Belge Sınıflandırma Yazılımı Rehberi

Çoğu belge sınıflandırma yazılımı demosu birbirine benzer. Bir tedarikçi bir portala fatura ve sözleşme klasörü bırakır, ekran düzenli biçimde sıralanmış belgelerle dolar ve %97 gibi bir sayı belirir. Sonra onu satın alırsınız, kendi arşivinize yöneltirsiniz ve sayı dağılır.

Bu rehber, tam olarak bu boşlukla ilgili. Belge sınıflandırma yazılımının ne olduğuyla değil, her ikisi de yapay zeka sınıflandırması, hazır entegrasyonlar ve kurumsal güvenlik iddia ederken iki ürünü nasıl ayırt edeceğinizle ve üretimde gerçekte ne alacağınızı öngören bir değerlendirmenin nasıl yürütüleceğiyle ilgili.

Kısa özet: doğruluğa göre satın almayı bırakın. Kendi belgelerinizde, kendi inceleyenleriniz döngüdeyken ölçülen doğrudan işleme oranına göre satın alın.

Belge Sınıflandırma Yazılımı Gerçekte Ne Yapar

Belge sınıflandırmayı otomatikleştiren yazılım, gelen her belgeyi içeriğine göre bir iş kategorisine atar. Bu bir satın alma siparişi, şu bir havale bildirimi, bu ise imzalı bir gizlilik sözleşmesi. Yapılandırılmış formlar, alanların tutarlı ancak düzenin tutarsız olduğu faturalar gibi yarı yapılandırılmış belgeler ve yazışmalar gibi tamamen yapılandırılmamış içerik genelinde çalışır. Tedarikçilerin ve alıcıların sıklıkla birbirine karıştırdığı bir zincirdeki tek bir adımdır:

• OCR pikselleri karakterlere dönüştürür. Belgenin ne olduğu hakkında hiçbir fikri yoktur.
• Sınıflandırma belgenin ne tür olduğuna karar verir.
• Çıkarım, tür bilindikten sonra ondan adlandırılmış değerleri çeker.

Sıra göründüğünden daha önemlidir. Çıkarım kuralları genellikle sınıfa özgüdür, bu yüzden bir yanlış sınıflandırma, sonrasındaki her şeyi zehirler. Bir faturayı bir teslimat notu olarak etiketleyin; her çıkarım kuralı yanlış şablona karşı tetiklenir, yanlış onay zinciri başlar ve hata haftalar sonra kimsenin izleyemediği bir ödeme olarak ortaya çıkar.

Bu nedenle yararlı çıktı, yalnızca etiket değil, etiket artı bir güven puanı’dır. Çoğu zaman haklı olan ama hataları konusunda sessiz kalan bir sınıflandırıcı bir risktir. Kendi belirsizliğini bildiren bir sınıflandırıcıya geri kalanında güvenilebilir, çünkü şüpheli belgeleri bir kişiye yönlendirip emin olunanları kendi haline bırakabilirsiniz.

Üç Yaklaşım ve Her Birinin Doğru Cevap Olduğu Zaman

Piyasadaki hemen her ürün bu üçünden biridir veya bir karışımıdır. Tedarikçiler nadiren hangisi olduğunu söyler, o yüzden sorun.

Yaklaşım	Nasıl Karar Verir	En Güçlü Olduğu Durum	En Zayıf Olduğu Durum
Kurallara dayalı	Anahtar kelimeler, düzenli ifadeler, barkodlar, düzen bölgeleri	Belge kümesi kararlı ve yapılandırılmışsa ve her kararın açıklanabilir olması gerekiyorsa	Biçimler kayarsa veya bir tedarikçi bir şablonu değiştirirse ve kurallar sessizce eşleşmeyi bırakırsa
Eğitilmiş makine öğrenimi	Etiketlenmiş örneklerinizden öğrenilen, bazen önceden eğitilmiş bir temelden başlayan eğitilmiş modeller	Hacminiz ve geçmişiniz varsa ve sınıflar görsel veya dilsel olarak belirgin biçimde farklıysa	Etiketlenmiş veriniz yoksa veya yalnızca birkaç örnekle yeni bir sınıf ortaya çıkarsa
Büyük dil modeli	Önceden eğitilmiş bir model belgeyi okur ve üzerinde akıl yürütür, genellikle eğitim örneği olmadan	Sınıflar öğrenilmek yerine kelimelerle tanımlanmışsa, nadir türlerden oluşan uzun bir kuyruk ve karma diller varsa	Yüksek hacimde belge başına maliyet önemliyse veya her seferinde aynı girdinin aynı yanıtı vermesine ihtiyacınız varsa

İki pratik not. Kurallara dayalı sınıflandırma modası geçmiş olsa da, barkodlu, yüksek hacimli, değişmeyen bir akış için hâlâ doğru seçimdir; çünkü ucuz, hızlı ve denetlenebilirdir. Eğitim verisi olmadan iyi sınıflandırma yapan bir dil modeli ise, salt birim maliyeti nedeniyle yılda on milyon belgede yine de yanlış cevap olabilir. Hangi yaklaşımın karışımınızın hangi kısmını ele aldığını sorun ve her şey için tek bir yanıttan şüphelenin.

Doğrudan İşleme Oranı, Satın Almanın Dayandığı Sayıdır

Doğruluk, altındaki dağılımı gizleyen tek bir sayıdır; tam da ihtiyacınız olan bilgi budur. Operasyonel maliyetinizi öngören metrik doğrudan işleme oranıdır: bir denetçiye savunmaya hazır olduğunuz bir güven eşiğinde, bir kişi dokunmadan sistemi geçen belgelerin payı.

İkisi hızla birbirinden ayrılır. Ayda on bin belge üzerinden iki adayı karşılaştırın; biri genel olarak daha doğru, diğeri kendi kesinliği konusunda daha iyi kalibre edilmiş:

	Doğru Ama Tereddütlü	Daha Az Doğru, İyi Kalibre Edilmiş
Görünürdeki doğruluk	%95	%90
Eşiğinizde otomatik geçen belgeler	6.000	8.500
İnceleme kuyruğundaki belgeler	4.000	1.500
Her biri 40 saniyeden inceleyen dakikaları	2.667	1.000

Birinci aday demoyu kazanır ve size her ay fazladan 1.667 inceleme dakikasına, yaklaşık bir tam zamanlı kişiye mal olur. İkincisi daha az doğrudur ve çalıştırması çok daha ucuzdur; çünkü haklı olduğunda emin, olmadığında ise dürüsttür. Ödediğiniz şey ham doğruluk değil, kalibrasyondur.

Ardından hataların nereye düştüğünü sorun. Bir karışıklık matrisi bunu size söyler; bir yüzde hiçbir zaman söylemez. Bir teslimat notunu başka bir teslimat notu olarak yanlış dosyalamak gürültüdür. İmzalı bir sözleşmeyi bir fatura olarak yanlış dosyalamak ise bir taahhüdü, saklama takviminizin ve onu korumakla görevli izin modelinin dışına çıkarabilir. Hatalar birbirinin yerine geçmez ve bir yanlışın maliyeti tamamen hangi iki sınıfın yer değiştirdiğine bağlıdır.

Bu yüzden her tedarikçiden üç şey isteyin: kendi örneğiniz üzerindeki karışıklık matrisi, otomatik geçiş sayısını üretmek için kullanılan güven eşiği ve ortaya çıkan doğrudan işleme oranı. Size yalnızca tek bir doğruluk rakamı verecek bir tedarikçi size bir şey söylüyor demektir.

Her Adayı Puanlamak için Sekiz Kriter

Ürün özellik listeleri hızla birbirine benzer. Adayları birbirinden ayıran şey, her yeteneğin sizin belgelerinizde, sizin hacimlerinizde, sizin denetçilerinizin önünde nasıl davrandığıdır. Her adayı bu sekiz kritere göre puanlayın ve tedarikçinin demo külliyatı yerine kendi örneklem kümenize karşı test etmekte ısrar edin.

Kriter	Nasıl Test Edilir	İyi Bir Yanıt Nasıl Görünür
Sınıflandırma doğruluğu	Kötü taramalar ve karma dilli dosyalar dahil, kendi belgelerinizden birkaç yüzünü çalıştırın	Külliyatınızdaki doğruluk, demo rakamının birkaç puan içinde kalır
İlk yararlı modele kadar geçen süre	Veri devrinden çalışan bir sınıflandırıcıya kadar takvim günlerini sayın	Uçları açık bir hizmet taahhüdü olmadan çeyreklerden çok haftalar
Entegrasyon derinliği	Yalnızca izlenen bir klasörden okumak yerine, sonuçları ECM, ERP veya vaka sisteminize geri yazın	Alan düzeyinde eşleme ve tanımlı hata işlemeyle çift yönlü senkronizasyon
İnsan inceleme döngüsü	Düşük güvenli belgeleri bir inceleyene yönlendirin ve düzeltme yolunu takip edin	Düzeltmeler yeniden eğitimi besler ve kuyruk operasyonlara görünürdür
Denetim kanıtı	Her belgeyi kimin, ne zaman ve hangi model sürümünde sınıflandırdığını sorun	Bir denetçi için dışa aktarabileceğiniz belge başına bir iz
Veri ikamet yeri	Belgelerin nerede işlendiğini ve paylaşılan modelleri eğitip eğitmediklerini teyit edin	Bölgenizde, kendi kiracınızda işleme, varsayılan olarak içeriğiniz üzerinde eğitim yok
Zirve yük altında davranış	Ortalama günü değil, ay sonu veya yıl sonu patlamasını test edin	Verim, belgelenmiş bir tavana karşı öngörülebilir biçimde düşer
Üçüncü yıldaki maliyet	Yalnızca lisans ücretlerini değil, hacim büyümesini, yeniden işlemeyi ve inceleyen süresini modelleyin	Hacim arttıkça belge başına maliyet düşer

Size Bir Şey Söyleyen Bir Kavram Kanıtı Yürütmek

Çoğu kavram kanıtı bir tiyatrodur. Seçilmiş bir örnek kullanırlar, tedarikçi tarafından puanlanırlar ve geçerler. Yararlı bir tanesi, başarısız olabilecek şekilde kurulur.

• Örneği rastgele çekin. Projeye en çok heyecanlanan kişi tarafından seçilmiş değil, gerçek bir tarih aralığından çekilmiş, en az birkaç yüz belge.
• Çirkin olanları dahil edin. Telefon fotoğrafları, fakslar, ters taranmış belgeler, başka bir şey olmadan önce bölünmesi gereken çok belgeli PDF’ler, elle doldurulmuş formlar ve gerçekten aldığınız herhangi bir dil karışımı. Bunları hariç tutmak, bir kavram kanıtının kullanamayacağınız bir sayı üretmesinin yoludur.
• Tedarikçinin hiç görmediği bir test kümesi ayırın. Aynı ekip hem ayarlıyor hem de puanlıyorsa, ürünü değil onların ayarını ölçüyorsunuzdur.
• Başlamadan önce başarı ve başarısızlık ölçütlerini yazın. Doğrudan işleme oranını, sizi zarar verecek belirli karışıklıklar için kabul edilebilir azami oranı ve karşılayabileceğiniz inceleme dakikalarını belirtin. Bunu sonradan kararlaştırmak, sınırda bir sonucun bir satın almaya dönüşmesinin yoludur.
• Yalnızca doğruluğu değil, inceleme dakikalarını da ölçün. İnsanların her gün kullanacağı arayüzde bir düzeltmenin gerçekte ne kadar sürdüğünü zamanlayın.
• Patlamayı çalıştırın. Bir ay sonu hacmini sistemden geçirin ve gecikmeye ve kuyruğa ne olduğunu izleyin.

Eğitim kümesinde hiç olmayan bir belge türü ortaya çıktığında ne olacağını sorun ve sistemin bilmediğini mi söylediğini yoksa sessizce en yakın sınıfı mı seçtiğini izleyin. İkinci davranış çok daha maliyetlidir ve bunu ancak test ederseniz görürsünüz.

Dağıtım: Bulut, Yerinde veya Hibrit

Genel artılar ve eksiler burada pek yardımcı olmuyor. Pratikte dört soru bunu belirliyor.

İçeriğin nerede işlenmesine izin verildiği ve bir şeyi eğitip eğitmediği? Bu genellikle düzenlemeye tabi sektörlerde bağlayıcı kısıtlamadır ve önce çözülmesi gereken şeydir. İhtiyacınız buysa, belgelerinizin paylaşılan modelleri eğitmek için kullanılmadığını yazılı olarak alın.

Zirve nasıl görünüyor? Esnek kapasite, bulut için en net argümandır ve yalnızca hacminiz gerçekten dalgalıysa önemlidir.

Neye yazması gerekiyor ve bu ne kadar uzakta? Kayıt sistemi yerindeyse, sınıflandırmanın başka bir yerde bulunması her belgeye bir gidiş-dönüş ve aralarında yeni bir hata modu ekler.

Kim yamalıyor? Yerinde olması, ekibinizin yükseltmelerin, model güncellemelerinin ve güvenlik duruşunun sahibi olduğu anlamına gelir. Bu gerçek bir personel maliyetidir ve karşılaştırmadan en sık dışarıda bırakılan kalemdir.

Hibrit, bir içerik sınıfı gerçekten ayrılamadığında ve geri kalanı gerçekten esneklikten fayda gördüğünde karmaşıklığını hak eder. İkisi de doğru değilse hibrit, biri yerine bakımı gereken iki sistem demektir. Bulut tabanlı kurumsal içerik yönetimi rehberimiz, daha geniş içerik platformu için aynı ödünleşimi ele alır.

Entegrasyon Geri Yazmayla İlgilidir, Okumakla Değil

Her tedarikçi entegre olur. Neredeyse hepsi bir klasörü veya posta kutusunu izleyebildiklerini kastediyordur; bu, kolay yarı ve tek başına neredeyse işe yaramaz. Sınıflandırma yalnızca etiket, güven puanı ve denetim izi işin gerçekten gerçekleştiği sisteme ulaştığında değer yaratır.

Dört şey üzerinde ısrar edin:

• Alan düzeyinde eşleme. Hangi hedef alan sınıfı, hangisi güven puanını alıyor? Güven, girişte düşürülüyorsa, önceliklendirme yeteneğinizi kaybetmişsiniz demektir.
• Hata işleme. Hedef sistem yazmayı reddettiğinde ne olur? Bir yeniden deneme politikası, bir ölü mektup kuyruğu ve bir uyarı mı, yoksa sessiz bir kayıp mı?
• Değişmezlik (idempotency). Aynı belge iki kez işlenirse, bir kayıt mı iki kayıt mı elde edersiniz? Yeniden işleme normaldir, bu yüzden bu ikinci yılda değil ikinci ayda ortaya çıkar.
• Yeniden sınıflandırma. Bir inceleyen bir etiketi düzelttiğinde, düzeltme kayıt sistemine mi yayılıyor, yoksa yalnızca eğitim kümesine mi? Sürekli olarak düzeltmelerden gelişen bir sistem, bu düzeltmeler işin gerçekte okuduğu yere hiç ulaşmıyorsa pek az işe yarar.

Hedeflenmesi gereken örüntü, sınıflandırmanın bağımsız bir araç değil, daha geniş bir akıllı belge işleme akışı içindeki bir adım olmasıdır; böylece saklama, izinler ve yönlendirme, elle yeniden ayarlanmak yerine etiketi devralır. Getirinin çoğu gerçekte bu devralmadan gelir ve bu, belge ve içerik yönetimi genel bakışımızda daha ayrıntılı ele alınır.

Neye Mal Olduğu ve Maliyetin Gerçekte Nerede Bulunduğu

Lisans ücretleri, herkesin karşılaştırdığı ve nadiren en büyüğü olan kalemdir. Üç yıl boyunca gerçek dağılım genellikle şöyle görünür:

• İnceleyen süresi. Doğrudan doğrudan işleme oranı tarafından belirlenir. Yukarıdaki doğruluk konuşmasının aslında bir maliyet konuşması olmasının nedeni budur.
• Entegrasyon inşası. Sonuçları eşleme ve hata işlemeyle bir kayıt sistemine yazmak bir projedir. Bunu bir kez bütçeleyin ve hedef sistem yükseltildiğinde tekrar ele almayı bekleyin.
• Taksonomi bakımı. Sınıflar kayar. Birinin buna sahip çıkması gerekir; kimse sahip çıkmazsa doğruluk sessizce çürür.
• Yeniden işleme. Model güncellemeleri ve düzeltilmiş taksonomiler, geçmiş hacmin yeniden çalıştırılması anlamına gelir. Yeniden işlemenin ölçülüp ölçülmediğini sorun.
• Lisans ve altyapı. Belge başına, sayfa başına, kullanıcı başına veya çekirdek başına; ve biçim, oran kadar önemlidir.

Sağlıklı sinyal, hacim arttıkça belge başına maliyetin düşmesidir. Bir teklif sonsuza kadar doğrusal olarak ölçekleniyorsa, büyümeniz üzerinden başka birinin kâr marjını finanse ediyorsunuzdur. Birinci yılı değil üçüncü yılı modelleyin ve hacim iki katına çıktığında fiyata ne olacağını sorun.

Sınıflandırma İlk Nerede Karşılığını Verir

Değer, bir etiketin yalnızca bir klasörü düzenlemek yerine sonraki bir kararı açtığı her yerde ortaya çıkar.

Sağlıkta sınıflandırma, klinik içeriği idari içerikten yakalama noktasında ayırır; böylece kayıtlar bir kişi seçmeden doğru saklama kuralı ve doğru erişim politikası altına düşer. Hukuk ve sözleşme alanında, imzalanmış bir anlaşmayı bir taslaktan ayırır; bu, bağlayıcı bir yükümlülük ile bir çalışma dosyası arasındaki farktır. Finansal hizmetlerde itici güç genellikle kanıttır: bir denetçiye hangi belgelerin bir kararı ne zaman desteklediğini göstermek. Eğitimde ise bu hacimdir; bir yıllık evrak işini birkaç haftaya sıkıştıran kabul döngüleriyle birlikte.

Ortak nokta, sınıflandırmanın en çok, sonrasında otomatik bir şeyin gerçekleştiği yerde değerli olmasıdır. Etiket yalnızca bir insanın daha sonra aramasına yardımcı oluyorsa, getiri gerçektir ama çok daha küçüktür. Saklama ve elden çıkarma buna bağlıysa gerekçe çok daha güçlüdür; bunu uyumluluk ve kayıt yönetimi sayfamız ele alır.

Tekrar Tekrar Karşımıza Çıkan Beş Hata

1. Demo doğruluğuna göre satın almak. Demo külliyatı işe yaramak üzere seçildi. Sizinki seçilmedi.
2. İnceleme döngüsü olmadan devreye almak. Düşük güvenli belgelerin gidecek hiçbir yeri yoksa sistem ya işi engeller ya da tahmin eder. İkisi de bir kuyruktan daha kötüdür.
3. Çok fazla sınıf. Bulanık sınırlara sahip kırk sınıf, net sınırlara sahip on iki sınıftan her zaman daha kötü sınıflandırır. Kaba başlayın ve yalnızca bir bölme sonrasında olacak şeyi değiştiriyorsa bölün.
4. Taksonomiyi sahipsiz bırakmak. Bir sınıflandırma şeması yaşayan bir şeydir. Sahibi yoksa doğruluk çürür ve biri bir şeyi bulamayana kadar kimse fark etmez.
5. Etiketi neyin devraldığını göz ardı etmek. Saklama, izinler ve yönlendirme sonrasında hâlâ elle ayarlanıyorsa, kolay adımı otomatikleştirmiş ve tüm pahalı adımları elde tutmuşsunuzdur.

Contellect One Nereye Uyuyor

Contellect One, sınıflandırmayı yakalama anında, her kararda bir güven puanıyla uygular; böylece yönlendirme, saklama, izinler ve arama, daha sonra yeniden türetmek yerine güvenilir bir etiketi devralır. Düşük güvenli belgeler bir inceleme kuyruğuna gider ve inceleyen düzeltmeleri modele geri beslenir.

Seçenekleri değerlendiriyorsanız, yapay zeka ile belge sınıflandırma sayfası nasıl çalıştığını daha ayrıntılı olarak ele alır ve akıllı veri yakalama rehberi bunu besleyen yakalama aşamasını ele alır. Onu okumak yerine test etmeyi tercih ederseniz, kendi belgeleriniz üzerinde bir kavram kanıtı isteyin ve bizi yukarıdaki sekiz kritere göre değerlendirin.