Построение маршрута документов на базе Искусственного интеллекта
> 10 000
пользователей
Суть идеи
Создание сервиса, позволяющего построить маршрут обработки документов на основе анализа с помощью искусственного интеллекта.
Область применения и назначение
Сервис должен уметь:
- проводить поведенческий анализ пользователя СЭД, анализ маршрутов документов на основе искусственного интеллекта и машинного обучения;
- выдавать подсказки пользователю по построению маршрута согласования и определение ответственного, в том числе на основе содержания документа;
- выделять устойчивые маршруты согласования, формировать типовой маршрут (если в организации часто используется один и тот же маршрут, то он становится типовым и рекомендуется системой в зависимости от содержания задачи и документа);
- предлагать изменение маршрутов на основании анализа поведения пользователя. Необходима классификация документов, учет нагрузки пользователя;
- выдавать прогностическую аналитику для руководителя.
Новизна идеи/проекта
Упорядочивание и разноаспектный, глубокий анализ бизнес-процессов.
Ожидаемый эффект от внедрения инновации
Повышение эффективности бизнес-процессов путем консолидации наиболее часто используемых данных и документов.
Оптимизация построения маршрутов (исключение ненужных звеньев).
Эффект будет заметен для всех пользователей: ИОГВ, ОМСУ и подведомственные учреждения - более 10000 пользователей.
Уменьшатся затраты на обучение, система сама дает подсказки.
Ожидаемый срок выполнения проекта – 12 месяцев.
Почему идея нужна и востребована сегодня
Система будет давать рекомендации пользователям для принятия решения, что уменьшит трудоемкость.
На данные момент типовые маршруты формируются в консоли администратора или программистами. С применением машинного обучения и искусственного интеллекта можно сильно упростить процесс создания маршрута.
Перспективы есть у подобных проектов в России
Внедрение данного проекта повлияет на весь сегмент электронного документооборота (в т.ч. на коммерческие предприятия).
Также ИИ в электронном документообороте может применяться для:
-
оптимизация заполнения склада. Анализ, например, товарных накладных и приходных ордеров и на основе этого ИИ может подсказывать, куда лучше разместить прибывший груз.
-
оптимизация сезонных распродаж для ритейла на основе анализа спроса;
-
оптимизация торговых площадей для ритейла;
-
оптимизация построения логистических маршрутов;
У вас похожая задача?
Обсудите реализацию с экспертом Directum
Комментарии (4)
Добрый день! "Сервис должен уметь выдавать прогностическую аналитику для руководителя." Уточните, а какую аналитику он должен выдавать. Почему без ИИ нельзя собрать эту аналитику, например, в отчет? На мой взгляд, ИИ должен помогать пользователям СЭД в типовых и рутинных операциях.
И интересен пункт "проводить поведенческий анализ пользователя СЭД, анализ маршрутов документов на основе искусственного интеллекта и машинного обучения". Как Вы это видите и как анализируете сейчас?
Доброго дня. Тоже хочется подключиться к дискуссии.
К сожалению, большинство докладов и заметок об использовании искусственного интеллекта (ИИ) в части настройки бизнес-процессов и решения задач документооборота - страдают отсутствием описания деталей и примеров решения.
В описанной выше идее предполагается применение ИИ путем настройки нейронных сетей и реализации механизма машинного обучения.
Однако эти методы в прямом смысле не анализируют "поведение пользователя".
Механизм машинного обучения предполагает получение и анализ некоего "эталонного" массива документов, которые аналитиком отнесены к тем или иным категориям на основании их содержимого. А уже к категории может быть привязан выбор маршрута движения документа или принятие определенного управленческого решения (с некоторой долей вероятности, конечно).
Аналитиком (конструктором сети) делаются некоторые предположение о критериях принятия решения (отнесения документов к той или иной категории, исходя из наличия определенных ключевых слов в тексте и наличия определенного набора метаданных), которые закладываются в модель нейронной сети.
После этого начинается итерационный процесс обучения (обработка документов из "эталонной" обучающей выборки) — в результате формируется структура сети, накапливается стат.информация с решениями.
Если аналитик ошибся в своих предположениях (по мере роста обучающей выборки "адекватность" решений сети не растет), необходимо изменить гипотезу о критериях - и "подкрутить" механизм.
Согласитесь, что такую реализацию можно лишь условно назвать "анализом поведения пользователя".
Необходимы уточнения:
Бизнес-процессы в компании формирует пользователь по ходу работы или они формализованы ?
Как принимать управленческие решения на основе БП сформированного пользователем, ведь могут быть не учтены какие-либо аспекты рассмотрения/согласования документа если он не попадет к нужному сотруднику?
Очень похоже на описание механизма кнопки "Сделать всё правильно".
Никита, нейросеть позволяет по определенным признакам документа (реквизиты, словоформы в тексте и проч.) отнести его к определенному виду/категории, зоне ответственности и сконструировать оптимальный маршрут: выбрать рассматривающего, составить оптимальный состав согласующих, подобрать шаблон ответа, выполнить бухгалтерские проводки и проч. Итого: на выходе получаем БП, составленный из "кубиков" и сопутствующей информации, что конечно, снижает трудоемкость рутинных операций. Это, действительно, похоже на "ту самую" кнопку.