인공 지능(AI)의 발전으로 기업은 문서 처리를 더욱 자동화할 수 있게 되었습니다. 지능형 문서 처리(IDP)는 AI 기반 자동화 및 머신 러닝을 사용하여 문서를 분류하고, 정보를 추출하고, 데이터를 검증합니다. 또한 자동화 및 비정형 데이터 구조화를 통해 문서 처리를 더욱 자동화하고 속도를 높입니다.  

또한 IDP는 로보틱 프로세스 자동화(RPA) 및 자연어 처리(NLP) 툴을 통합하여 아날로그에서 디지털로 더 빠르게 전환하고 오류 발생 가능성을 줄일 수 있습니다. 특히 RPA는 포인트 앤 클릭 방식의 수동 작업을 자동화할 수 있으므로 프로세스와 인간의 상호 작용이 줄어듭니다.

문서 처리는 컴퓨팅 비전 알고리즘, 신경망 또는 수작업을 통해 수행할 수 있습니다. 일반적으로 아날로그 데이터를 디지털 데이터로 디지털화하는 과정은 다음과 같은 단계를 따릅니다.

1. 레이아웃과 구조를 분류하고 추출: 문서 처리 솔루션은 규칙을 기반으로 합니다. 프로그래머는 작업을 시작하기 전에 이러한 사전 정의된 추출 규칙을 만듭니다. 여기에는 문서의 카테고리와 형식을 정의하는 것도 포함됩니다. 정의가 완료되면 팀은 레이아웃과 구조를 추출할 수 있습니다.
2. 문서 정보 추출: 팀에서 텍스트 트랜스크립션을 자동화하는 데 사용할 수 있는 방법은 여러 가지가 있습니다. 광학 문자 인식(OCR)은 수동 문서에서 입력된 텍스트를 스캔하여 데이터로 변환합니다. 지능형 문자 인식은 필기체 텍스트 인식(HTR)의 일종으로 표준 텍스트는 물론 다양한 글꼴과 스타일의 필기체도 인식할 수 있습니다.
3. 문서 오류 감지 및 수정: OCR 기술은 오류가 발생하기 쉬우므로 추출된 데이터를 수동으로 검토해야 할 수 있습니다. 문서 형식을 처리할 수 없거나 오류가 식별되면 사람이 검토할 수 있도록 플래그를 지정하고 수동 입력을 통해 수정할 수 있습니다.
4. 문서 및 데이터 저장: 최종 문서는 현재 애플리케이션과 통합할 수 있는 형식으로 저장됩니다.   

지능형 문서 처리를 사용하는 경우 다음을 수행하여 기존 문서 처리를 개선합니다.

• 더 빠른 데이터 처리: 고급 자동화는 비정형 및 아날로그 데이터에서 관련 정보를 더 빠르고 정확하게 추출하는 방법입니다. 이를 통해 수동 프로세스를 없애고 오류를 줄여 워크플로를 단축할 수 있습니다.
• 비정형 문서 처리: 기존 문서 처리와 달리 IDP는 정형, 비정형 및 반정형 정보를 변환하고 데이터를 비즈니스 애플리케이션 및 워크플로에 적용할 수 있습니다.
• 데이터 정확도 향상: 머신 러닝은 문서 분류, 정보 추출, 데이터 유효성 검사를 개선하여 처리 품질과 신뢰성을 향상시킵니다. 워크플로 내에서 로우코드 지도 학습을 사용하면 추출 규칙을 다시 프로그래밍하지 않고도 시간이 지남에 따라 정확도를 개선할 수 있습니다.
• 보안 강화: IDP는 문서와 개인 정보를 안전한 (디지털) 위치에 저장합니다. 이는 엄격한 보안 규정 및 규정 준수 정책이 적용되는 의료 및 금융 서비스와 같은 산업에서 특히 중요합니다.
• 비용 절감: 기존 문서 처리의 수작업 방식은 시간이 많이 걸리고 전문가가 다른 업무에 집중할 수 없게 만듭니다. 자동화는 처리 시간을 단축하여 운영 비용을 절감하고 인력을 더 잘 활용합니다.

조직에서 의료 기록을 디지털화하거나 청구서 처리를 간소화하려는 경우, 몇 가지 준비 작업을 수행하고 모범 사례를 따라 시작하면 비용과 시간이 많이 소요되는 문제를 방지하는 데 도움이 됩니다. 여기에는 다음이 포함됩니다.

• 문서 분류: 간결한 데이터 추출을 위해 관련 정보를 명확히 하는 기능에 따라 문서를 작성하고 구성합니다.
• 데이터 변환: 비정형 및 반정형 데이터를 자동화 향상에 사용할 수 있는 정보를 제공하는 정형 데이터로 변환합니다.
• 통합 및 API 고려: 데이터가 디지털 형식으로 변환되면 조직 내에서 어떻게 사용할 수 있을까요? 호환이 가능하고 필요한 모든 사람이 쉽게 이용할 수 있을까요? 이해관계자와 비즈니스 요구 사항을 논의하여 조직 내에서 데이터가 적절하게 통합되도록 하세요.
• 전문가와의 상담: 디지털화하려는 정보를 사용하는 사람들과 대화하여 정보가 비즈니스에 미치는 가치와 정보를 어떻게 해석해야 하는지 더 잘 이해하세요. 이렇게 하면 오류를 해결하는 사람이 데이터가 어떻게 보여야 하는지 이해하고 프로세스가 올바르게 수행되도록 할 수 있습니다.

기존 문서 처리에는 디지털 혁신 프로젝트가 지연되지 않도록 시작하기 전에 고려해야 할 몇 가지 과제가 있습니다.

• 처리 시 한 가지 형식만 사용: 문서 처리는 사전 정의된 추출 규칙을 사용하여 관련 정보를 디지털 형식으로 변환합니다. 이러한 유형의 데이터 캡처는 정보가 일관된 구조화된 데이터에 적합합니다. 그러나 대량의 비정형 데이터 또는 제공된 정보가 일관되지 않은 복잡한 문서가 있는 경우 프로세스로 인해 시간이 많이 걸리는 오류가 발생할 수 있습니다. 
• 처리 전문가에 의존: 문제와 오류가 발생하면 처리 전문가가 수동 검토를 위해 플래그를 지정하는 경우가 많습니다. 이는 시간이 많이 걸리고 상당한 인적 자원이 필요할 수 있습니다.
• 지속적인 개선의 어려움: 문서 처리 시스템은 문서 처리가 어떻게 작동하는지, 어떤 오류로 인해 프로세스가 느려지는지에 대한 운영 가시성이 부족합니다.

다음은 문서 처리를 사용할 수 있는 가장 일반적인 몇 가지 상황입니다.

• 인보이스/급여: 디지털 혁신을 위해서는 수동 인보이스 발행 및 급여 시스템을 디지털화 및 자동화해야 합니다. IBM의 자동화 문서 처리와 같은 툴을 사용하면 인보이스 프로세스의 데이터 추출을 위해 사전 정의된 딥 러닝 모델을 구성하고 사용할 수 있습니다.
• 보험: 문서 처리를 통해 양식에서 데이터를 추출하고 보험 적용 범위와 자격을 신속하게 확인할 수 있습니다. 또한 문서를 업계 표준 및 프로토콜에 맞게 유지하고 민감한 문서와 개인 정보를 보호합니다.
• 인적 자원: 문서 처리를 사용하여 직원 및 후보자 데이터를 직원 관리 및 고용 결정을 최적화하는 귀중한 인사이트로 변환합니다.
• 사기 탐지: 문서 처리는 수표의 서명을 승인하고 대량 거래의 진위를 판별하여 은행 불일치를 없애는 등 금융 서비스에 중요한 툴이 되었습니다.
• 모기지: 대출 기관은 모기지 처리를 위해 매년 수백만 건의 서류를 처리해야 합니다. 문서 처리를 통해 빠르고 간편하게 문서를 검색하고 모기지 신청의 속도와 규모를 늘릴 수 있습니다.

IBM Cloud Pak for Business Automation, IBM의 문서 처리를 위한 이 선도적인 솔루션은 인공 지능(AI)을 도입하여 자동화를 한 단계 더 발전시킵니다. 이 기능은 내부 프로세스와 고객 경험을 모두 개선하도록 설계되었습니다.