Digitalizacja i udostępnianie papierowego archiwum to częściowo zadanie dla AI. AI dobrze radzi sobie z rozpoznawaniem tekstu na skanie i proponowaniem metadanych, ale fizyczna praca polegająca na wyjmowaniu dossier z szafy, sortowaniu, usuwaniu zszywek i wkładaniu do skanera pozostaje pracą ludzką. Następnie następuje kontrola błędów rozpoznawania, i to jest właśnie element z ludzkim nadzorem: AI przedstawia propozycję, człowiek zatwierdza lub odrzuca, z podaniem powodu.
Oś fizyczna uzyskuje tutaj niski wynik (1 z 5), i to jest najważniejszy powód, dla którego to zadanie nie należy do kategorii 1. Papier musi najpierw trafić do skanera. To nie jest praca umysłowa, lecz praca fizyczna: podnoszenie dossier, sortowanie w kolejności, odkładanie uszkodzonych stron na bok, sprawdzanie dokumentów dwustronnych. Osoba zarządzająca archiwum, która przetwarza tysiąc teczek, spędza dużą część czasu na tym fizycznym etapie przygotowawczym, a nie na części cyfrowej, która następuje później. Żaden model AI, niezależnie od tego, jak dobry w rozpoznawaniu tekstu, nie zdejmuje segregatora z półki.
W firmie, gdzie archiwum w dużej mierze wpływa już w formie cyfrowej — na przykład faktury otrzymywane już jako PDF, a nie na papierze — ta fizyczna bariera całkowicie odpada. To dotyka podobnego zagadnienia jak czy AI może przejąć wymianę faktur cyfrowych poprzez e-fakturowanie, gdzie dokument zaczyna już w formie cyfrowej, a więc automatyzacja może pójść znacznie dalej. Obecność fizycznego papieru nie jest więc stałą cechą 'digitalizacji archiwum' w ogóle, lecz konkretnej sytuacji, w której papier musi jeszcze zostać zeskanowany.
Wolumen uzyskuje wysoki wynik (4 z 5): w archiwum często chodzi o setki do tysięcy dokumentów o podobnej strukturze. To jest właśnie rodzaj powtarzalności, w której automatyzacja się wyróżnia. Gdy dokument zostanie już zeskanowany, oprogramowanie z optycznym rozpoznawaniem znaków (OCR) może odczytać treść, rozpoznać słowa kluczowe i przedstawić pierwszą propozycję metadanych, takich jak data, numer dossier lub typ dokumentu. Przy niskim wolumenie — na przykład jednorazowym przekazaniu dwudziestu osobistych dossier w małym biurze — ta korzyść jest znikoma, a skanowanie ręczne i ręczne wprowadzanie danych jest często równie szybkie jak wdrożenie i testowanie systemu.
Ustrukturyzowanie uzyskuje średni wynik (3 z 5). Niektóre archiwa są dość przewidywalne: standardowe formularze, umowy o ustalonym układzie, faktury ze stałymi polami. Inne archiwa to mieszanka ręcznie pisanych notatek, przekreślonych poprawek, niejasnych kopii i dokumentów w różnych językach lub czcionkach. Im bardziej nieporządne archiwum, tym częściej rozpoznawanie OCR zawodzi i tym więcej musi sprawdzić człowiek. Osoba zarządzająca archiwum, która przetwarza głównie ustandaryzowane formularze, zauważy inne wyniki niż osoba, która musi udostępnić dziesiątki lat starą, ręcznie pisaną korespondencję.
Koszty błędów i zgodność z przepisami obie uzyskują średni wynik (3 z 5). Błędnie rozpoznane słowo w tekście przeszukiwalnym to zazwyczaj nie katastrofa — funkcja wyszukiwania po prostu nie znajdzie od razu danego dokumentu. Ale w przypadku archiwów objętych ustawowym obowiązkiem przechowywania, dokumentacji medycznej lub akt prawnych błąd w metadanych (niewłaściwa data, niewłaściwy numer dossier) może prowadzić do dossier, którego nie odnajdzie się na czas lub które zostanie niesłusznie zniszczone. Jeśli archiwum podlega obowiązkowi przechowywania lub innemu reżimowi prawnemu, obowiązują wtedy odrębne wymogi ustawowe; to nie jest kwestia, którą rozwiązuje się wyborem rozwiązania automatyzacyjnego.
Kombinacja tych osi oznacza, że rola osoby zarządzającej archiwum lub office managera nie zanika, lecz przesuwa się. Fizyczna praca skanowania i kontrola końcowa pozostają, natomiast ręczne przepisywanie każdego pola w dużej mierze zanika. Wymienione warunki wstępne nie są przy tym opcjonalne: sprzęt do skanowania i jakość rozpoznawania OCR muszą być odpowiednie, a przed oznaczeniem dokumentów jako ostatecznie przeszukiwalnych musi odbyć się kontrola wyrywkowa błędów rozpoznawania. Bez takiej kontroli drobne błędy rozpoznawania nawarstwiają się, tworząc archiwum, na którym nie można polegać podczas wyszukiwania.
Ten wzorzec — zadanie fizyczne lub silnie zmienne, które można częściowo przejąć, a częściowo nie — widać także w zupełnie innych sektorach, na przykład przy co może przejąć AI w sektorze transportowym, gdzie fizyczne czynności również wyznaczają granicę tego, co może przejąć system. To użyteczne porównanie, żeby pamiętać, że oś fizyczna często waży więcej niż stopień zaawansowania oprogramowania rozpoznającego.
Chce Pan/Pani wiedzieć, jak to wygląda w przypadku Pana/Pani własnego archiwum lub zakresu zadań? Bezpłatny quickscan ftetoai składa się z dwunastu pytań, nie wymaga konta i daje wskazanie, jaka część godzin w Pana/Pani profilu może być już dziś przejęta przez AI. Pełny skan pracy z analizą szczegółową dla każdego zadania jest wciąż w budowie; nie oferujemy go więc jeszcze tutaj, ale quickscan już teraz daje uczciwy pierwszy obraz.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.