Почтовая рутина под управлением искусственного интеллекта

Компания Directum провела вебинар, на котором рассказала, как с помощью ИИ-сервисов можно уменьшить трудоемкость подготовки документации и выдачи распоряжений. Эти процедуры требуют времени – наиболее ценного ресурса сотрудников. Рабочие часы руководителя ценны вдвойне. Как найти точки оптимизации, чтобы появившиеся временные ресурсы направить на решение стратегических задач, а не на выполнение рутинных операций?

Базовый сценарий обработки входящих сообщений в большинстве компаний автоматизирован в корпоративных системах электронного документооборота. Руководитель продвижения интеллектуальных решений Directum Александр Сёмочкин напомнил, что представляют собой процессы обработки корреспонденции и подготовки проекта резолюции.

Процедура обработки входящих писем включает в себя четыре этапа: сортировку (бумажные поступления сканируются), рассмотрение и вынесение резолюции, исполнение, подготовку и отправку ответа. Наибольшего количества времени (25 минут) требует рассмотрение и вынесение резолюции.

Существуют два способа оформления резолюции. Первый – руководитель самостоятельно знакомится с документом и составляет резолюцию (на оригинале документа, специальном бланке, в интерфейсе системы или мобильном приложении). Второй способ – проект резолюции готовит помощник, а руководитель утверждает. Элементы резолюции всегда постоянны: что и к какому сроку сделать, ФИО исполнителя или соисполнителей, ответственного за приемку работ.

В компании Directum подсчитали, сколько времени уходит на рассмотрение и составление проекта резолюции: пять минут на ознакомление, до десяти – на создание одного проекта, 15 – на поиск документов из контекста письма. В зависимости от того, сколько писем в компании поступает за день руководителю, несложно подсчитать объем его «почтовой» нагрузки.

Понятно стремление управленцев доверить искусственному интеллекту и формирование проекта резолюции, и поиск документов по контексту. В идеале сотруднику останется лишь проверить сделанное при помощи ИИ-инструментов и утвердить.

Две технологии одного решения

В основе решений на базе ИИ лежат две технологии: обработка естественного языка и компьютерное зрение. При обработке входящей корреспонденции компьютерное зрение отвечает за распознавание текстовых символов, обнаружение таких объектов, как подпись, печать.

Что касается обработки естественного языка, то эксперт обратил внимание на метод машинного обучения, который помогает обучаться без инструкций на исторических, статистических данных. Система автоматически формирует закономерности, и на основании обученной выборки составляются прогнозы.

Чтобы ИИ идентифицировал документы, вначале система должна определить, требует ли входящий документ дальнейших действий, возможно, его достаточно принять к сведению. Исходя из содержания выделяют несколько групп писем. Корреспонденция с запросом, просьбой или претензией требует совершения действий внутри организации. Результатом проработки такого письма является сформированный ответ, направленный в адрес корреспондентов. Есть письма, поступающие в ответ на исходящие (чаще всего их передают сотруднику, который инициировал переписку). Еще одна группа писем – информационные (коммерческие, рекламные предложения), которые достаточно принять к сведению.

Возможности Directum Ario

С помощью машинного обучения система Directum Ario идентифицирует документы по их содержанию, например, отличает письмо от договора или акта на оплату. Аналогичным образом письма классифицируются по признаку необходимости исполнения. Но для этого требуется предварительная подготовка выборки накопленных в организации документов, распределенных по классам. При соблюдении данного условия система сможет определять, кто отвечает за исполнение поручений.

Из содержания документа система поймет, кто исполнитель. Происходит это благодаря применению машинного обучения для распределения писем по классам. Только в качестве исполнителей в Directum Ario указываются не конкретные Иванов, Петров или Сидоров (сотрудники имеют обыкновение уходить, переводиться на другие должности), а их роли в организации. То есть ответственными могут назначаться руководители отделов, подразделений, которые, получив поручение, определят конечного исполнителя и делегируют задачу.

Зачастую исполнитель бывает не один, в таком случае используется множественная классификация. Вначале система вычисляет основного ответственного, затем подбирает соисполнителей. При этом важно правильно подготовить документы для обучения. Имеются в виду определение перечня классов по ролям исполнителей или подразделений, сбор документов по каждому классу. Большое значение имеет размер выборки. Для качественного обучения следует ориентироваться на объем писем за последние два года. «Тысячи писем нужно системе «скормить», чтобы она правильно определяла ответственных исполнителей», – пояснил эксперт. Если одному исполнителю давалось всего пять поручений за пару лет, то такой объем не подходит для модели классификации – слишком мал, чтобы ИИ смог отличить подобные документы.

Степень срочности

При настройке сроков и текста резолюции реализована зависимость не только от содержания входящего письма, но и от его автора. Корреспонденция, поступающая, например, из министерства или от головной организации, требует обработки в более короткие сроки. Письма от подрядчика не всегда требуют срочных действий.

Как правило, в тексте указываются желаемые сроки исполнения, могут быть пометки срочности. Извлечь такие уточнения из текста можно с помощью компьютерного зрения и учитывать их при расчете сроков исполнения поручения.

Представитель Directum отметил, что в некоторых ситуациях ИИ не может вычислить срок, и тогда нужно ориентироваться на типовые сроки исполнения, установленные в организации инструкцией по ведению делопроизводства. Их можно подставлять в проект резолюции по умолчанию и настраивать в системе.

Научить и дообучить

Систему Directum Ario можно научить составлению текста резолюции. Главное, чтобы накопленных данных было достаточно. Формулировки, которые система будет предлагать в виде резолюции, варьируются от простых («в работу», «на исполнение», «подготовить ответ») до сложных, состоящих из нескольких предложений. «Пока, к сожалению, ИИ не может генерировать осмысленную фразу, описывающую суть необходимых работ с документом. Но в целом он в состоянии обучиться на простых фразах», – резюмировал эксперт.

На первых порах ИИ может ошибаться, допускать промахи в части определения ответственного и указанного срока. На этапе верификации руководитель сможет вносить изменения и корректировать. По ходу работы система будет дообучаться, и в следующий раз обойдется без ошибок.

Как показывает практика, делегировать подготовку резолюции можно не только людям (секретарям, помощникам руководителей), но и инструментам ИИ.

Проследить связи

В России есть организации, которые используют возможности искусственного интеллекта для обработки входящей корреспонденции. Например, применение Directum Ario облегчает работу руководителей в «ОДК-Авиадвигатель», рассказал начальник отдела систем документооборота и управления контентом компании Дан Олейников.

«ОДК-Авиадвигатель» – конструкторское бюро по разработке газотурбинных двигателей для авиации, промышленных газотурбинных установок и электростанций на базе авиационных технологий. Предпосылкой к внедрению системы в конструкторском бюро послужила постоянно возрастающая нагрузка на делопроизводителей. Объем переписки увеличивался, и сотрудники не успевали отследить связи входящего письма и документа, к которому оно относится. Для компании характерен большой поток писем по основным направлениям, причем рассматривать их приходится нескольким ключевым руководителям.

Внедрение инструментов Ario дало возможность автоматически классифицировать входящие письма и заполнять большинство реквизитов. Сотрудники канцелярии проверяют корректность и полноту извлечения реквизитов (78%), при необходимости дозаполняют. Система может вычислять отсылки к документам (оперирует стандартными номерами, обозначениями документов, ищет их в базе и связывает). Правда, во входящей корреспонденции дату и номер письма сотрудники большинства организаций пишут от руки. Рукописные тексты Ario распознавать не может – для ИИ это сложная и нетривиальная задача.

Пилот в промышленном контуре

Пилотный проект (формирование проекта резолюции системой с ИИ) реализовывали в конструкторском бюро на рабочем месте одного из руководителей, у которого наибольшее количество входящих документов.

Для обучения системы использовали выборку из 22 тыс. документов. Пилот проводился в промышленном контуре (а не на тестовом полигоне) в течение четырех месяцев. За это время было обработано более 1100 писем. Точность определения ответственного исполнителя составила 73%.

В компании сделали вывод, что 37% всех поручений, которые были сформированы, могли бы быть созданы автоматически, без участия руководителя, поскольку корректность указания исполнителя и соисполнителей не вызывает сомнений. Стоит отметить, что Ario предлагает проект резолюции, а решение принимает сам руководитель. Внедренная функциональность облегчает работу в части выдачи распоряжения – руководителю не нужно заполнять карточки поручения, он правит текстовую строку.

Внедренная функциональность Directum Ario в «ОДК-Авиадвигатель» распространена на семь топ-руководителей. Без использования данного инструмента на формирование резолюции в системе требовалось в среднем от трех до пяти минут. С включенным функционалом на ту же процедуру уходит одна-две минуты. И если счет идет на десятки писем в день, то экономия рабочего времени каждого управленца очевидна, поскольку легко измерима.

Один и тот же механизм может транслироваться на многих руководителей – все зависит от масштаба предприятия. Решение, о котором шла речь на вебинаре, ориентировано на крупные компании с большим входящим документопотоком. В таких организациях могут работать десятки руководителей и замов, которые оперируют резолюциями. Содержать помощника для каждого управленца накладнее, чем тиражировать решение, утверждают эксперты.

Поделиться:
Спецпроект

Компания iFellow объявила о переходе на российскую платформу CommuniGate Pro

Подробнее
Спецпроект

У общественного транспорта Ярославской области появилось мобильное приложение

Подробнее


Подпишитесь
на нашу рассылку