Document Understanding benutten voor automatisering, nauwkeurigheid en ROI

Document understanding heeft als doel data vrij te maken die vastzit in documenten, om je organisatie veel hogere nauwkeurheid van de geëxtraheerde data, verhoogde productiviteit en groeiende ROI van Robotic Process Automation (RPA) te geven. Het ligt op het snijvlak van documentverwerking en kunstmatige intelligentie (AI) die samen bijdragen aan een toekomst waar bijna alles geautomatiseerd kan worden.

Het document understanding-ecosysteem omvat technologieën die informatie en betekenis kunnen interpreteren uit een breed scala aan documenttypen – zelfs handgeschrift, checkboxes en stempels. Machine learning (ML) drijft continue innovatie in document understanding aan, wat een van de snelst groeiende gebieden van automatisering is.

Organisaties werken misschien al met specifieke oplossingen of providers. Toch kunnen ze andere technologieën of nieuwe expertise nodig hebben om document understanding uit te breiden naar andere bedrijfsfuncties. Het kan moeilijk zijn om een vendor te vinden die een universele oplossing heeft die werkt met alle soorten documenten. Ze richten zich typisch op specifieke documenttypen of industrieën, zoals verzekeringen, financiële dienstverlening en gezondheidszorg. Er zijn ook vendors die ML-gebaseerde oplossingen aanbieden zoals vooraf getrainde modellen voor specifieke documenten. Toch kunnen die modellen niet gemakkelijk aangepast worden aan documenten buiten die domeinen.

Het is momenteel moeilijk om een vendor te vinden die een universele oplossing biedt die met elk denkbaar document werkt. UiPath biedt bedrijven daarom een manier om de uitdagingen en mogelijkheden van geautomatiseerde documentverwerking aan te pakken. Om te beginnen zijn er onze native AI-mogelijkheden die je kunt uitproberen via de UiPath Enterprise proefversie.

UiPath Enterprise RPA Platform-mogelijkheden worden versterkt door complementaire partner-aanbiedingen die soepel end-to-end documentverwerking mogelijk maken – die beschikbaar zijn in de UiPath Marketplace. De Marketplace biedt een open ecosysteem met partneroplossingen die, gecombineerd met het UiPath RPA-platform, een breed scala aan use cases kunnen adresseren.

Laten we een nader kijken werpen naar deze ecosysteem-technologieën en top-vendors die ze leveren.

Meerdere technologieën kunnen de kracht van document understanding ontsluiten

Dit zijn enkele van de meest gebruikte technologieën in document understanding, samen met UiPath-partners die oplossingen omheen bouwen:

Optische tekenerkenning (OCR)

OCR converteert afbeeldingen van getypte, handgeschreven of gedrukte tekst naar machine-gecodeerde tekst die verder verwerkt kan worden om gewenste data te extraheren. De technologie extraheert meestal ook informatie over de lay-out en structuur van de inhoud. Je bent misschien af en toe vertraagd door het werken met PDF-documenten waarin je geen tekst kunt kopiëren of zoeken toepassen omdat PDF-pagina's eigenlijk plaatjes zijn. Op dezelfde manier heb je misschien een scan, een foto of een screenshot van een bonnetje, bijvoorbeeld in typische grafische formaten als JPEG of TIFF. OCR kan alle benodigde informatie uit deze bestanden verzamelen zonder dat een mens hoeft te lezen door alle documenten heen.

Veel van de bekendste OCR-engines op de markt zijn geïntegreerd met UiPath. Deze omvatten ABBYY FineReader, Tesseract (een open source OCR van Google), Kofax OmniPage, Microsoft OCR en Google OCR. Daarnaast is UiPath Document OCR recentelijk uitgebracht als nog een geweldige keuze voor klanten.

Template-based extractors (TBEs)

TBEs extraheren data met vaste regels die toegepast worden op templates gemaakt door een gebruiker of machine. TBEs werken misschien niet voor documenten waar de structuur ervan frequent verandert of verschillende template-variaties vereist. Dit betekent dat het geen optie is als je met veel verschillende organisaties werkt en te maken hebt met diverse templates van facturen of bonnetjes die ze sturen. Tegelijkertijd is de technologie ideaal geschikt voor het beheren van een relatief klein aantal templates voor stabiele documenten. Aarzel niet ervoor te kiezen als je een vooraf gedefinieerde set vaste templates hebt en geen uitzonderingen verwacht. Wanneer een documentformaatwijziging nodig is, is het makkelijk om de template handmatig te wijzigen.

Er zijn veel vendors die TBEs aanbieden. Bij het evalueren welke oplossing te kiezen, moet je letten op hoe gemakkelijk het is om een template in te stellen, en hoe de extractieresultaten afhangen van de kwaliteit van de afbeelding. Sommige van de beste bedrijven bieden technologieën die de templates op een semi-automatische manier creëren met een human-in-the-loop proces dat alleen de keuze bevestigt.

Een geweldig TBE-voorbeeld is ABBYY FlexiCapture, wat geïntegreerd is in UiPath Studio. Er is ook een UiPath template extractor beschikbaar als onderdeel van UiPath Document Understanding.

Supervised-learning-based machine learning extractors (SMLEs)

SMLEs kunnen gebruikt worden voor gestructureerde en semi-gestructureerde documenten. De laatste hebben misschien geen strikte lay-out als gestructureerde documenten, maar kunnen vergelijkbare inhoud bevatten. Een goed voorbeeld zijn facturen en inkooporders. SMLEs werken door een set voorbeelddocumenten te labelen, d.w.z. de te extraheren data-elementen te associëren met het gebied in het document waaruit de data geëxtraheerd wordt.

Momenteel heeft UiPath ML-gebaseerde extractors voor facturen, bonnetjes en inkooporders. Andere vooraf getrainde modellen zullen binnenkort beschikbaar zijn. UiPath is ook geïntegreerd met ABBYY Flexicapture Distributed en Flexicapture for Invoices die vooraf getrainde ML-modellen voor facturen en vergelijkbare documenten benutten. Verder is UiPath geïntegreerd met Hyperscience, Ephesoft, Vidado, Rossum, Omnius, Microsoft Form Recognizer en Amazon Textract. Alle integraties bieden technieken voor gestructureerde en semi-gestructureerde documenten.

Bij het overwegen van SMLE-opties, vraag de vendor hoeveel voorbeelden nodig zijn om de modellen te trainen. Als het aantal groot is, kan het proces hoge kosten met zich meebrengen door de labelingtaken en de behoefte aan veel voorbeelden.

Unsupervised learning (USL)

Deze techniek bestaat uit het analyseren van een dataset zonder vooraf data te labelen. USL benut vooraf getrainde modellen of verschillende computer-vriendelijke kennisrepresentaties om ongestructureerde documenten te verwerken. Veelvoorkomende use cases omvatten het analyseren van financiële staten, contracten en e-mails.

UiPath heeft diverse partners die USL-oplossingen aanbieden, waaronder Indico, SortSpoke, Botminds AI Technologies en Xtracta. Indico biedt bijvoorbeeld een computer-ondersteund labeltool die labels voorstelt geassocieerd met data in de documenten. Alles wat de gebruiker hoeft te doen is ze goedkeuren of overschrijven.

Natural language processing (NLP)

NLP-technologieën helpen computers menselijke taal te begrijpen. NLP wordt vaak gecombineerd met andere technologieën om een reeks taken uit te voeren. Het stelt organisaties in staat om tekstanalyse, entiteitsextractie uit te voeren en processen te automatiseren door intentie te definiëren in ongestructureerde documenten zoals e-mails. Als je de Begin Datum en Eind Datum uit een ongestructureerd document wilt extraheren, moet je in staat zijn de werktijdlijn af te beelden want veel data zijn synoniemen. NLP helpt je hierbij omdat het synoniemen kan bepalen en analyseren. Bovendien kan het de sentiment van een tekst analyseren – met andere woorden, bepalen of het positief, negatief of neutraal is. Dit kan vooral waardevol zijn voor het interpreteren van inhoud in nieuws, sociale media of correspondentie. NLP-partners en -technologieën geïntegreerd met UiPath omvatten Expert System, Amazon Comprehend en de Stanford NLP Group.

Opkomende alternatieven – business process outsourcing en human in the loop

Naast de gevestigde technologieën en bedrijven hierboven, is er een opkomst van vendors die business process outsourcing (BPO) en human-in-the-loop (HITL) processen aanbieden om document understanding te verbeteren.

Bijvoorbeeld, Ocrolus en Contract Wrangler hebben krachtige ML-gebaseerde technologieën voor document understanding. Toch betrekken ze een crowdsourced menselijke kracht die helpt documentextractieresultaten te corrigeren die niet aan de gewenste nauwkeurigheidsdrempel voldoen. Beide bedrijven zijn disruptief omdat ze tot 99,99% nauwkeurigheid en een tijdscommitment voor levering garanderen. Natuurlijk kunnen hogere nauwkeurigheid en kortere tijdseisen hogere kosten voor klanten met zich meebrengen.

Daarnaast biedt de UiPath Document Understanding-oplossing de Validation Station. Met dit tool kunnen gebruikers documentclassificatie en automatische dataextractieresultaten bekijken en, indien nodig, corrigeren.

Eindgedachten over het kiezen van een oplossing

Het kiezen van een oplossing die aan al je zakelijke behoeften voor document understanding voldoet, kan een grote uitdaging zijn. Het leidt meestal tot het evalueren van opties voor het implementeren van een paar oplossingen tegelijkertijd en het zoeken naar de beste manieren om ze te integreren. Dit is waarom UiPath werkt en integreert met een breed scala aan toonaangevende vendors. We hebben een rijk document understanding-ecosysteem opgebouwd dat het UiPath RPA-platform complementeert.

Voor meer diepgravende informatie, neem deel aan onze webinar "Product Spotlight: AI-Enhanced Automations – Combining Transformative Capabilities". Je zult zien hoe UiPath Document Understanding en andere ML-gebaseerde oplossingen je automatisering naar een heel nieuw niveau kunnen tillen – aangedreven door AI. Je kunt deze mogelijkheden ook uitproberen om je zakelijke processen te automatiseren door je te registreren voor de UiPath Enterprise proefversie.