ABBYY voorziet FlexiCapture van verbeterde ML

ABBYY heeft zijn intelligente documentverwerkingsplatform (IDP) FlexiCapture 12 voorzien van verbeterde machine learning (ML)-technologie. Volgens ABBYY zorgt de ML-technologie voor het verder verbeteren van de nauwkeurigheid en snelheid van het verwerken van zakelijke content.

De meeste bedrijven verzamelen zoveel mogelijk informatie voor ze belangrijke strategische beslissingen nemen, maar in de praktijk laten de meesten onder hen heel wat gegevens onbenut. Veel cruciale bedrijfsinformatie ligt namelijk opgeslagen in zogenaamde ongestructureerde databronnen, zoals facturen, presentaties en mails. Volgens ABBYY, gespecialiseerd in documentvastlegging en optische karakterherkenning, biedt het IDP een uniform platform, ongeacht of het on premises, in de cloud of door ontwikkelaars met SDK of RESTful API’s wordt gebruikt.

Ongestructureerde content

Bovendien voldoet FlexiCapture aan de behoeften van organisaties die worstelen met het vastleggen en transformeren van ongestructureerde content opgesloten in documenten en formulieren. Maar ook in zinvolle, gestructureerde gegevens in correspondentie, die nodig zijn voor automatisering in de cloud of on premises. Denk dan bijvoorbeeld aan facturen, claims, het openen van nieuwe accounts en onboardingdocumenten van klanten, inkooporders en contracten. Allesomvattend betreft het content die de omzet en de klantervaring beïnvloedt.

“Aangedreven met ML en AI is ABBYY FlexiCapture het meest uitgebreide, robuuste en technologisch geavanceerde platform dat de digitale strategieën van organisaties ondersteunt. Klanten en partners kunnen meer transacties sneller verwerken, met minder fouten, de klantenservice verbeteren, kosten verlagen en slimmere procesbeslissingen nemen”, zegt Bruce Orcutt, senior vice president product marketing bij ABBYY. 

Natural Language Processing (NLP)

Bovendien test ABBYY de toepassing van Natural Language Processing (NLP) in FlexiCapture om het verwerken van ongestructureerde data nog makkelijker maken door teksten te klasseren. Dat gebeurt aan de hand van specifieke tekstelementen, zoals namen, plaatsnamen en kenmerkende tekstonderdelen om ze vervolgens in te delen in verschillende categorieën. NLP maakt ongestructureerde gegevens gemakkelijker te begrijpen, te analyseren en te gebruiken door structuur te bieden via inhoudsclassificatie en entity extraction

90 procent content ongestructureerd

Volgens onderzoeksbureau Cognilytica blijkt dat 90 procent van de bedrijfsinhoud ongestructureerd is en jaarlijks zo’n 65 procent groeit. Analisten beweren dat de meeste ongestructureerde gegevens niet worden geanalyseerd en waardevolle informatie verloren gaat. Vanwege de complexiteit van het extraheren van waardevolle informatie zou het niet gebruikt kunnen worden. Door het gebruik van ML en AI toonden interne ABBYY-tests aan dat FlexiCapture 12.3 een extractie nauwkeurigheidspercentage van meer dan 93 procent kan bereiken, dat gegevens kan invoeren in robotprocessautomatisering (RPA), bedrijfsprocesbeheer (BPM) en inhoudgestuurde procesengines.

Verbeterde factuurextractie

Zo zijn ondermeer de algemene prestaties van het FlexiCapture 12.3-platform met 50 procent verbeterd voor kleine batches (3-5 pagina’s) en met 10 procent voor grote batches (100 pagina’s). Ook laat het neurale netwerk een verbeterde factuurextractie zien en is door de nieuwe ML-methoden de extractiesnelheid verhoogd en zijn de processen van complexe tabellen verbeterd.