Emphasis: backoffice prozesuen automatizazio adimendunerako soluzio globala

Lengoaia naturala prozesatzeko teknologiak integratzeak aukera ematen du orain arte egituratu gabeko edukiak egituratzeko, hala nola dokumentuak (fakturak, albaranak, eskriturak, obra-baimenak, udal-lizentziak), lotutako txantiloi bat eraman beharrik gabe, edo deiak (call center-etan, adibidez).

Eduki hori guztia (dokumentuak eta deiak) datu bihurtu nahi da, kudeatu eta aztertu ahal izateko eta lotutako prozesuak optimizatzeko, eta, horrela, benetako eraldaketa digitalean aurrera egiteko, bestela ezinezkoa baita. Kontua ez da digitalki orain arte egiten duguna egitea. Datuak oinarri hartuta, fluxuak eta prozesu optimoak zehazten dira, digitalizazio osoa, eskalagarria, sendoa eta malgua bermatzeko aldaketen aurrean, agertoki berrietara egokitu ahal izateko, betiere arrazoizko kostuekin.

Horretarako, beste faktore giltzarrietako bat ez-kodearen printzipioei jarraitzea da, edo, bestela, low-code printzipioari, hau da, ahalik eta integrazio eta ezarpen gardeneneko soluzioak garatzea, BPM soluzioek (ingelesetik Business Process Management) zekartzaten prozesu garestietatik ihes eginez. Helburua da API gisa hirugarrenen soluzioetan integratu ahal izango den teknologia garatzea, haren konfigurazioa adituak ez diren langileek egin ahal izateko. Era berean, kontua da API horiek pertsonalizatu daitezkeen funtzioak kapsulatzea, hau da, proiektuaren lehentasunezko helburuetako bat da proiektuaren esparruan garatutako funtzioak pertsonalizatu eta hainbat erabilera-kasutara egokitu ahal izatea, low-code printzipioei jarraituz.

Beraz, dokumentuak eta audioak prozesatzeko oinarrizko soluzioak garatzeaz ari gara, baina, aldi berean, soluzio horiek pertsonalizatzeko tresnak eta sistemak garatzeaz ari gara. Adibide batekin azalduko dugu, sortu beharreko oinarrizko irtenbideetako batek dokumentuak sailkatzeko eta faktura edo albarana den esateko aukera ematen badu, beste dokumentu batzuk idazteko prozesuan lagunduko duten tresnak ere sortuko dira, baita IAren ereduak sortzeko prozesuan ere, etorkizunean irtenbide pertsonalizatuak dokumentuak sailkatu ahal izan ditzan, obra-baimena, eskritura edo udal-lizentzia den identifikatuz.

Vicomtech Zentroak, proiektu honen esparruan, hainbat eragilerekin lankidetzan, Deep Learning delakoaren azken paradigmetan oinarritutako lengoaia naturala prozesatzeko teknologiak ikertu eta garatuko ditu. Zehatzago esanda, lengoaia prozesatzeko teknologiei dagokienez, Vicomtech Zentroak transkripzio automatikoko soluzioak, biometria eta enpresen nagusitasunera eta beharretara egokitutako emozioak ahotsean antzemateko soluzioak inplementatuko ditu. Era berean, I+G jarduera biziak garatuko ditu, testuak automatikoki sailkatzera bideratutako soluzioak garatzeko; erakundeen arteko harremanak detektatzeko, ezagutzeko eta erauzteko; datu sentikorrak anonimizatzeko, galdera/erantzun sistemak garatzeko eta iritziak hautemateko.

Soluzioak izaera berritzaile garrantzitsua du, prozesuak hobetzeko hainbat erronka teknologikori aurre eginez, mintzamena eta hizkuntza prozesatzeko teknologiaren bidez ezagutza erauziz, ulertuz eta egituratuz, eta enpresei Adimen Artifizialeko teknologia entrenatzeko autonomia ematen dieten tresnen inplementazioari esker.

EMPHASISen erronka teknologiko nagusiak

Emphasis-en erronka teknologiko nagusiak honako teknologia hauek hainbat audio eta testu domeinu eta formatutan aplikatzearekin lotuta daude, bezero bakoitzaren benetako erabilera-kasuetara erraz egokitzeko tresnen garapenarekin batera:

• Cognitive Document Automation: haren helburua da formatu desberdinetako testu-iturrietatik, fakturetatik, albaranetatik, e-mailetatik, testu-dokumentuetatik, FAQ-sistemetatik, transkripzio automatikoaren bidez ateratako elkarrizketetatik eduki garrantzitsua ateratzea automatizatzea, edukia kategoria, domeinu eta sentimendu desberdinetan sailkatzeko, eta, gainera, edukiaren ulermena ahalbidetuko duten gako-hitzak eta horien arteko erlazioak ateratzea. Erabili beharreko teknologia punta-puntako Deep Learning teknologia da, non paradigma-aldaketa bat ikusi den azken bi urteetan, munduaren ezagutza duten hizkuntza-ereduak ustiatzen dituzten arkitektura neuronal aurreratuen ugaritzeari esker. Era berean, barnean testua duten irudiak dituzten dokumentu bihurtzen dira, eta haien irakurketa hobetzen da artearen egoeraren OCR tresnei buruzko metodo aurreratuak aplikatuz.
• Speech Analytics: bere helburua da eduki akustikoa duten datuen analisia automatizatzea, testurako transformazioaren bidez, hizketa eta emozioen analisia automatikoki aberasteko tresna aurreratuen bidez. Erabili beharreko teknologia nagusia Deep Learning teknologia da, komunitate zientifikoak artearen egoerari egindako azken ekarpenetan oinarritua, eta aurreko Machine Learning teknologiarekiko hobekuntza handiak erakutsi dituena.

SPRI - Sociedad para la Transformación Competitiva - Eraldaketa Lehiakorrerako Sozietatea, S.A.k eta Eusko Jaurlaritzako Ekonomiaren Garapen, Iraunkortasun eta Ingurumen Sailak sustatutako #Hazitek programaren diru-laguntza jaso du Emphasisek.

Prozesuen automatizazioan ibilbide luzea egin duten hamaika enpresa eta erakundek osatzen dute Emphasis: Teknei, Merkatu, Segula, Eutik, Naturalvox, Gureak, Ibermática, Zucchetti, Vicomtech, Universidad del País Vasco/Euskal Herriko Unibertsitatea eta I3 Instituto Ibermática de Innovación.