Machine learning to technologia, która pozwala komputerom samodzielnie uczyć się na podstawie danych, odkrywając wzorce i podejmując decyzje bez potrzeby bezpośredniego programowania. Zastosowanie algorytmów uczenia maszynowego (ang. Machine learning – ML) przekształca sposób, w jaki firmy podchodzą do przetwarzania dokumentów, automatyzując wiele tradycyjnych, czasochłonnych procesów i zwiększając precyzję oraz wydajność. Modele są trenowane (niczym sportowcy) na dużych zbiorach danych, co umożliwia im rozpoznawanie wzorców i automatyzację zadań takich jak klasyfikacja, analiza danych i przewidywanie wyników. Jak to mówią, „trening czyni mistrza” – dokładnie tak działa schemat zwiększania efektywności działania modelu. Na początku wyniki mogą być na niższym poziomie, jednak im więcej model „trenuje”, tym lepsze wyniki osiąga (choć istnieją od tego pewne odstępstwa, ale o tym należy napisać osobny artykuł). 

Wracając jednak do procesowania dokumentów – jakie funkcjonalności oferują nam modele ML? 

Po pierwsze – klasyfikacja dokumentów. Model automatycznie rozpoznaje i sortuje dokumenty według typu lub zawartości. Kiedy już model rozpozna, czy ma do czynienia z fakturą, paragonem czy umową, przechodzimy do kroku drugiego, czyli ekstrakcji danych (wydobywania informacji z nieustrukturyzowanych lub częściowo ustrukturyzowanych źródeł). Warto wspomnieć, że modele dla danych papierowych (skanów) korzystają z OCR (ang. Optical Character Recognition), aby móc je dalej procesować. Po tym etapie mamy już konkretne dane pobrane z faktury, paragonu czy umowy.  

Kolejnym krokiem (jeśli jest konieczny) jest analiza języka naturalnego (ang. Natural Language Processing – NLP). Czasem samo zaczytanie tekstu nie wystarczy – potrzebujemy zrozumieć kontekst, np. treści maila, aby odpowiednio na niego odpowiedzieć. Istnieją modele, które potrafią np. wskazać sentyment danej wiadomości – algorytm wie, czy mamy do czynienia z zadowolonym czy niezadowolonym Klientem i na tej podstawie może odpowiednio odpowiedzieć lub przekazać dalszą obsługę zgłoszenia właściwej osobie. 

Przykłady zastosowania modeli ML do procesowania dokumentów w różnych branżach można mnożyć. W finansach wspomniane już faktury, ale także wnioski kredytowe czy raporty finansowe. Dla prawników cenna będzie analiza umów czy klasyfikacja i analiza dokumentów sądowych. Analiza dokumentacji medycznej, wniosków ubezpieczeniowych czy recept to z kolei zastosowanie dla opieki zdrowotnej. Natomiast dla HR cenna może okazać się automatyzacja analizy CV i listów motywacyjnych oraz analiza opinii pracowników. Oczywiście wymieniać można by dalej.