Як використовувати Claude та Gemini для автоматизації документообігу: практичне порівняння

Щодня компанії витрачають години на рутину: складання договорів, обробку заявок, створення звітів і відповіді на типові листи. Claude від Anthropic та Gemini від Google — два найпотужніші AI-інструменти 2026 року, які можуть скоротити цей час у 3–5 разів. У цьому туторіалі ти налаштуєш реальний pipeline автоматизації документообігу, порівняєш можливості обох моделей і обереш оптимальний інструмент під свої задачі. На все піде приблизно 1,5–2 години, а для старту потрібен лише браузер і базове розуміння роботи з API.

🛠️ Що знадобиться

• Claude API (Anthropic Console) — для обробки та генерації документів; є безкоштовний тестовий кредит $5 після реєстрації на console.anthropic.com
• Google AI Studio / Gemini API — для роботи з великими документами та таблицями Google; безкоштовний tier дозволяє 15 запитів на хвилину
• Make (колишній Integromat) — no-code платформа для побудови автоматизацій між сервісами; безкоштовний план до 1000 операцій на місяць
• Google Drive + Google Docs — сховище для вхідних і вихідних документів; безкоштовно з будь-яким Google-акаунтом
• Postman або Thunder Client (VS Code) — для тестування API-запитів перед налаштуванням автоматизації; безкоштовно

📋 Покрокова інструкція

Крок 1: Отримати API-ключі для Claude та Gemini

Відкрий console.anthropic.com, зареєструйся і перейди у розділ API Keys → Create Key. Назви ключ “doc-automation-test” і одразу скопіюй його в текстовий файл — після закриття вікна він більше не відобразиться. Далі відкрий aistudio.google.com, увійди через Google-акаунт, натисни кнопку Get API Key → Create API key in new project і також збережи ключ. Обидва ключі зберігай у захищеному місці — не в коді, а у змінних середовища або менеджері паролів.

Крок 2: Протестувати обидві моделі на однаковому документі

Відкрий Postman і створи два запити, щоб одразу побачити різницю в підходах. Для Claude: POST-запит на https://api.anthropic.com/v1/messages, у Headers додай x-api-key: ТВІЙключ та anthropic-version: 2023-06-01, у Body вклади JSON з "model": "claude-opus-4-5", "max_tokens": 1024 і повідомленням: “Ти юридичний асистент. Склади короткий NDA на 1 сторінку між ФОП Іваненко та ТОВ Тест для захисту комерційної таємниці. Мова: українська.” Для Gemini: POST на https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash:generateContent?key=ТВІЙключ з аналогічним запитом у полі parts[0].text. Збережи обидві відповіді — вони знадобляться для порівняння.

Крок 3: Порівняти результати та визначити сильні сторони

Відкрий обидва документи і оціни їх за трьома критеріями. Юридична точність: Claude зазвичай краще дотримується структури договору (сторони → предмет → зобов’язання → відповідальність → реквізити), тоді як Gemini може пропустити обов’язкові пункти, але дає детальніші пояснення. Швидкість: Gemini Flash відповідає за 1–2 секунди, Claude Opus — за 3–6 секунд, що критично при масовій обробці. Обробка великих файлів: Gemini 2.0 підтримує контекстне вікно до 2 мільйонів токенів — це приблизно 1500 сторінок, тоді як Claude Opus дає 200 тисяч токенів. Висновок для практики: використовуй Claude для юридично чутливих документів і листів, Gemini — для аналізу великих масивів даних і таблиць.

Крок 4: Налаштувати автоматизацію в Make

Зайди на make.com, створи новий сценарій і додай перший модуль: Google Drive → Watch Files in Folder. Вкажи папку “Вхідні документи” у своєму Drive і встанови інтервал перевірки 15 хвилин. Другий модуль — HTTP → Make a Request: обери метод POST, встав URL Claude API, у Headers додай API-ключ, а в Body використай динамічну змінну з вмістом файлу. Для системного промпту введи: “Ти асистент документообігу. Отримуєш вхідний документ і маєш: 1) визначити тип документу, 2) виділити ключові дати та суми, 3) скласти резюме на 3–5 речень, 4) вказати необхідні дії. Відповідай структурованим JSON.” Третій модуль — Google Docs → Create Document: назва файлу береться з поля document_type у відповіді Claude, вміст — з поля summary. Активуй сценарій кнопкою ON у верхньому лівому куті.

Крок 5: Додати Gemini для аналізу таблиць і фінальне тестування

Розшир сценарій Make: після модуля Claude додай умовний роутер Router. Якщо document_type = “invoice” або “report”, запит іде до Gemini API з промптом: “Проаналізуй фінансовий документ і витягни всі числові показники у форматі JSON: {total_amount, currency, date, line_items[]}. Якщо є відхилення від норми — поясни.” Якщо тип документу інший — залишай відповідь Claude без змін. Фінальний модуль — Gmail → Send Email: надішли резюме документу відповідальній особі з темою листа “Новий документ: [тип] від [дата]”. Протестуй весь ланцюжок: завантаж у папку “Вхідні документи” реальний рахунок-фактуру у форматі PDF або Google Doc. Через 15 хвилин у папці “Оброблені” має з’явитися новий документ із резюме, а на пошту прийде лист із короткою вижимкою.

⚠️ Типові помилки та як їх уникнути

• Передача конфіденційних даних без маскування — перед відправкою документів до API замінюй реальні ПІБ, ІПН та суми на плейсхолдери (наприклад, [КЛІЄНТ_1], [СУМА_1]) за допомогою модуля Make “Text Parser → Replace Pattern”; це критично для відповідності GDPR та українському законодавству про персональні дані
• Не враховувати ліміти rate limit — безкоштовний Claude API дозволяє 5 запитів на хвилину; якщо обробляєш пачку документів, додай у Make модуль “Tools → Sleep” на 12 секунд між запитами, інакше отримаєш помилку 429 і сценарій зупиниться
• Довіряти AI без перевірки юридичних документів — обидві моделі можуть помилятися в специфічних нормах українського законодавства; завжди додавай у фінальний лист фразу “Документ згенеровано AI, потребує перевірки юристом” і не підписуй автоматично згенеровані договори
• Зберігати API-ключі у відкритому вигляді — ніколи не вписуй ключ прямо у поле Make; використовуй вбудований менеджер Connections → Custom App, де ключ шифрується і не відображається у логах

💡 Поради для кращого результату

Використовуй структурований вивід (JSON mode). Замість вільного тексту проси обидві моделі відповідати суворо у форматі JSON зі заздалегідь визначеними полями — тоді Make зможе автоматично розбирати відповідь без додаткових парсерів. У промпті додавай: “Відповідай ТІЛЬКИ валідним JSON без markdown-блоків”.

Роби A/B тестування промптів на реальних документах. Збери 10–15 типових документів своєї компанії, запусти їх через обидві моделі з різними версіями промптів і порівняй точність. Зазвичай достатньо 2–3 ітерацій, щоб знайти оптимальне формулювання, яке дає стабільний результат.

Налаштуй температуру моделі залежно від задачі. Для юридичних документів і витягування даних встанови temperature: 0 — відповіді будуть детермінованими і передбачуваними. Для генерації листів і креативних текстів підніми до 0.7 — це додає природності у формулювання.

Логуй усі запити і відповіді у Google Sheets. Додай у Make модуль “Google Sheets → Add Row” після кожного API-запиту з полями: дата, тип документу, модель (Claude/Gemini), час відповіді, кількість токенів і вартість. Через місяць матимеш чіткі дані про те, яка модель ефективніша саме для твоїх задач.

❓ Часті запитання (FAQ)

1. Яка модель дешевша для масової обробки документів?
Gemini 2.0 Flash коштує приблизно $0.075 за мільйон вхідних токенів, тоді як Claude Opus — $15 за мільйон. Для великих обсягів рутинних документів Gemini Flash у 200 разів дешевший. Але для точних юридичних задач різниця у якості виправдовує вищу ціну Claude.

2. Чи можна підключити свої шаблони договорів?
Так. Завантаж шаблон у системний промпт як текст і попроси модель заповнювати лише змінні поля (назва компанії, дати, суми). Claude краще зберігає структуру складних шаблонів, тоді як Gemini іноді переформатовує текст на власний розсуд.

3. Як обробляти документи у форматі PDF?
Gemini 2.0 підтримує пряме завантаження PDF через File API — просто передай файл у запиті. Claude поки що приймає тільки текст і зображення, тому PDF потрібно попередньо конвертувати у текст через модуль Make “PDF.co → Extract Text” або вбудований Google Drive парсер.

4. Чи безпечно передавати внутрішні документи компанії до цих API?
За умовчанням Anthropic і Google не використовують дані API-запитів для тренування моделей (на відміну від безкоштовних чат-інтерфейсів). Але для чутливих даних рекомендую або маскувати персональні дані перед відправкою, або використовувати корпоративні плани з угодами DPA (Data Processing Agreement).

5. Що робити, якщо Make помилково класифікує тип документу?
Додай у Make модуль “Router” з резервною гілкою “інше” і налаштуй автоматичне сповіщення у Slack або Telegram для документів, які потрапили у невизначену категорію. Збирай такі випадки і раз на тиждень оновлюй промпт, додаючи нові типи документів — за місяць точність класифікації зростає до 95%+.

🏁 Підсумок

Ти навчився отримувати API-ключі для Claude та Gemini, протестував обидві моделі на реальному завданні, збудував автоматизований pipeline у Make, який самостійно обробляє вхідні документи, класифікує їх і надсилає резюме на пошту — і все це без написання коду.

Почни прямо зараз із найпростішого: зареєструйся на console.anthropic.com, отримай безкоштовний кредит і відправ перший тестовий запит із реальним документом своєї компанії. Вже за годину матимеш конкретні дані про те, скільки часу AI може заощадити саме у твоєму робочому процесі.