Firmy na całym świecie inwestują w automatyzację procesów. Jednak w wielu organizacjach wciąż istnieje jeden niewidzialny problem, który skutecznie blokuje skalowanie biznesu: dokumenty.
Faktury, formularze, raporty, dokumentacja medyczna, potwierdzenia usług – często w różnych formatach, z różnych systemów i od różnych partnerów.
W jednym z projektów, który realizowaliśmy razem z firmą Quantup dla klienta z rynku amerykańskich ubezpieczeń zdrowotnych, skala tego problemu była ogromna.
W obiegu znajdował się około milion dokumentów dziennie.
O tym, jak wyglądał projekt i jaką rolę odegrała w nim sztuczna inteligencja, rozmawiamy w podcaście „AI w produkcji” z Rafałem Piszem, CEO Quantup.
Spis treści
Problem: kiedy 10% dokumentów blokuje cały proces
Na pierwszy rzut oka proces w systemie ubezpieczeń zdrowotnych wydaje się prosty.
Po wykonaniu usługi medycznej pojawia się kilka dokumentów:
- raport medyczny od placówki,
- informacja o kosztach,
- decyzja ubezpieczyciela,
- rozliczenie dla pacjenta.
Te dokumenty muszą zostać ze sobą zrekoncyliowane – czyli porównane i sprawdzone czy wszystkie informacje się zgadzają.
Problem polega na tym, że w rzeczywistości nie wszystkie dokumenty są elektroniczne. Wiele organizacji korzysta ze standardów EDI i elektronicznej wymiany danych. Jednak część uczestników procesu wciąż wysyła dokumenty w formie papierowej lub skanów. I nawet jeśli jest to tylko 5–10% dokumentów, to właśnie one stają się największym ograniczeniem całego procesu.
Jak tłumaczy Rafał Pisz:
„Pomimo tego, że mamy wysoko wystandaryzowane schematy komunikacji, część uczestników procesu nie jest w stanie ich wykorzystywać i ciągle stosuje wydruki. To zaczyna być ograniczeniem dla procesu.”
W praktyce oznacza to jedno: bez automatycznego przetwarzania dokumentów proces nie może się skalować.
Skala problemu: milion dokumentów dziennie
Klient, dla którego realizowaliśmy projekt, działa w sektorze usług związanych z rozliczaniem dokumentacji medycznej. W całym procesie codziennie pojawia się ogromna liczba dokumentów.
Jak podkreślono w podcaście:
„Mówimy o projekcie, gdzie w całej konstrukcji między uczestnikami tego procesu krąży milion dokumentów dziennie.”
Wcześniej znaczną część pracy wykonywały duże zespoły analityków, którzy ręcznie:
- przeglądali dokumenty,
- sprawdzali ich strukturę,
- identyfikowali typ dokumentu,
- przekazywali go do odpowiedniego procesu.
Przy tej skali pojawia się jednak fundamentalny problem. Jeśli firma chce zwiększyć skalę biznesu 10 razy, to nie oznacza zatrudnienia 10 razy więcej ludzi.
W praktyce liczba pracowników musiałaby być jeszcze większa, ponieważ pojawiają się naturalne ograniczenia:
- dostępność specjalistów,
- koszty operacyjne,
- zarządzanie dużymi zespołami,
- spadek efektywności.
Dlatego klient zdecydował się na wdrożenie automatycznego systemu przetwarzania dokumentów opartego o AI.
Dlaczego OCR nie wystarcza
Wielu menedżerów uważa, że problem dokumentów można rozwiązać prostym podejściem: zeskanować dokument i użyć OCR. W rzeczywistości to dopiero początek.
Jak zauważa Rafał Pisz:
„Wiele osób powie: to jest proste – wystarczy zeskanować, zrobić OCR i gotowe. Okazuje się jednak, że to dopiero początek problemu.”
Po zeskanowaniu dokumentów pojawiają się kolejne wyzwania:
- Gdzie zaczyna się i kończy dokument?
W jednym pliku może znajdować się kilka dokumentów. - Jakiego typu jest dokument?
Czy to faktura, raport medyczny, potwierdzenie usługi? - Do którego procesu powinien trafić?
- Co zrobić w sytuacji niepewności?
To właśnie te problemy były kluczowe w projekcie.
Jak działa rozwiązanie AI
W projekcie wykorzystano modele z obszaru Document Understanding oparte o architekturę transformers. Modele zostały dodatkowo dostrojone na danych klienta, dzięki czemu lepiej rozumiały specyfikę dokumentów występujących w procesie.
System realizuje dwa kluczowe zadania:
- Segmentacja dokumentów
Model identyfikuje:
- początek dokumentu,
- koniec dokumentu,
- granice między dokumentami.
- Klasyfikacja dokumentów
Po podziale dokumenty są klasyfikowane i przekazywane do odpowiedniego procesu biznesowego. System został zaprojektowany tak, aby w sytuacjach niepewności prosić o interwencję człowieka. Dzięki temu automatyzacja nie wprowadza ryzyka dla całego procesu.
90% skuteczności, która zmienia proces
Jednym z kluczowych wskaźników w projekcie była poprawność identyfikacji granic dokumentów.
Jak mówi Rafał Pisz:
„Zbudowaliśmy rozwiązanie, które z dziewięćdziesięcioprocentowym prawdopodobieństwem rozpoznaje poprawnie początek i koniec dokumentu, a jeśli nie wie – podnosi chorągiewkę i prosi człowieka o pomoc.”
Na pierwszy rzut oka 90% może nie wydawać się idealnym wynikiem. Jednak w praktyce to właśnie taka skuteczność zmienia sposób działania całego procesu.
Dlaczego?
Bo ludzie przestają wykonywać powtarzalną pracę, a zaczynają zajmować się tylko:
- wyjątkami,
- trudnymi przypadkami,
- kontrolą jakości.
To ogromna zmiana operacyjna.
ROI liczone w tygodniach
Mimo że projekt trwał kilka miesięcy i angażował zespół specjalistów od AI, data science i przetwarzania dokumentów, jego efekty pozwoliły:
- znacząco obniżyć koszty operacyjne,
- zwiększyć skalę działania,
- przyspieszyć obsługę dokumentów,
- poprawić jakość procesu.
To pokazuje jedną z najważniejszych cech dobrze zaprojektowanych projektów AI: jeśli rozwiązujemy właściwy problem biznesowy, ROI pojawia się bardzo szybko.
AI w dokumentach to problem wielu branż
Choć projekt dotyczył rynku ubezpieczeń zdrowotnych w USA, podobny problem występuje w wielu sektorach:
- Logistyce,
- Produkcji,
- Bankowości,
- Administracji,
- Healthcare.
W każdym z tych obszarów pojawia się ten sam schemat:
- Większość procesów jest zdigitalizowana.
- Część dokumentów wciąż jest papierowa.
- Kilka procent dokumentów blokuje automatyzację.
To właśnie w tym miejscu technologie Document AI przynoszą największą wartość.
Czy AI całkowicie zastąpi ludzi?
W podcaście pojawia się również pytanie o przyszłość.
Czy w przyszłości przetwarzanie dokumentów będzie w 100% automatyczne?
Odpowiedź Rafała Pisza jest bardzo pragmatyczna:
„Nie chodzi o to, żeby dążyć dogmatycznie do stu procent automatyzacji. Ważne jest, żeby rozwiązać problem, który dziś ogranicza rozwój firmy.”
W praktyce oznacza to, że najlepsze projekty AI nie polegają na całkowitym zastąpieniu ludzi. Ich celem jest usunięcie wąskich gardeł w procesach biznesowych.
Posłuchaj całego odcinka podcastu
Jeśli interesuje Cię:
- jak wygląda wdrażanie AI w przetwarzaniu dokumentów,
- jakie są największe wyzwania projektów AI,
- jak osiągnąć ROI w projektach machine learning,
posłuchaj pełnego odcinka podcastu „AI w produkcji” z Rafałem Piszem z Quantup.
W rozmowie omawiamy szczegóły projektu, technologie oraz praktyczne wnioski dla firm, które chcą wykorzystać AI w swoich procesach.
