Как использовать ИИ в корпоративном документообороте: 3 кейса
Рассмотрим 3 кейса применения ИИ в классических задачах документооборота
Идеолог продукта и сооснователь компании «ДоксВижн» — разработчика системы управления документами и бизнес-процессами Docsvision
ИИ завоевывает корпоративный мир, упрощая рутинные процессы в корпорациях. В частности, эта технология может быть применена в документационном обеспечении бизнеса. Рассмотрим 3 кейса применения ИИ в классических задачах документооборота.
1 кейс — классификация и маршрутизация документов
ИИ помогает категорировать входящие документы, а затем определять маршрут обработки каждого отдельного документа. Пример первый: в массиве входящих документов выявить обращения граждан, определить класс жалобы на основе внутреннего классификатора и отправить задание ответственным сотрудникам для подготовки ответа. Пример второй: из массива входящих документов «на лету» определять, кому отправлять задание на исполнение, определять контролирующих. Пример третий: определять вид бухгалтерских документов и отправлять на обработку в соответствующую ИТ-систему.
Не всегда такие задачи стоит решать с помощью ИИ. В задачах проанализировать атрибуты документа, найти связанные документы, достаточно использовать формальные алгоритмы, которые также оптимизируют работу с документами.
Кейс 2 — поиск сущностей в документе
Уже давно ИТ-системы научились выделять из скан-копий бумажных документов сущности, которые определяют маршрут дальнейшей обработки или передавать данные в другие бизнес-приложения. Однако их развитие технологий позволяет решать задачи посложнее: сверять данные из документа со справочниками. Пример первый: ИИ позволяет проверять, все ли документы включены в пакет документов. Пример второй: выявить ошибки в заполнении документа, проверить его на соответствие нормоконтролю.
Кейс 3 — обработка текста
Обработка текстов документов с использованием ИИ включает в себя такие задачи: автореферирование, поиск аномалий в оформлении документов, выявление полноты и правильности заполнения документов и другие. Для каждой из этих задач требуется специфическое решение, включая абстрактивную суммаризацию текста, языковые модели типа Bert для сравнения текста, модели faiss для поиска схожих документов и другие.