На этой неделе старший консультант по решениям WorkFusion Райан Петерс провел веб-семинар по процессам приема электронной почты. Поскольку ручная работа по классификации и извлечению данных из электронной почты - это рутинная работа, с которой приходится иметь дело практически каждому бизнесу, аудитория очень заинтересовалась. Мы получили массу замечательных вопросов, и здесь мы отвечаем на некоторые из самых интересных:
Какой инструмент OCR вы используете для обработки вложений?
WorkFusion включает механизм распознавания текста ABBYY как часть нашего технологического стека. Это полезно для обработки входящих сообщений электронной почты, поскольку электронные письма обычно содержат вложения (например, PDF-файлы) или встроенные изображения (например, TIFF, JPG, GIF). При обработке электронного письма важно оцифровать все вложения и изображения, чтобы их текст можно было объединить с телом электронного письма для классификации и извлечения.
Предоставляется ли модель классификации «из коробки» или ее настраивает специалист по данным во время внедрения?
AutoML WorkFusion предоставляет общие модели классификации для автоматической классификации текстов путем анализа его частей (токенов) и их комбинаций (функций). Специалист по данным не требуется. Инженер по машинному обучению будет вводить данные обучения в бизнес-процесс WorkFusion и позволить нашему AutoML выполнить работу по определению наилучшего сочетания токенов и функций. Это может быть выполнено с использованием исторических данных или задач ручного обучения, как в примере ниже:
Пример обучающего задания для классификации
Результаты после тренировки
Какова типичная продолжительность POC?
Обычный прием электронных писем для проверки подлинности занимает 4–6 недель. Продолжительность зависит от сложности интеграции RPA, количества типов электронной почты для классификации, количества моделей извлечения и т. Д. Я обычно рекомендую нашим клиентам начать с малого для POC, классифицировать 3–6 различных типов электронных писем и выбрать один тип электронной почты. для модели экстракции.
Вот пример плана проекта высокого уровня для POC:
Как правило, POC выполняются на месте или в облаке?
Это зависит от данных, которые мы будем использовать для POC. Если нет PII или конфиденциальных данных, WorkFusion может разместить POC в нашем облаке AWS. Преимущество заключается в скорости внедрения и отсутствии необходимости задействовать наши ресурсы. Если есть проблемы с конфиденциальностью данных, клиенты будут настраивать нашу инфраструктуру на месте до начала POC. Другая ключевая проблема - интеграция с серверными системами. Если для интеграции с корпоративными приложениями за брандмауэром задействован RPA, проще настроить нашу инфраструктуру локально, а не открывать порты для короткого POC.
Приведенное выше руководство предназначено для POC для производственных реализаций. Почти все наши клиенты развертывают свои системы в своих центрах обработки данных или частном облаке.
Как вы справляетесь с неточными результатами?
WorkFusion SPA предлагает автоматический контроль качества (AutoQC), чтобы гарантировать, что автоматизация и модели соответствуют порогам точности, установленным бизнесом. AutoQC - это готовая к работе функция, которая использует статистические методы для мониторинга и поддержания качества данных. В рабочем процессе автоматизации WorkFusion подпроцесс AutoQC выбирает оптимально рентабельную комбинацию автоматизированных машин и человека, которые всегда обеспечивают приемлемый уровень качества или выше.
Основная концепция AutoQC состоит в том, чтобы взять образец из определенной партии элементов и проверить каждый элемент в этой выборке. После проверки образца вся партия считается принятой или отклоненной в зависимости от Лимита брака.
Чтобы узнать больше о том, как RPA на основе искусственного интеллекта может снизить затраты, увеличить емкость и улучшить предоставление услуг для всего вашего бизнеса, посетите WorkFusion.
