Aplikacje AI i wiedza

Inteligentna obsługa dokumentów

W likwidacji szkód, handlu, finansach i obsłudze prawnej praca nie rozstrzyga się w systemie ewidencji. Rozstrzyga się w pliku PDF, który ktoś przesłał mailem. Budujemy wyodrębnianie, klasyfikację i kierowanie, które zamieniają ten przepływ w dane strukturalne, na których Państwa systemy mogą działać.

Problem biznesowy

Szablony psują się w chwili, gdy dostawca zmieni układ

Klasyczne rozpoznawanie dokumentów działa na szablonach, więc obsługuje dokumenty, które ktoś przewidział, i zawodzi na reszcie. Każdy nowy dostawca, zmiana formatu lub nietypowy przypadek staje się zadaniem konfiguracyjnym, a kolejka wyjątków rośnie szybciej, niż zespół zdąża ją rozładowywać. Powstaje proces nominalnie zautomatyzowany, a faktycznie obsadzony ludźmi poprawiającymi to, czego automat nie odczytał.

Czym się zajmujemy

Wyodrębniać po znaczeniu, sprawdzać regułą

Wyodrębniamy pola po tym, co znaczą, a nie po tym, gdzie leżą, więc zmiana układu nie łamie potoku. Każda wyodrębniona wartość jest następnie sprawdzana regułami, które już Państwo mają: sumy się zgadzają, daty są wiarygodne, kontrahent istnieje w danych podstawowych. Wszystko, co nie przejdzie walidacji lub co do czego system nie jest pewny, trafia do człowieka z dokumentem źródłowym i wyodrębnioną wartością obok siebie. Progi pewności ustalają Państwo, a my dostrajamy je do Państwa tolerancji na nakład przeglądu.

Inteligentna obsługa dokumentów

Kompetencje

  • Inteligentne przetwarzanie dokumentów

  • OCR

  • Klasyfikacja dokumentów

  • Wyodrębnianie danych

  • Analiza umów

  • Przetwarzanie faktur

  • Przetwarzanie formularzy

Typowe zastosowania

Typowe zastosowania

  • Przetwarzanie faktur dostawców wobec zamówień i kierowanie do przeglądu tylko rzeczywistych niezgodności.
  • Odczytywanie zgłoszeń szkody i otwieranie sprawy z już wypełnionymi polami.
  • Wyodrębnianie zobowiązań, terminów i stron z podpisanych umów do rejestru.
  • Klasyfikowanie i kierowanie korespondencji przychodzącej do właściwego zespołu bez wcześniejszego czytania przez człowieka.

Jak realizujemy projekty

Jak realizujemy projekty

  1. Uformowanie

    Zamiana potrzeby w specyfikację: kto korzysta, co jest poprawną odpowiedzią, kto decyduje.

  2. Osadzenie w danych

    Podłączenie do treści i systemów, które zawierają odpowiedzi, z poszanowaniem istniejących uprawnień.

  3. Ewaluacja

    Ocena na oznaczonym zbiorze zbudowanym z Państwa własnych przypadków, zanim zobaczy to ktokolwiek z zewnątrz.

  4. Wdrożenie i eksploatacja

    Stopniowe udostępnienie z monitorowaniem, kontrolą kosztów i zestawem testów chroniącym jakość.

Technologia

Technologia

  • OpenAI
  • Anthropic
  • Azure OpenAI
  • pgvector
  • Elasticsearch
  • Microsoft 365
  • SharePoint
  • Confluence
  • Salesforce

Bezpieczeństwo i nadzór

Bezpieczeństwo i ład

Odpowiedzi są osadzone w Państwa własnych treściach i zawierają odwołania do źródeł, więc czytelnik może je sprawdzić. Wyszukiwanie respektuje uprawnienia ustawione już na źródle, co oznacza, że użytkownik nigdy nie zobaczy przez aplikację tego, czego nie mógłby zobaczyć bezpośrednio. Zapytania, pobrany kontekst i odpowiedzi są rejestrowane na potrzeby audytu, a ewaluacja działa w sposób ciągły, a nie jednorazowo przy starcie.

Modele współpracy

Modele współpracy

Projekt AI

Bierzemy odpowiedzialność za zaprojektowanie i dostarczenie określonego rozwiązania AI.

Dedykowany zespół AI

Długoterminowe, dedykowane zasoby inżynierskie zbudowane wokół Państwa technologii i modelu dostarczania.

Zarządzana AI

Prowadzimy, monitorujemy i stale ulepszamy produkcyjne systemy AI.

Dlaczego TeamExtension.ai

Najpierw projektujemy ścieżkę wyjątków

Automatyzację dokumentów ocenia się po tym, co robi z niewygodnymi dziesięcioma procentami, a nie z łatwymi dziewięćdziesięcioma. Budujemy kolejkę przeglądu, progi pewności i ścieżkę audytu jako część systemu, a nie jako dodatek na końcu, bo to właśnie decyduje, czy Państwa zespół zacznie mu ufać, czy zacznie go omijać.

Wybrani klienci

Najczęstsze pytania

Najczęstsze pytania

Jakiej trafności możemy oczekiwać?
Zależy od jakości dokumentów i rodzaju pola, więc mierzymy na Państwa dokumentach, zanim podamy liczbę. Bardziej użytecznie: trafność jest pokrętłem. Podniesienie progu pewności kieruje więcej spraw do przeglądu i przepuszcza mniej błędów. Dostrajamy to razem z Państwem wobec kosztu każdego z nich.
Czy musimy oznaczać dane treningowe?
Zwykle nie do wyodrębniania, które działa na samym dokumencie. Potrzebujemy natomiast skromnego oznaczonego zbioru do ewaluacji, zazwyczaj kilkuset dokumentów, bo tak trafność jest mierzona, a nie zakładana.
A pismo odręczne i słabe skany?
Oba obniżają trafność i oba da się zmierzyć. Testujemy na Państwa najgorszych dokumentach, a nie najlepszych, i odpowiednio ustawiamy próg pewności, aby słabe wejście trafiało do człowieka zamiast dawać pewną, ale błędną wartość.
Czy poradzi sobie z nowym typem dokumentu bez przebudowy?
Z nowymi układami znanego typu zwykle tak, bo wyodrębnianie nie jest związane z szablonem. Naprawdę nowy typ dokumentu z innymi polami wymaga konfiguracji, ale jest to zadanie definicyjne, a nie programistyczne.
Gdzie trafiają dane?
Do systemu, który jest właścicielem procesu: Państwa ERP, platformy szkodowej lub narzędzia do prowadzenia spraw, przez jego API. Warstwa wyodrębniania nie jest miejscem docelowym i takiego nie budujemy.

Omów swoją inicjatywę AI

Wyodrębnianie, klasyfikowanie i kierowanie dokumentów, które dziś przechodzą przez skrzynki pocztowe ludzi.