工业中的许多关键工序，例如银行业和保险还是写在纸上的。也就是说，许多大型企业似乎正在对这些过程进行数字化，以便为进入自动化和人工智能领域做准备。
这些努力需要数字化的纸质文件提取并使用存储在其中的数据。此外，这些方法中，如邮件室，权利要求书，贷款和法规遵从的手动数据输入元件，是高度耗时。
组织似乎已经意识到，打印或存储在纸上的数据增加了个人管理数据的责任。基于纸张的数据存储也容易错位或篡改。这导致许多企业实施解决方案，以减少对基于纸张的操作依赖。
人工智能解决方案，如基于AI-文件数字化厂商Vidado可以帮助各行业节省时间和金钱商家纸质文件，包括手写笔记的处理。
We spoke with Vidado’s CEO, Nowell Outlaw, about how AI-based document digitization software could be used to reduce time spent on manual data entry in a variety of industries and prepare data stored within paper documents for integration with robotic process automation (RPA) software.
其结果是，企业可以最大限度的值高技能的工人，如保险承销商和索赔处理程序，使他们能够专注于更注重于自己的专业知识比从纸质文件转换为数字系统死记硬背的数据录入任务给公司带来。
在本文中，我们讨论了计算机视觉，即基于人工智能的文档数字化软件背后的技术，如何在大规模的文档数字化方面超越传统的光学字符识别(OCR)软件。
我们还需要更深入地了解文件数字化应用案例在行业，如银行，保险，以及使用情况，如准备RPA和分析数据。
具体来说，我们探索的潜在价值，文件数字化可能带来的收发室的流程和使用这个例子作为参考用于描述如何文件数字化软件的工作原理和如何可以应用到其他企业使用情况。
欲了解更多的潜在成本节约的企业受益的基于AI-文件数字化的，下载Vidado的白皮书就此主题而言。
AI-基于文档数字化对战OCR
文档数字化已经以某种形式被提供给自上世纪70年代的企业。直到最近，光学字符识别，或OCR，一直选择的技术用于翻译印刷文字数字文本。
OCR软件可以辨别打印或手写的字母“A”为例，相当于一个“A”，因为它可能会出现在文字处理软件：数字文本。它不“读”字那封信是一部分，也不了解它的背景;因此，它无法自动可能需要独具慧眼，如数据提取和分类任何工作。它也不会得到任何改善，在辨别字母随着时间的推移。
在过去的十年中，然而，在机器学习进步使他们的文件数字化用例的方式，而一些厂商现在提供的软件，不仅可以从印刷到数字文本抄写字母，但可能随着时间的推移得到它更好，各种自动化业务流程的一些数据录入元素。
文件数字化在企业的国家
然而，大多数企业，根据奥特洛，用于自动化解决方案的妥协文件数字化。他们外包手工数据输入到离岸机构，人们从PDF读取数据，并将其输入到文档中的企业系统的数字版本。奥特洛认为，要对文件数字化这种方式将成为过时：
我不希望客户做出妥协那些在他们的业务用例。所述AI溶液可以采取一堆非结构化文档邮件室和数字化，例如，当前部分自动化的1200万页的文档。除了以上说的AI解决方案也将能够处理已通过离岸外包是传统做其他8万份文件。
与此同时，奥特洛似乎认为数字化的方式精简文档的过程变得更加复杂。员工在打印在智能手机设备产品和标志的文档。此外，传真机是一个比较老的技术，清晰的组织效率低下，但使用传真机实际上是在上升对于特定的用例。他认为，这很大程度上是因为该技术简单，功能强大，不需要任何大型集成过程就可以开始使用。
其结果是，文件通过公司的邮件收发室去数只减少了，而且有更多的文件漂浮在办公室在传真增加的结果。
事务的这种混乱的状态可能会造成低效率，如增加它需要的专业人士，如理赔和承销审查的索赔和申请贷款，甚至丢失文件的时间。基于AI-文件数字化可能有助于提供更快的替代手工数据录入，可以随着时间的推移提高巩固的文件处理这些不同的情况。我们讨论了几个用例，其中这可能会在下一节证明是正确的。
文件数字化的工业实例
邮件室流程和文档路由
典型的收发室过程涉及对所谓的“索引”，人们谁审查进入纸质表格和信件，并将它们的路由到适当的家庭部分手工劳动。例如，在一家大型保险公司一个收发室索引可能会收到某人的书面申请的形式，对其进行扫描，然后手动输入有关申请人到保险公司的数字系统的一些数据。该索引将随后路由形式承保部门进行审查。
虽然传统的OCR软件或许能够数字化这些文件，从而提供一些自动化操作的过程中，索引仍然需要参与的过程中，需要他们的技能对知道数据提取和记录到数字系统和为了解该部门的路由文件。OCR和机器人过程自动化（RPA）不随时间学习;一个需要再培训的RPA软件，如果这些文件中的格式是否会改变提取正确的信息和路由文档到正确的部门。其结果是，这些技术都是相当困难的在这个用例规模。
基于AI-文件数字化软件，成为可能与计算机视觉，是从它学习一段时间的传统方式不同的OCR。作为机器学习的一个子集，计算机视觉是一种人工智能在计算机上“学习”到“看”的图像和视频，上千种标有这些实体的类似图像和视频的训练后承认在它们的实体。因此，基于计算机视觉的文件数字化软件在理论上可以学习从形式拉其数据出所需的数据，一个企业在其收发室定期收到。
示例:银行中的数据输入
例如，一家银行可能需要收发室员工提取申请人从一个小企业的贷款申请寻求贷款的金额。对于文件数字化的AI供应商可以与银行合作，以培养其软件中提取，从贷款申请数据，收发室收到普遍。
机器学习的承诺是，即使贷款申请，在未来一段时间的格式改变，该软件仍然是比较善于在新的应用程序找到贷款额的位置，并将其转录到银行的数字系统。因此，该软件可能会远远超过传统的OCR和RPA更具可扩展性。
银行用例：数字化贷款，加快贷款发放
银行处理数以百万计的纸质文档的每一天。抵押贷款申请，小企业贷款，并检查仍然在收纸大多数情况下，或扫描的PDF文件。其结果是，承销商为了找到他们正在寻找的信息，并手动输入其到银行的数字系统通过手动数百页的手动读取。Their expertise is needed to find the information they need to make the best decision for the bank on whether to take on an applicant’s risk, but the data entry itself doesn’t require their skill set–it can be seriously wasteful of an underwriter’s time and the bank’s money.
基于AI-文件数字化可能在银行的几个用途，包括数字化和加快贷款发放，并最大限度地提高银行的承销商的价值。文件数字化的软件可以“读”贷款在PDF文件中的印刷和手写文字，并将其转录到银行系统的贷款数字表单模板。
这可能会缩短承销商批准申请人的时间，使他们能够更容易地通过使用银行系统中的简单搜索功能或基于自然语言处理的搜索和发现应用程序来审查他们需要的信息。
保险用例:保险承保和索赔处理
保险承保
特别是在保险承保方面，Outlaw认为，基于人工智能的文件数字化可以帮助承运商处理通常是手写的信息，比如医生的笔记和病人的接收表格:
用途-情况下，像处理医疗信息......这在很大程度上是与电子健康和医疗记录（EHR和EMR）的存在，甚至手写的：在这种情况下，与AI-解决方案，我们能够识别和数字化这个数据非常快速和准确地......这种类型的数据输入，AI可以做的更好，在这段时间人。传统的技术，如OCR很简单，通常只是一个if-then-else语句......你需要大修这样的过程是什么技术，它可以读取和更改OCR并不是为了读取数字化的更不清楚情况。
索赔处理
另一种保险的用例是理赔处理。权利要求的处理程序的任务是与报告了权利要求，如医院记录的事件审查权利要求的形式和周边信息。
然而，这个过程并不总是完全数字化。在许多情况下，索赔人的文件，需要手动进入运营商的系统文件索赔。
这可能会减慢索赔过程，增加客户收到赔偿的时间。文件数字化软件可以减少将索赔数据手工输入承运人CRM的时间。Vidado等供应商可以与保险公司合作，创建索赔表单的数字模板，将扫描后的索赔PDF上传到系统中。
因此，索赔处理人员将对索赔人的档案和历史有更好的了解，这使他们能够更好地审查潜在的欺诈索赔，并确保更准确的赔付，从而减少索赔泄漏。
文件数字化准备RPA
基于AI-文件数字化的软件还可以帮助企业对传统的机器人过程自动化的实现做好准备。RPA可能是自动化死记硬背，机械白领工作，如数据录入和数据验证非常有用。
例如，在汽车保险承运人雇员可能需要的信息从数字索赔表格复制并粘贴到第三方技工的网站为用户提供道路救援或拖带客户。可以设置RPA软件来自动化这个过程加快它需要客户接受援助的时间。
但是RPA软件无法将客户信息从纸质索赔表转换到任何机械系统中;这些信息必须是数字化的。在这种情况下，保险承运人可以使用基于ai的文件数字化软件对纸质索赔表单进行数字化，通过RPA为自动化索赔处理流程做部分准备。
将文档数字化以增强商业智能
此外，企业往往需要从他们的文件，并将其端口为度量和分析软件收集数据，创建仪表盘，功能领导人用它来指导自己的部门。
存储在纸质索赔表单、抵押贷款应用程序和合同中的数据，如客户位置、年龄、收入或车辆类型，都可以在这些软件中使用，但是它们的格式使它们无法包含在传统的公式和机器学习算法中。
这些数字化文档打开内他们的数据了输入到这些公式和算法，产生商业智能的见解，帮助推动决策。
这篇文章是由Vidado赞助，写，编辑出版对准我们的透明Emerj赞助的内容指南。了解更多关于实现我们的AI-专注于执行我们的观众Emerj广告页面。
标题图片来源：新加坡法律公报
