На прошлой неделе мне прислали CSV-файл на 47 тысяч строк. Задача: вытащить все записи, где клиент не ответил на три письма подряд, и сгруппировать их по менеджерам. Раньше я бы открыл Excel, написал бы формулу, попыхтел минут двадцать и в итоге что-то пропустил. А тут загрузил файл в ChatGPT, описал задачу тремя предложениями — и через десять секунд получил готовый скрипт на Python, который сделал всё сам. Не идеально, но 95% работы убрал.
Это и есть парсинг данных с ИИ в действии. Не магия, не замена аналитика — просто инструмент, который сжимает рутину.
Что вообще такое парсинг
Парсинг — это превращение сырых данных в структурированный формат, с которым можно работать. Открываешь прайс конкурента, а там мешанина из названий, цен и характеристик в одном столбце — это и есть сырые данные. Парсинг превращает это в таблицу: артикул, название, цена, категория — каждый параметр на своём месте.
Исторически парсили тремя путями. Регулярные выражения — мощные, но выглядят как заклинания: r'\d+\.\d{2}' и молитвы, чтобы ничего не сломалось. Парсеры на XPath или CSS-селекторах — когда заранее знаешь структуру страницы. И ручная обработка в таблицах — медленно и с ошибками.
Общее у всех трёх способов: они ломаются, как только данные чуть отклоняются от шаблона. А данные всегда отклоняются.
Почему ИИ меняет правила игры
Большая языковая модель не ищет по шаблону. Она понимает контекст. Если в прайсе написано «Туфли женские, замша, размер 38, цвет бордо, цена 4 900 ₽», старый парсер будет искать цифры, а ИИ поймёт, что «бордо» — это цвет, а не название бренда. Реальный пример: парсил объявления с Авито, и там в разных строках встречались описания типа «5/5», «пробег 150 000», «состояние отличное». Модель правильно определила, что «5/5» — это оценка состояния, а не пробег.
И вот что ещё важно: ИИ может работать с данными, которые вообще не были заточены под обработку. Письма, скриншоты, PDF-ки с кривым форматированием, ответы в чатах — раньше всё это перепечатывали вручную. Теперь можно отдать модели.
Что реально умеет ИИ-парсер сегодня
Попробовал несколько сценариев — вот что получил на практике.
Извлечение данных из неструктурированного текста. Берём текст вакансии — за пять секунд получаем зарплату, формат работы, стек технологий, город. Раньше это был час нудного копирования.
Классификация и тегирование. Загружаю список обращений клиентов — ИИ сам распределяет их по категориям: жалоба, вопрос по оплате, техподдержка. Не идеально, процентов 10–15 ошибок, но руками я бы делал это два дня.
Поиск аномалий. Обычный grep найдёт только то, что ты уже ищешь. А модель может посмотреть на данные и сказать: «тут странное — в четверг выручка просела на 30% относительно соседних дней, и при этом выросло количество возвратов». Это уже ближе к реальному анализу, а не просто к обработке.
Сводки и выводы. Даёшь модели таблицу с данными за квартал и просишь: «Что тут главное? Напиши три абзаца для отчёта». Получаешь черновик, который остаётся только причесать.
Где это буксует
Не буду притворяться, что всё идеально. Есть моменты, где ИИ-парсинг разочаровывает.
Точность. На структурированных данных, где важна каждая цифра — бухгалтерия, финансы, логистика — LLMs дают слишком много ошибок. Модель может «подправить» число по смыслу, а тебе нужна точность до копейки. Для такого контекстные модели не подходят, нужен жёсткий программный парсинг.
Стоимость. Модель, которая обрабатывает миллион строк, стоит денег. Иногда сопоставимых с зарплатой человека, который сделал бы это за неделю. Для разовых задач — нормально, для ежедневного потока — считай.
Промпты — это тоже работа. Чтобы получить нормальный результат, нужно уметь формулировать задачу. Первый запрос обычно даёт 60% от нужного. Второй-третий — уточняет до 90%. Это не «нажал кнопку — получил результат», это диалог.
Контекстное окно. Огромные файлы не загрузить целиком. Приходится бить на части, что добавляет мороки.
Инструменты, которые стоит попробовать
Не реклама — делюсь тем, с чем работал сам.
Для программистов — LangChain и LlamaIndex. Фреймворки, которые позволяют подключить LLM к своим данным. Строишь цепочку: загрузка файла → извлечение → преобразование → запрос. Гибко, мощно, но нужно писать код.
Для не-технарей — современные no-code-решения вроде Hex, Rows или обычный ChatGPT с плагином Advanced Data Analysis. Загружаешь файл, пишешь на русском, что нужно сделать, получаешь результат.
Для веб-данных — ИИ-ассистенты в Composer, Barde или Simlar. Заходят на страницу и вытаскивают нужное без селекторов. Не всегда стабильно, но для разведки удобно.
Как я теперь работаю с данными
Свои грабли вынес опытным путём.
Для разовых задач до тысячи строк — сначала пробую ИИ. Если за пять минут не получил результат, бросаю и делаю руками или скриптом.
Для повторяющихся процессов — сначала строю автоматизацию без ИИ. Дешевле и надёжнее. ИИ добавляю только если ручной парсинг слишком сложен из-за вариативности данных.
Для исследовательских задач — ИИ вперёд. Посмотреть данные, найти зависимости, сгенерировать гипотезы — для этого модели годятся отлично.
И главное: никогда не доверяю результату ИИ-парсинга без проверки. Он ускоряет работу, но не заменяет голову.
Это не революция, это эволюция инструмента. Точно так же электронные таблицы не заменили бухгалтеров — они сделали их продуктивнее. ИИ-парсинг работает так же: забирает рутину, оставляя человеку то, где действительно нужен опыт и понимание.
