где прячутся данные, которые не видно на странице?

Пять мест, которые проверяю перед загрузкой:

1. Имя файла. Переименовать в нейтральное: «Договор поставки - для анализа».
2. Свойства документа. Автор, организация, руководитель часто заполняются автоматически из настроек офиса.
3. Исправления и комментарии. В режиме записи исправлений удалённый текст хранится в файле. Принять все исправления и удалить комментарии.
4. Колонтитулы. Там живут названия компаний и номера договоров.
5. Встроенные объекты. Вставленные таблицы и картинки с реквизитами, печати и подписи сканом.

Учится ли нейросеть на загруженном договоре?

Вопрос «учится ли модель на моём договоре и не выдаст ли его другим» прозвучал в той же группе сразу после вопроса про закрашивание. Честный ответ состоит из двух частей. Первая: настройки обучения на данных есть почти во всех крупных сервисах, их надо найти и проверить. Вторая: обезличивание делает вопрос менее острым, потому что в файле не остаётся того, что можно связать с компанией.

Полную картину - где граница чувствительных данных, когда нужны локальные модели и как учить команду без реальных документов - я разбирал в статье про чувствительные данные и нейросети в компании. Если в отделе один общий аккаунт на всех, риск выше: о нём отдельный разбор про общий аккаунт ChatGPT на отдел.

Если договоры обрабатывает не чат, а ИИ-агент с доступом к папке на компьютере, правило то же: в папку попадают уже обезличенные копии, а оригиналы лежат отдельно.

Частые вопросы

Главный вывод

Самая частая ошибка не в том, что люди не обезличивают, а в том, что обезличивают для глаз. Нейросеть читает файл иначе, чем человек.

Практический шаг: возьми последний договор, который ты отдавал нейросети, скопируй его текст в блокнот и поищи название контрагента. Результат покажет, нужен ли тебе этот порядок.

Какие документы в твоей работе чаще всего уходят в нейросеть без подготовки?