光学字符识别(OCR)的一个子集机器视觉专注于识别书写的字母和字符并以数字方式复制它们供以后使用的技术。这为。打开了许多可能性银行业,包括一些安全解决方案,并且值得注意的是,文件数字化。
这AI应用是在银行业比其他AI应用较少见,即使在机器视觉的能力。有更多的记录成功面部识别软件和白领自动化银行相比,还有用于文件数字化,但可能性同样变化。
在本文中,我们将重点介绍基于人工智能的文档数字化如何帮助银行。我们还列出了银行可能想要数字化的各种文件,并解释了银行将这些文件数字化的好处。
我们还强调了成功的银行曾与实现多种目标的软件。这些措施包括企业自动化的全面升级,采用了交易风险评估的数据,并促进公司收发室的工作效率。
银行业的文档数字化市场相对来说还处于初级阶段,因此,我们在本文的最后部分讨论了为什么会出现这种情况,以及未来可能会出现什么情况。
在此概述我们将介绍:
- 机器视觉OCR银行-什么是可能的,它是如何被使用,以及如何其他银行从这一技术整合到他们的过程中受益。
- 文件数字化在银行业中的重要性,并考虑到这种类型的解决方案银行应该注意的事项做出是否将工作与供应商或不是决定之前什么。
我们开始我们的文件数字化的概述银行通过讨论该技术适用于工业和什么银行可以从扫描的文档中的数据实现的可能性:
机器视觉OCR银行-什么是可能的
光学字符识别(OCR)软件必须安装在与能够产生为了准确传达信息的纸质文件的高分辨率图像的摄像机的系统。它由形状识别字母和字符,并在它们被写入相同的顺序数字格式再现它们实现这一目的。
OCR将来自被扫描文档的所有信息进行数字化,这些信息可以保存到数据库中,用于存储客户信息和重要记录。如果银行有大量关于客户的物理文档,那么他们可能会发现OCR解决方案非常有用。如果他们想利用这些新数据来揭示此前未被探索过的业务洞见(如银行业历史中发现的低财政责任指标),这一点尤其重要。
银行可以受益于使用OCR数字化文件,如:
- 面对客户的服务,如支票远程存款
- 信用卡或借记卡上的详细信息
- 抵押贷款和信用卡的书面申请。申请一经接纳,已填妥的按揭表格亦包括在内。
- 银行对账单为客户证明他们的银行和信用记录
- 银行的收发室摄入,然后被路由到适当的工作人员
扫描所有这些数据将导致新的数字数据为银行存储高涌入,这将需要很容易接触到其他部门,以有用。
我们采访了穆里尔Serrurier Schepper,先进的数据分析和人工智能的商业顾问,荷兰合作银行数字银行在荷兰,有关如何将人工智能融入传统业务。在这次采访中,Schepper谈到对银行采取以使用他们的大数据孤岛,可能对于普通员工导航是困难的最重要的步骤。她谈到他们如何将这些数据转化为可操作的见解被用于任何机器学习模型,他们可能需要的培训。
这些关键步骤包括:
- 建立一个跨学科的人工智能人才团队,能够理解跨业务部门的概念
- 为了使每个人都能促进这一团队和涉及部门之间的沟通了解新的发展和数据需求。这也可以帮助员工在哪些方面数据的科学项目重叠,并产生价值。
- 找出每个部门中存在问题的领域,以评估世行基础设施需要如何改进,以便采用人工智能,以及哪些领域需要改进。
- 保持团队和技术的现实期望。在大多数情况下,即使是OCR解决方案也不是完全自动化的,需要人工监控器来决定如何保存扫描的数据以及将数据发送到哪里。
当被问及如何荷兰合作银行达到了,她知道,以集中所有从外部流和内部数据仓库的数据所需要的公司来看,Schepper说:
我们看到,在2015年底是其在孤岛运行的银行内的许多领域寻找到不同的AI解决方案,并与很多厂商的......我们如果我们延续了这一方式实现在说,我们最终将有四种不同供应商,我们将让供应商了解很多业务应用AI,而我们自己是很无知。
我们也看到很多人谁是处理这些供应商的人其实不知道他们在谈论的。因此,我们认为这将是很好,创造卓越,从那里我们可以协调和知识带来中心,选择和实施公司内部AI解决方案,也能够在不同的孤岛之间的桥梁,帮助他们一起工作,找到一个解决方案一起。
在这里,Schepper观察是多么有损都缺少银行员工和AI供应商之间的沟通,使银行无法自救,当涉及到过程自动化。
她看到成功的荷兰合作银行是要需要累积这些信息本身,并试图访问公司所有的大数据和实施解决方案,使他们能够更轻松地利用他们的大数据进行进一步的项目。
如果一家银行实施的策略,如一个Schepper在我们的采访中概述,他们可以更容易的OCR解决方案集成到他们的业务。银行和客户信息的大规模数据存储可以帮助训练机器学习模型上的各类形式的银行最常用处理的OCR应用程序。
这些数据可以通过一个中央数据流来自其他部门的所有数据科学家或分析人员可以访问它进行路由。
有些人可能会担心,彻底集成OCR可能会造成工作岗位的转移。如果一个公司使用大量的员工来通过电子方式传播来自物理文档的信息,而选择采用OCR应用程序,那么许多人可能会失业。
尽管如此,专家们似乎并没有对如何这种类型的AI中断会影响底层员工设立企业和小企业一个明确的共识。我们采访了NISHANT钱德拉博士和数据产品部高级总监签证关于银行如何使用最近AI破坏的趋势,他们的优势在我们的播客人工智能在银行业。当被问及他如何使用AI企业内感受到关于重要性技能进化,钱德拉说,
“我的观点是技能位移与工作位移。......每一代比上一代进行累计。...技能就像是水。你可以开始把这个水坝内,认为该技术只能在此成长,但没有。技能会找到一个办法让大坝出来。我们是否有很好的保护工作环境或[唯一]给予机会,该国的居民一样[许多国家]伪坝。或者它可以限制从其他地区或其他任何技术转让。...如果有一个非常特殊技能的人,这个人会找到一种方法,在世界上创造下一个大浪潮。酷似水。水会累积上来,破坏水坝。”
应用AI行动的可能性与OCR为银行
OCR可能是一个关键技术仍处于整个行业使用自动化,因为各类纸质文件的银行业务。该技术是最有用的,但没有采用完全无纸化解决方案为他们的文件处理系统或仍然接受纸质文件从客户方便起见银行。
银行的客户可以从OCR技术受益于智能手机应用程序,使他们能够扫描检查,以进行存款远程。
一世在大多数情况下,该应用程序只需拍下支票的高分辨率图像,然后将其发送回银行的数据库,通过OCR应用程序运行。否则,OCR将在移动应用程序中发生,结果数据将被发送回银行。
银行可以采用OCR自动取款机准确数字化的银行卡上的个人信息,通过安全系统进行验证。一些银行在中国使用OCR与面部识别软件一起在ATM上提供安全性的两层。一些ATM机需要插入照片的身份证件,该软件除了他们的脸上扫描客户的名称。
应用为金融服务,如抵押贷款和信用卡也可能涉及多个员工可以在同一时间与文件数字化正在审查纸质文档的高容量。
银行也可以使用OCR软件将扫描文件的应用程序与其他各种形式的文书工作一起,客户可以使用传达的责任和信誉。该软件可以通过训练来识别新的文本安排,并提醒有关格式变化的人监视。
也许文件银行OCR的最常见的类型厂商宣称手柄是银行对账单。这可能是需要建立一个银行业历史以新的帐户持有人或贷款人谁只能访问自己的文件记录。然后,银行将有一个新的客户端上的收入证明,而不需要雇员来验证每个文档。
使用文件数字化里克管理
银行也可以使用OCR作为加强交易安全和风险管理的手段。当与其他自动化操作(如RPA和自然语言处理(NLP))一起使用时,OCR技术可以为任何纸质文档添加另一层风险评估。这意味着该公司可以将OCR集成到他们的欺诈检测或风险评估系统中,在确定风险时,可以考虑从实际文件中提取的数据。
花旗银行强调这在他们的2017年机器学习和他们的顾问委员会的认知计算演示。
在花旗银行在下图中,公司说明,一旦他们的核心流程已经实现自动化,他们将试图摆脱任何不必要的进程,并规范行为。据称这将编制公司为客户端和面向公众的操作自动化,其中包括OCR,NLP和其他解决方案:
最后,银行可以仪器的收发室内的OCR系统,这将使他们能够数字化所有他们收到的纸质邮件。然后,每件邮件将被自动发送到收件人。
供应商的例子:ABBYY
ABBYY是一个软件供应商提供这种类型的OCR集成作为一种替代产品,其典型FlexiCaptureOCR的解决方案。这种类型的集成允许银行对所有的业务邮件进行文档数字化。Mailroom的员工只需将邮件扫描到系统中,然后通过FlexiCapture用户仪表板对文档进行排序。
下面是ABBYY FlexiCapture如何对邮件收发室的作品有2分钟的演示。这并不表明被扫描的物理文档,但什么软件可以与后扫描做。用户显示他们如何能组扫描的文件和决定他们需要发送,任何送货单一起:
该公司列出了新闻稿使用它后表示,法国兴业银行的成功。客户端被称为储蓄银行集团集团BPCE新闻稿称,他们为收发室使用了ABBYY公司的FlexiCapture解决方案。据称,他们能够将收到的纸质文件完全数字化,并准确地将每封邮件发送给正确的工作人员。
要了解更多关于在银行内部采用人工智能的可能性,我们的读者可以下载行政摘要我们在银行供应商记分卡和能力图报告AI。
为什么文件数字化是一个新兴的AI使用案例在银行
相比于行业内的其他机器视觉和OCR应用程序时的银行文件数字化是一个相对新生的使用情况。偶尔,OCR与面部识别同时用于验证带有照片的身份证或银行卡中的文本。
当我们研究的软件供应商提供OCR文件数字化,以银行,我们发现,实际上有可能被使用AI的企业很少。多个供应商没有列出关于实施他们的解决方案后,银行的任何成功案例或新闻稿。
最让我们找到了OCR企业也缺乏显著创投为他们的AI项目AI工作人员的任何令人印象深刻的主人一起。这些考虑软件供应商提供一个业务与AI解决方案时是坏的迹象。这是因为他们的指标,有可能没有足够的专家在该公司工作,以便能够建立一个可靠的AI应用。
在这种情况下,我们提醒我们的读者留知道,有些公司可能要求使用AI为他们的解决方案,即使他们并不表明AI人才,案例研究,或任何风险投资。
软件供应商正在使用商业智能预测分析和异常检测欺诈管理销售各种AI应用到银行各种类型的自动化。相比于这些应用程序,文件数字化也许是根据我们的研究最新生。以下是原因的列表,这是最有可能的情况:
- 银行看到了技术为过渡到无纸化第一的手段。
- OCR可能需要不止一种类型的AI应用程序留下来的企业有用
- 数字化和扫描解决方案不要求AI在这个时候是大多数银行的效率不够高。
考虑到他们的业务以人工智能为基础的自动化银行可能认为文件数字化的由于考虑所有的纸质文档,并将其转换成数据对未来的一种手段。这可能是真实的,即使他们是不是在找该扫描数据的数据分析解决方案。
如果当前的银行有能力转换成一个完全数字化的平台,不再处理纸质文档,他们将有可能做出这种变化了。另一种方法是,他们一直在研究这种技术很长一段时间,但还没有决定实施任何现有的解决方案。有从扫描文档中的数据项的可靠系统银行可以代替更成问题的营业面积忽略此升级。
银行采用OCR的复杂性
一旦银行文件已经被数字化,用OCR软件,银行可能需要以有意义的方式使用另一个AI应用程序来利用这个新的数据。这意味着他们将需要寻找一个新的软件供应商,建立一个新的整合计划,并等待可能几个月的机器学习模型火车他们的企业数据。
这是一个非常耗时的过程,这可能导致比从OCR扫描文档获得的利益更高的成本。在银行业务领导人应当熟习什么期望从一个集成解决方案,例如这个,还有要求,以使该集成尽可能平稳合理。
银行仍可能受益于一种能够帮助它们转向全数字平台的解决方案。当新的信息进入系统时,这样的软件可以促进文件传输和公司通信。
银行并不需要利用这些数据对任何类型的分析或AI项目,以便文件数字化是有帮助的。然而,这通常是因为其他应用程序,如异常检测需要大量的培训,实时进入系统的数据和常见于行业的情况。
最后,机器视觉和OCR可能没有必要帮助银行数字化的纸质文件。人为错误仍然克服了物理数据条目的显著障碍,这种类型的解决方案可能是太多不具有被数字化了大量的外来文档的银行的投资。
在这种情况下,它可能是更好地为银行等大型金融机构和企业的AI承担实施的自动化,如这个更大的风险,并采取解决方案,他们变得更加证明工作。
标题图片来源:tbxi.com