.|
Применение больших языковых моделей в экспертизе ценности документов. 2018-2025 гг.
Научная статья
УДК 651:533+002.513.5+001.891.53+004.087+002.6.01/.09+001.895+002.513.5+651.838.8+93/94+651.531.17+651.537+651.012+651.7+658.5+930.85+001.891+351/354+331.07+930.2+930.24+303.64+330.31+002.6.013+002.6.048.26+002.63+930.25
doi 10.28995/2073-0101-2025-4-1187-1201
Для цитирования
Белов, И. И. Применение больших языковых моделей в экспертизе ценности документов. 2018-2025 гг. // Вестник архивиста. 2025. № 4. С. 1187-1201, doi 10.28995/2073-0101-2025-4-1187-1201
Белов, И. И.
Всероссийский научно-исследовательский институт документоведения и архивного дела, г. Москва, Российская Федерация
Применение больших языковых моделей в экспертизе ценности документов. 2018-2025 гг.
Развитие управления документами тесно связано с тенденцией внедрения и применения современных информационных технологий, среди которых значимое место занимают технологии искусственного интеллекта. Одним из приоритетных направлений в этой сфере является разработка отечественных программных решений. В области электронного документооборота уже имеются конкретные примеры такого программного обеспечения. Так, система Directum, включенная в Реестр отечественного программного обеспечения в 2018 г., в 2023 г. получила особую пометку «программное обеспечение относится к сфере искусственного интеллекта». Пометка свидетельствует как о признании со стороны государства значимости данной разработки, так и о фактической интеграции технологий искусственного интеллекта в ее функционал.
Следует отметить, что в настоящее время одними из наиболее востребованных пользователями программных решений на основе технологий искусственного интеллекта для решения различных задач являются большие языковые модели (large language models, LLMs). К этой категории относятся как отечественные разработки, такие как YandexGPT, GigaChat, так и зарубежные решения, включая Deepseek и другие. В отличие от решения задач по генерации текстов, ответов на вопросы, извлечения структурированных данных, применение больших языковых моделей в документных процессах остается малоизученным. Так, использование больших языковых моделей в области экспертизы ценности документов на сегодняшний день является недостаточно исследованным направлением, что обусловливает необходимость анализа этого вопроса в рамках научных исследований.
В рамках выполнения Плана научно-исследовательских и опытно-конструкторских работ Всероссийского научно-исследовательского института документоведения и архивного дела (ВНИИДАД) по государственному заданию Федерального архивного агентства на 2025 г. по теме 2.3 «Организационно-распорядительная документация: документирование, классификация и экспертиза ценности документов в условиях цифровой трансформации» поставлена задача по исследованию применения современных информационных технологий в экспертизе ценности документов и комплектовании архивных фондов организаций. В связи с этим, коллективом ВНИИДАД был предпринят эксперимент по обучению и тестированию предобученной большой языковой модели с открытым исходным кодом при выполнении процесса экспертизы ценности документов.
С учетом технических и профессиональных ограничений, связанных с отсутствием навыков низкоуровневого программирования и разработки, в качестве подхода было выбрано дообучение модели (fine-tuning). Такой метод позволяет адаптировать большую языковую модель к специфическим задачам, которые она изначально не выполняла, путем корректировки ее внутренних параметров, в данном случае, в контексте экспертизы ценности документов. Для эксперимента была выбрана одна из задач экспертизы ценности – отбор документов для их хранения или уничтожения на основании ранее принятых решений. Это позволяет наиболее полно продемонстрировать потенциал применения большой языковой модели в качестве помощника для специалистов, обрабатывающих значительные объемы документации. Соответственно окончательное решение всегда остается за экспертом-человеком.
Предобученная большая языковая модель после дообучения на специфической выборке размеченных документов показала определенные результаты, смогла принимать решения о хранении или уничтожении документов, что уже демонстрирует возможность применения этой технологии в экспертизе ценности документов и в будущем позволит значительно сократить время на ее осуществление. Однако, сами результаты трудно оценить ввиду существующих ограничений профессионального и технического характера.
В ходе эксперимента было установлено, что написание и адаптация кода для дообучения модели требует более ясного и пошагового подхода, так как оценка возможных недостатков при генерации кода с помощью сторонних инструментов была затруднена ввиду недостаточной квалификации специалистов-документоведов.
Дополнительной проблемой является ограниченность модели в учете контекста, без дообучения модель не способна корректно интерпретировать специфические критерии экспертизы ценности документов, например, оценка авторитета личности, упомянутой в документе.
Подводя итог, стоит сказать, что применение больших языковых моделей в экспертизе ценности документов открывает перспективные возможности для специалистов, однако нуждается в дальнейшем изучении, доработке и адаптации моделей к специфике русскоязычной документации, профессиональной практике отечественного делопроизводства и архивного дела.
Одновременно это подчеркивает необходимость дальнейших совместных исследований специалистов в области документоведения и архивоведения и технических специалистов для выработки надежных и безопасных подходов интеграции таких технологий в архивную практику.
Аннотация
В статье рассматривается применение больших языковых моделей (large language models, LLMs) в экспертизе ценности документов для усовершенствования действующей практики и раскрытия потенциальной пользы от внедрения и использования этого инструмента в организациях для поддержки принятия решений. Научная новизна исследования состоит в проведении практического эксперимента по адаптации и применению большой языковой модели в экспертизе ценности документов, что позволяет не только теоретически предположить, но и эмпирически выявить преимущества, проблемы и риски применения таких технологий. Целью исследования является анализ потенциала применения больших языковых моделей при проведении экспертизы ценности документов, изложение опыта практической реализации эксперимента по дообучению и тестированию большой языковой модели в этой области. К исследованию привлечены работы отечественных и зарубежных ученых и специалистов в области документоведения, архивоведения, информационных наук, что подчеркивает междисциплинарный характер рассматриваемой проблематики. В статье описан проведенный эксперимент, включающий этапы дообучения предобученной большой языковой модели для выполнения узкоспециализированных задач экспертизы ценности документов и ее последующего тестирования на реальных данных документального фонда организации. Излагается обоснование выбора конкретной предобученной большой языковой модели, а также выбранного метода улучшения ее параметров для эффективного выполнения одной из ключевых задач экспертизы ценности документов – отбора документов для постоянного хранения или уничтожения. Детально проанализирован этап подготовки и разметки обучающих данных, которые отражают критерии экспертизы ценности документов. Автором делается акцент не только на очевидной пользе от применения больших языковых моделей, такой как ускорение обработки массивов документации, что позволит сократить затраченное время на проведение экспертизы ценности, но и на возможных рисках. Среди них детально рассматриваются вопросы обеспечения информационной безопасности при применении таких технологий в работе с документальным фондом организации, ограничения технического характера, связанные с затратами на оборудование и несовершенством технологий при учете контекста, а также отсутствие необходимых компетенций и навыков у специалистов в области управления документами. Полученные результаты свидетельствуют о несомненном практическом потенциале применения больших языковых моделей в экспертизе ценности документов, но одновременно подчеркивают необходимость дальнейших исследований по выработке методики безопасной интеграции таких технологий в архивную практику.
Ключевые слова: информационные технологии, экспертиза ценности документов, большая языковая модель, искусственный интеллект, управление документами.
Список источников и литературы
Альбрехт, Б. В., Симонова, Е. Р. О концепции экспертизы ценности документов в условиях информационного общества: приглашение к дискуссии // Вестник ВНИИДАД. 2019. № 6. С. 92-96.
Доронина, Л. А. Экспертиза ценности документов в организации // Шаг в будущее: искусственный интеллект и цифровая экономика. Материалы I Международной научно-практической конференции. Вып. 1. Москва: ИД ГУУ. 2017. С. 282-287.
Кузнецова, Л. О. Цифровые возможности при проведении экспертизы документов // Гасырлар авазы - Эхо веков. 2024. № 3. С. 188-192.
Лагутина, К. В., Бойчук, Е. И., Лагутина, Н. С. Автоматическая классификация русскоязычных интернет-текстов по жанрам // Искусственный интеллект и принятие решений. 2023. № 4. С. 103-114.
Лобанова, А. М. Экспертиза ценности документов. современные вызовы и перспективы применения искусственного интеллекта // Научный вестник Крыма. 2021. № 5 (34). С. 1-12.
Groppe, J., Marquet, A., Walz, A., Groppe, S. (2025). Automated Archival Descriptions with Federated Intelligence of LLMs. IN: Database and Expert Systems Applications, 36th International Conference, Bangkok, Thailand, pp. 53-67.
Humphries, M., Leddy, L., Downton, Q., Legace. (2025). M. Unlocking the archives, Using large language models to transcribe handwritten historical documents, Historical Methods, A Journal of Quantitative and Interdisciplinary History. № 58 (3), pp. 1-19.
Hutchinson, T. (2020). Natural language processing and machine learning as practical toolsets for archival processing, Records Management Journal, № 30 (2), pp. 155–174.
Vellino, A., Alberts, I. (2016). Assisting the Appraisal of E-mail Records with Automatic Classification, Records Management Journal, № 26 (3), pp. 293-313.
Yang, J., Zhang, X., Liang, K., Liu, Y. (2023). Exploring the Application of Large Language Models in Detecting and Protecting Personally Identifiable Information in Archival Data, A Comprehensive Study. IN: 2023 IEEE International Conference on Big Data (BigData), Sorrento, Italy, pp. 2116-2123.
Zhang, S., Peng, S., Wang, P., Hou, J. (2024). Archives Meet GPT, A Pilot Study on Enhancing Archival Workflows with Large Language Models, IN: iConference 2024 Proceedings, pp. 1-12.
Сведения об авторах
Белов Илья Игоревич, Всероссийский научно-исследовательский институт документоведения и архивного дела, отдел документоведения, научный сотрудник, Российский государственный гуманитарный университет, Историко-архивный институт, кафедра автоматизированных систем документационного обеспечения управления, ассистент, г. Москва, Российская Федерация, 8-913-608-74-28, Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
ORCID 0009-0000-7922-2770
В редакцию статья поступила 10.01.2025 г., рекомендована к опубликованию 20.09.2025 г.