دليل شراء برمجيات تصنيف المستندات

تتشابه معظم عروض برمجيات تصنيف المستندات. فيُسقِط المورّد مجلدًا من الفواتير والعقود في بوابة، فتمتلئ الشاشة بمستندات مفرزة بعناية، ويظهر رقم مثل 97 بالمئة. ثم تشتريها، وتوجّهها إلى أرشيفك أنت، فينهار الرقم.

هذه الفجوة هي موضوع هذا الدليل. ليس ما هي برمجيات تصنيف المستندات، بل كيف تميّز بين منتجين يدّعي كلاهما التصنيف بالذكاء الاصطناعي والتكاملات الجاهزة والأمن المؤسسي، وكيف تُجري تقييمًا يتنبأ بما ستحصل عليه فعلًا في الإنتاج.

الخلاصة القصيرة: توقّف عن الشراء بناءً على الدقة. اشترِ بناءً على معدل المعالجة المباشرة من الطرف إلى الطرف، مقيسًا على مستنداتك أنت، وبمراجعيك أنت في الحلقة.

ما تفعله برمجيات تصنيف المستندات فعلًا

تُسنِد البرمجيات التي تؤتمت تصنيف المستندات كل مستند وارد إلى فئة عمل بناءً على ما يحتويه. فهذا أمر شراء، وذاك إشعار حوالة، وهذا اتفاقية عدم إفصاح موقّعة. وهي تعمل على النماذج المهيكلة، وعلى المستندات شبه المهيكلة كالفواتير التي تكون حقولها متسقة وتخطيطها غير متسق، وعلى المحتوى غير المهيكل كليًا كالمراسلات. وهي خطوة واحدة في سلسلة كثيرًا ما يخلط المورّدون والمشترون بين حلقاتها:

• OCR يحوّل البكسلات إلى محارف. ولا فكرة لديه عن ماهية المستند.
• التصنيف يحدّد نوع المستند.
• الاستخراج يسحب قيمًا مسمّاة منه بعد معرفة النوع.

والترتيب أهم مما يبدو. فقواعد الاستخراج خاصة بكل فئة عادةً، ولذلك يفسد خطأ التصنيف كل ما يليه. فَسِمْ فاتورة بأنها إشعار تسليم، فتنطلق كل قاعدة استخراج مقابل القالب الخطأ، وتبدأ سلسلة الموافقات الخطأ، ويظهر الخطأ بعد أسابيع في صورة دفعة لا يستطيع أحد تتبّعها.

فالمخرَج المفيد إذًا ليس الوسم بمفرده، بل الوسم مع درجة ثقة. فالمصنّف الذي يكون على صواب في معظم الأحيان ويصمت عن أخطائه عبء. أما الذي يبلّغ عن عدم يقينه فيمكن الاعتماد عليه في الباقي، لأنك تستطيع توجيه المستندات المشكوك فيها إلى شخص وترك تلك الواثقة على حالها.

ثلاثة مناهج، ومتى يكون كل منها الجواب الصحيح

يكاد كل منتج في السوق أن يكون واحدًا من هذه الثلاثة، أو مزيجًا منها. وقلّما يقول المورّدون أيّها، فاسأل.

المنهج	كيف يقرّر	أقوى ما يكون عندما	أضعف ما يكون عندما
قائم على القواعد	الكلمات المفتاحية والتعبيرات النمطية والباركود ومناطق التخطيط	تكون مجموعة المستندات مستقرة ومهيكلة، وتحتاج إلى أن يكون كل قرار قابلًا للتفسير	تنحرف التنسيقات، أو يغيّر مورّد قالبًا فتتوقف القواعد عن المطابقة بصمت
تعلّم آلة مدرَّب	نماذج مدرَّبة تعلّمت من أمثلتك الموسومة، وتبدأ أحيانًا من أساس مدرَّب سلفًا	يكون لديك حجم وتاريخ، وتكون الفئات متمايزة بصريًا أو لغويًا	لا تكون لديك بيانات موسومة، أو تظهر فئة جديدة بحفنة أمثلة فقط
نموذج لغة كبير	يقرأ نموذج مدرَّب سلفًا المستند ويستدل عليه، غالبًا دون أمثلة تدريب	تكون الفئات موصوفة بالكلمات لا متعلَّمة، مع ذيل طويل من الأنواع النادرة ولغات مختلطة	تهمّ تكلفة المستند عند الأحجام الكبيرة، أو تحتاج إلى أن يعطي المدخل ذاته الجواب ذاته كل مرة

ملاحظتان عمليتان. التصنيف القائم على القواعد غير رائج، وما زال الخيار الصحيح لتدفق مبارْكَد عالي الحجم غير متغيّر، لأنه رخيص وسريع وقابل للتدقيق. ونموذج اللغة الذي يصنّف جيدًا دون بيانات تدريب قد يبقى الجواب الخطأ عند عشرة ملايين مستند سنويًا، لأسباب تتعلق بتكلفة الوحدة وحدها. فاسأل أي منهج يتولّى أي جزء من مزيجك، وارتَب في جواب واحد يصلح لكل شيء.

معدل المعالجة المباشرة هو الرقم الذي تشتري بناءً عليه

الدقة رقم واحد يخفي التوزيع الكامن تحته، وهو بالضبط المعلومة التي تحتاجها. أما المقياس الذي يتنبأ بتكلفتك التشغيلية فهو معدل المعالجة المباشرة من الطرف إلى الطرف: أي نسبة المستندات التي تجتاز النظام دون أن يلمسها شخص، عند حد ثقة تكون مستعدًا للدفاع عنه أمام مدقّق.

وينفصل الاثنان سريعًا. قارن بين مرشّحين على عشرة آلاف مستند شهريًا، أحدهما أدق إجمالًا والآخر أفضل معايرةً لدرجة يقينه:

	دقيق لكنه متردد	أقل دقة، جيد المعايرة
الدقة المعلنة	95 بالمئة	90 بالمئة
المستندات المجتازة تلقائيًا عند حدّك	6,000	8,500
المستندات في طابور المراجعة	4,000	1,500
دقائق المراجعين بمعدل 40 ثانية لكل مستند	2,667	1,000

يفوز المرشّح الأول في العرض التوضيحي، ويكلّفك 1,667 دقيقة مراجعة إضافية كل شهر، أي ما يعادل نحو شخص واحد بدوام كامل. أما الثاني فأقل دقة وأرخص تشغيلًا بكثير، لأنه واثق حين يكون على صواب وصادق حين لا يكون. فالمعايرة، لا الدقة الخام، هي ما تدفع مقابله.

ثم اسأل أين تحلّ الأخطاء. مصفوفة الالتباس تقول لك ذلك؛ والنسبة المئوية لن تقوله أبدًا. فحفظ إشعار تسليم في موضع إشعار تسليم آخر ضجيج. أما حفظ عقد موقّع في موضع فاتورة فقد يُخرج التزامًا من جدول استبقائك ومن نموذج الأذونات الذي كان يُفترض أن يحميه. فالأخطاء ليست قابلة للتبادل، وتكلفة الخطأ تعتمد كليًا على أي فئتين تبادلتا موضعهما.

فاطلب إذًا من كل مورّد ثلاثة أشياء: مصفوفة الالتباس على عيّنتك أنت، وحد الثقة المستخدَم لإنتاج رقم الاجتياز التلقائي، ومعدل المعالجة المباشرة الناتج. والمورّد الذي لا يعطيك إلا رقم دقة واحدًا يقول لك شيئًا.

ثمانية معايير لتقييم كل مرشّح

تتلاقى قوائم سمات المنتجات سريعًا. وما يفصل بين المرشّحين هو كيف تتصرف كل قدرة على مستنداتك، وبأحجامك، وأمام مدقّقيك. فقيّم كل مرشّح مقابل هذه الثمانية، وأصرّ على اختبارها على مجموعة عيّناتك أنت لا على مجموعة العرض التوضيحي للمورّد.

المعيار	كيف تختبره	كيف يبدو الجواب الجيد
دقة التصنيف	شغّل عدة مئات من مستنداتك أنت، بما فيها المسوحات السيئة والملفات مختلطة اللغة	تبقى الدقة على مجموعتك في حدود نقاط قليلة من رقم العرض التوضيحي
الزمن حتى أول نموذج مفيد	احسب الأيام التقويمية من تسليم البيانات إلى مصنّف عامل	أسابيع لا أرباع سنة، دون ارتباط خدمي مفتوح النهاية
عمق التكامل	اكتب النتائج في نظام ECM أو ERP أو نظام الحالات لديك، لا مجرد القراءة من مجلد مراقَب	مزامنة ثنائية الاتجاه مع تخطيط على مستوى الحقول ومعالجة محدّدة للأخطاء
حلقة المراجعة البشرية	وجّه المستندات منخفضة الثقة إلى مراجع وتابع مسار التصحيح	تُغذّي التصحيحات إعادة التدريب، ويكون الطابور مرئيًا للعمليات
أدلة التدقيق	اسأل من صنّف كل مستند، ومتى، وعلى أي إصدار نموذج	مسار لكل مستند تستطيع تصديره لمدقّق
إقامة البيانات	تأكّد من موضع معالجة المستندات وما إذا كانت تدرّب نماذج مشتركة	معالجة في منطقتك، وفي مستأجرك، دون تدريب على محتواك افتراضيًا
السلوك تحت الحمل الأقصى	اختبر موجة نهاية الشهر أو نهاية السنة، لا اليوم المتوسط	تتراجع الطاقة الاستيعابية على نحو قابل للتوقع مقابل سقف موثّق
التكلفة في السنة الثالثة	نمذِج نمو الحجم وإعادة المعالجة ووقت المراجعين، لا رسوم الترخيص فحسب	تنخفض تكلفة المستند مع ارتفاع الحجم

إجراء إثبات مفهوم يقول لك شيئًا

معظم إثباتات المفهوم مسرح. فهي تستخدم عيّنة منتقاة، ويقيّمها المورّد، وتنجح. أما المفيد منها فمُعَدّ بحيث يكون قادرًا على الفشل.

• اسحب العيّنة عشوائيًا. عدة مئات من المستندات كحد أدنى، مسحوبة من نطاق تاريخي حقيقي، لا منتقاة على يد أكثر الناس حماسًا للمشروع.
• أدخِل المستندات القبيحة. صور الهواتف، والفاكسات، والمستندات الممسوحة مقلوبة، وملفات PDF متعددة المستندات التي تحتاج إلى تقسيم قبل أي شيء آخر، والنماذج المُكمَّلة بخط اليد، وأي خليط لغوي تستقبله فعلًا. فاستثناء هذه هو الطريق إلى إثبات مفهوم يُنتج رقمًا لا تستطيع استخدامه.
• احتفظ بمجموعة اختبار لا يراها المورّد أبدًا. فإن ضبط الفريق ذاته وقيّم، فأنت تقيس ضبطه لا المنتج.
• اكتب معايير النجاح والفشل قبل أن تبدأ. حدّد معدل المعالجة المباشرة، والحد الأقصى المقبول للالتباسات المحددة التي ستضرّك، ودقائق المراجعة التي تستطيع تحمّلها. فالاتفاق على ذلك لاحقًا هو الطريق إلى تحويل نتيجة حدّية إلى عملية شراء.
• قِس دقائق المراجعين، لا الدقة فحسب. وقّت المدة التي يستغرقها التصحيح فعلًا في الواجهة التي سيستخدمها الناس كل يوم.
• شغّل الموجة. ادفع حجم نهاية شهر عبر النظام وراقب ما يحدث لزمن الاستجابة وللطابور.

واسأل ماذا يحدث عندما يظهر نوع مستند لم يكن قط في مجموعة التدريب، وراقب هل يقول النظام إنه لا يعرف أم ينتقي بصمت أقرب فئة. فالسلوك الثاني أغلى بكثير، ولن تراه إلا إن اختبرته.

النشر: سحابي أم محلي أم هجين

المزايا والعيوب العامة قليلة النفع هنا. فأربعة أسئلة تحسم الأمر عمليًا.

أين يُسمح بمعالجة المحتوى، وهل يدرّب أي شيء؟ هذا هو القيد الملزم عادةً في القطاعات المنظَّمة، وأول ما ينبغي حسمه. واحصل خطيًا على أن مستنداتك لا تُستخدم لتدريب نماذج مشتركة، إن كان هذا ما تحتاجه.

كيف يبدو الحمل الأقصى؟ السعة المرنة هي أوضح حجة لصالح السحابة، ولا تهم إلا إن كان حجمك متفاوتًا فعلًا.

فيمَ يجب أن يكتب، وكم يبعد ذلك؟ إن كان نظام السجلات محليًا، فوجود التصنيف في مكان آخر يضيف رحلة ذهاب وعودة لكل مستند ونمط فشل جديدًا بينهما.

من يرقّعه؟ المحلي يعني أن فريقك يتولى الترقيات وتحديثات النماذج والوضع الأمني. وهذه تكلفة توظيف حقيقية، وهي البند الأكثر إغفالًا في المقارنة.

ويستحق الهجين تعقيده عندما يكون هناك صنف محتوى لا يمكنه المغادرة فعلًا، ويستفيد الباقي فعلًا من المرونة. وإن لم يصح أي من الأمرين، فالهجين نظامان تصونهما بدلًا من واحد. ودليلنا إلى إدارة المحتوى المؤسسي القائمة على السحابة يعالج المفاضلة ذاتها لمنصة المحتوى الأوسع.

التكامل يتعلق بالكتابة إلى الأنظمة، لا بالقراءة منها

كل مورّد يتكامل. ويكاد جميعهم يعنون أنهم يستطيعون مراقبة مجلد أو صندوق بريد، وهو النصف السهل ويقارب انعدام النفع بمفرده. فالتصنيف لا يخلق قيمة إلا حين يحلّ الوسم ودرجة الثقة ومسار التدقيق في النظام الذي يحدث فيه العمل فعلًا.

فألحّ على أربعة أمور:

• التخطيط على مستوى الحقول. أي حقل هدف يستقبل الفئة، وأي حقل يستقبل درجة الثقة؟ فإن أُسقطت الثقة في الطريق، فقدت القدرة على الفرز.
• معالجة الأخطاء. ماذا يحدث عندما يرفض النظام الهدف عملية الكتابة؟ سياسة إعادة محاولة وطابور رسائل ميتة وتنبيه، أم فقدان صامت.
• الحياد التكراري. إن عُولج المستند ذاته مرتين، هل تحصل على سجل واحد أم اثنين؟ فإعادة المعالجة أمر طبيعي، ولذلك يظهر هذا في الشهر الثاني لا في السنة الثانية.
• إعادة التصنيف. عندما يصحّح مراجع وسمًا، هل ينتشر التصحيح إلى نظام السجلات أم إلى مجموعة التدريب فحسب؟ فالنظام الذي يتحسن باستمرار من التصحيحات يساوي القليل إن لم تصل تلك التصحيحات قط إلى الموضع الذي تقرأ منه الأعمال فعلًا.

والنمط المستهدَف هو أن يكون التصنيف خطوةً داخل مسار معالجة ذكية للمستندات أوسع لا أداةً قائمة بذاتها، حتى يرث الاستبقاء والأذونات والتوجيه كلها الوسم بدلًا من إعادة تعيينها يدويًا. وهذا التوريث هو موضع معظم العائد فعلًا، وهو مشمول بمزيد من التفصيل في نظرتنا العامة على إدارة المستندات والمحتوى.

ما تكلفته، وأين تقع التكلفة فعلًا

رسوم الترخيص هي البند الذي يقارنه الجميع، وقلّما يكون الأكبر. وعلى مدى ثلاث سنوات، يبدو التوزيع الحقيقي عادةً كما يلي:

• وقت المراجعين. يحدّده معدل المعالجة المباشرة تحديدًا مباشرًا. ولهذا فإن حديث الدقة أعلاه هو حديث تكلفة.
• بناء التكامل. كتابة النتائج في نظام سجلات، مع التخطيط ومعالجة الأخطاء، مشروع. فأدرجه في الميزانية مرة وتوقّع العودة إليه عند ترقية النظام الهدف.
• صيانة التصنيفات. الفئات تنحرف. فلا بد لأحد أن يتولى ذلك، وإن لم يفعله أحد، تتحلل الدقة بصمت.
• إعادة المعالجة. تحديثات النماذج والتصنيفات المصحَّحة تعني إعادة تشغيل الحجم التاريخي. فاسأل هل إعادة المعالجة محسوبة بالعدّاد.
• الترخيص والبنية التحتية. بحسب المستند أو الصفحة أو المستخدم أو النواة، والشكل يهم بقدر ما يهم السعر.

والإشارة الصحية هي أن تكلفة المستند تنخفض مع ارتفاع الحجم. فإن كان العرض السعري يتوسع خطيًا إلى الأبد، فأنت تمول هامش ربح شخص آخر على نموّك. فنمذِج السنة الثالثة لا الأولى، واسأل ماذا يحدث للسعر عندما يتضاعف الحجم.

أين يثمر التصنيف أولًا

تظهر القيمة حيث يفتح الوسم قرارًا لاحقًا لا حيث يرتّب مجلدًا فحسب.

في الرعاية الصحية، يفصل التصنيف المحتوى الإكلينيكي عن الإداري عند نقطة الالتقاط، فتحلّ السجلات تحت قاعدة الاستبقاء الصحيحة وسياسة الوصول الصحيحة دون أن يختار شخص. وفي القانون والتعاقد، يميّز بين اتفاقية منفَّذة ومسوّدة، وهو الفرق بين التزام مُلزِم وملف عمل. وفي الخدمات المالية، يكون الدافع عادةً الأدلة: إظهار أي المستندات دعم قرارًا، ومتى، للمفتّش. وفي التعليم، يكون الدافع الحجم، مع دورات قبول تضغط أعمالًا ورقية لسنة كاملة في أسابيع قليلة.

والخيط المشترك هو أن التصنيف يساوي أكثر ما يساوي حيث يحدث شيء آلي بعده. فإن كان الوسم لا يساعد إلا إنسانًا في البحث لاحقًا، فالعائد حقيقي لكنه أصغر بكثير. أما حيث يعتمد عليه الاستبقاء والتخلص، فالحجة أقوى بكثير، وهو ما تتوسّع فيه صفحة الامتثال وإدارة السجلات لدينا.

خمسة أخطاء تظهر مرة بعد مرة

1. الشراء بناءً على دقة العرض التوضيحي. مجموعة العرض اختيرت لتنجح. ومجموعتك لم تُختَر.
2. الإطلاق دون حلقة مراجعة. إن لم يكن للمستندات منخفضة الثقة مكان تذهب إليه، فإن النظام إمّا يعيق العمل أو يخمّن. وكلاهما أسوأ من طابور.
3. فئات أكثر من اللازم. أربعون فئة بحدود ضبابية ستُصنَّف دائمًا أسوأ من اثنتي عشرة فئة بحدود واضحة. فابدأ بالتقسيم العريض ولا تُجزّئ إلا عندما يغيّر التجزيء ما يحدث تاليًا.
4. ترك التصنيفات بلا مالك. مخطط التصنيف كائن حي. فبلا مالك، تتحلل الدقة ولا يلاحظ أحد حتى يعجز شخص عن إيجاد شيء.
5. إغفال ما يرث الوسم. إن كان الاستبقاء والأذونات والتوجيه لا تزال تُعيَّن يدويًا بعد ذلك، فقد أتمتت الخطوة السهلة وأبقيت كل الخطوات المكلفة.

أين يقع Contellect One

تطبّق Contellect One التصنيف في لحظة الالتقاط، مع درجة ثقة على كل قرار، حتى يرث التوجيه والاستبقاء والأذونات والبحث كلها وسمًا موثوقًا بدلًا من إعادة استنتاجه لاحقًا. وتذهب المستندات منخفضة الثقة إلى طابور مراجعة، وتُغذّي تصحيحات المراجعين النموذج من جديد.

وإن كنت تقيّم الخيارات، فصفحة تصنيف المستندات بالذكاء الاصطناعي تشرح كيف يعمل بتفصيل أوفى، ودليل الالتقاط الذكي للبيانات يشرح مرحلة الالتقاط التي تغذّيه. وإن كنت تفضّل اختباره على القراءة عنه، فاطلب إثبات مفهوم على مستنداتك أنت وحاسِبنا على المعايير الثمانية أعلاه.