2020年8月7日 机器视觉与计算机视觉技术

人工智能在银行数字化文档中的应用

光学字符识别(OCR)是机器视觉技术的一个子集,其重要是用于识别书写的字母和字符,并以数字方式进行再现复制以供以后使用。这为银行业带来了许多可能性,包括一些安全解决方案,尤其是文档数字化方面。

与其他人工智能应用程序相比,这种人工智能应用程序在银行业中并不常见,甚至在机器视觉功能范围内也是如此。与文件数字化相比,面部识别软件和银行白领自动化的成功案例更多,但可能性也各不相同。

在本文中,我们将重点介绍基于人工智能的文档数字化如何帮助银行。我们还列出了银行可能想要数字化的各种文件,并解释了银行将这些文件数字化的好处。

我们还强调了银行为实现各种目标而实施软件所取得的成功。其中包括企业自动化的整体升级,使用数据进行交易风险评估,以及提高公司邮件收发的效率。

银行业的文档数字化市场相对较新,因此我们在本文末尾加入了一个部分,说明为什么会出现这种情况以及未来发展的趋势。

在本概述中,我们将介绍:

● 银行的机器视觉OCR ,它是如何被使用的,以及其他银行如何将这项技术集成到他们的流程中。

● 为什么文档数字化是银行业一个新兴的人工智能用例,以及考虑这类解决方案的银行在决定是否与供应商合作之前应该注意什么。

我们首先概述银行业的文件数字化,讨论这项技术对银行业的可能性,以及银行可以利用扫描文件的数据完成哪些工作:

银行的机器视觉OCR

光学字符识别(OCR)软件必须安装在一个带有摄像机的系统中,能够产生高分辨率的纸质文档图像,以便准确地传达信息。它通过形状识别字母和字符,并按照它们被书写的顺序以数字格式再现复制字符文本。

OCR将扫描文档中的所有信息进行数字化,这些信息可以保存到数据库中,用于存储客户信息和重要记录。如果银行有大量关于客户的物理文档积压,那么他们可能会发现OCR解决方案非常有用。如果他们想要利用这些新数据来揭示此前未被探索的商业洞见,比如银行业历史上发现的低财政责任指标

银行可以从使用OCR数字化文档中受益,例如:

●面向客户的服务,例如远程存款支票

●信用卡或借记卡的详细信息

●抵押贷款和信用卡的纸质申请。一旦申请被接受,这还包括已完成的抵押表格。

● 客户的银行对账单证明其银行业务和信用记录

● 银行的邮件收发中转,然后被送到适当的工作人员

扫描所有这些数据将导致大量新的数字数据流入银行进行存储,并且需要使其他部门能够方便地使用这些数据。。

我们采访了荷兰Rabobank数字银行高级数据分析和人工智能业务顾问Muriel Serrurier Schepper,讨论如何将AI集成到传统业务中。在这次访谈中,Schepper谈到了银行为了使用普通员工难以驾驭的大数据孤岛所采取的最重要的措施。她谈到了他们如何将这些数据转化为可操作的见解,以用于培训他们可能需要的任何机器学习模型。

这些关键步骤包括:

● 建立跨学科的人才培养团队,可以了解各个业务部门的概念。

● 促进该团队与相关部门之间的沟通,以便让每个人了解新的发展或数据要求。这还可以帮助员工突出数据科学项目重叠和产生价值的位置。

● 寻找每个部门内的问题区域,以评估银行基础设施需要改进的方式,以便采用人工智能和在哪些领域。

● 保持团队和技术的现实期望。在大多数情况下,即使是OCR解决方案也不会完全自动化,并且需要人工监视器来决定扫描数据的保存方式和发送位置。

当被问及Rabobank如何达到她知道公司需要集中来自外部流和内部数据孤岛的所有数据时,Schepper说:

我们在2015年底看到的是,银行内的许多领域都在寻找不同的人工智能解决方案并与许多供应商进行交流……我们意识到,如果我们继续这样做,我们最终会得到四种不同的供应商和我们会让供应商学到很多关于在商业中应用AI的知识,而我们自己也会非常无知。

我们还看到很多与这些供应商打交道的人实际上并不知道他们在谈论什么。因此,我们认为创建一个卓越的中心,我们可以协调和引入知识,在公司内部选择和实施AI解决方案,并能够在不同的孤岛之间架起桥梁,帮助他们协同工作并找到一个解决方案。一起。

在这里,Schepper观察到银行员工和AI供应商之间缺乏沟通是多么有害,使得银行在流程自动化方面无法自助。

她认为,要取得成功,Rabobank将需要为自己积累这些信息,并寻求访问公司的所有大数据并实施一个解决方案,使他们能够更轻松地利用他们的大数据进行进一步的项目。

如果银行实施了一项策略,例如我们采访中概述的Schepper,他们可能能够更轻松地将OCR解决方案集成到他们的业务中。他们的银行和客户信息的大型数据存储可以帮助培训OCR应用程序的机器学习模型,该模型适用于银行最常处理的表格类型。

这些数据可以通过中央数据流进行路由,所有数据科学家或其他部门的分析师都可以访问它。

OCR可能是自动化银行业务运营的关键技术,因为整个行业仍在使用各种类型的纸质文档。对于没有为其文档处理系统采用完全无纸解决方案或仍为客户提供方便纸质文档的银行而言,此技术最为有用。

银行的客户可以通过智能手机应用程序从OCR技术中受益,这些应用程序允许他们扫描支票以便远程存款。

在大多数情况下,应用程序只需获取支票的高分辨率图片并将其发送回银行的数据库,以便通过OCR应用程序运行。否则,OCR将在移动应用程序内发生,结果数据将被发送回银行。

银行可以在ATM上使用OCR来准确地数字化银行卡上的个人信息,以便由安全系统进行验证。中国的一些银行将OCR与面部识别软件结合使用,在ATM上提供两层安全保障。其中一些ATM需要插入照片ID,除了脸部外,软件还会扫描客户的姓名。

抵押贷款和信用卡等金融服务的申请也可能涉及大量纸质文件,多个员工可以通过文件数字化同时审查这些文件。

银行可以使用OCR软件扫描纸质应用程序以及客户可能用来传达责任或信誉的各种其他形式的文书工作。可以训练该软件识别新的文本排列并向人类监视器警告格式的变化。

也许OCR供应商声称要处理的最常见的文档类型是银行对账单。这些可能需要与新的帐户持有人或贷款申请人建立银行业务历史记录,他们只能访问他们的纸质记录。然后,银行将在新客户上获得收入证明,而无需员工验证每个文档。

银行还可以将OCR作为加强交易安全和风险管理的手段。当与其他自动化操作(如RPA和自然语言处理(NLP))结合使用时,OCR技术可以为任何纸质文档添加另一层风险评估。这意味着公司可以通过在确定风险时考虑从物理文档中提取的数据,将OCR集成到其欺诈检测或风险评估系统中。

花旗银行在2017年的机器学习和认知计算演示中为其顾问委员会强调了这一点。

在花旗银行的下图中,该公司表明,一旦他们的核心流程实现自动化,他们将尝试摆脱任何不必要的流程并使其实践标准化。据称,这将使公司为面向客户和公众的运营自动化做好准备,其中包括OCR,NLP和其他解决方案:

该公司列出了一份新闻稿,表明法国银行在使用该银行后取得了成功。该客户是一家名为Group BPCE的储蓄银行集团,新闻稿称他们将ABBYY的FlexiCapture解决方案用于邮件收发室。据称,他们能够将他们收到的纸质文件完全数字化,并准确地将它们发送给每封邮件的正确工作人员。

为什么文档数字化是银行业的新生AI用例
与行业内的其他机器视觉和OCR应用程序相比,银行文档数字化是一个相对新生的用例。有时,OCR与面部识别同时使用以验证照片ID或银行卡上的文本。

当我们研究向银行提供OCR文档数字化的软件供应商时,我们发现很少有公司真正可能使用AI。在实施解决方案后,多家供应商未列出有关银行成功的任何案例研究或新闻稿。

我们发现的大多数OCR公司也缺乏重要的风险资本用于他们的AI项目以及任何令人印象深刻的AI工作人员。当考虑软件供应商为AI业务提供商业解决方案时,这些都是不好的迹象。这是因为它们是指示可能没有足够的专家在公司工作以开发可靠的AI应用程序。

在这种情况下,我们提醒读者留意一些公司可能声称使用人工智能来解决他们的解决方案,即使他们没有表明人才,案例研究或任何风险投资。

软件供应商正在向银行销售各种AI应用程序,用于各种类型的自动化,使用商业智能预测分析和欺诈管理异常检测。与这些应用相比,根据我们的研究,文档数字化可能是最新生的。以下列出了最有可能发生这种情况的原因:

● 银行将技术视为首先转向无纸化的手段。

● OCR可能需要多种类型的AI应用程序才能对业务保持有用

● 数字化和扫描解决方案目前不需要AI对大多数银行足够有效。

考虑将基于AI的自动化用于其业务的银行可能会将文档数字化视为获取所有纸质文档并将其转换为未来数据的一种手段。即使他们没有为该扫描数据寻找数据分析解决方案,也可能如此。

如果当前银行能够转换为不再处理纸质文档的完全数字化平台,他们可能已经做出了这一改变。替代方案是他们长期研究这项技术但尚未决定实施任何现有解决方案。拥有来自扫描文档的可靠数据输入系统的银行可能会忽略此升级,而不是更有问题的业务领域。

一旦使用OCR软件将银行文档数字化,银行可能需要使用另一个AI应用程序以有意义的方式利用这些新数据。这意味着他们需要寻找新的软件供应商,建立新的集成计划,并等待几个月的机器学习模型来培训他们的企业数据。

这是一个非常耗时的过程,可能导致比从OCR扫描的文档中获得的好处更高的成本。银行业务领导者应该通过整合诸如此类的解决方案以及尽可能顺利地进行集成的要求来熟悉什么样的期望是合理的。

银行可能仍然可以从可以帮助他们转向全数字平台的解决方案中受益。当新信息进入系统时,这样的软件可以促进文件传输和公司通信。

银行不需要将此数据用于任何类型的分析或AI项目,以使文档数字化有所帮助。然而,这通常是这种情况,因为诸如异常检测的其他应用需要大量实时进入系统的训练数据并且在工业中是常见的。

最后,机器视觉和OCR可能不是帮助银行数字化纸质文件所必需的。人为错误仍然是物理数据输入克服的重大障碍,对于没有大量输入文档进行数字化的银行而言,这种类型的解决方案可能投资太多。

在这些情况下,银行等待更大的金融机构和人工智能公司在实施此类自动化方面承担更大的风险,并采用更有效的解决方案可能会更好。

Banner
Related Posts

无需数学就能写AI,MIT提出AI专用编程语言Gen

2019年6月27日

2019年6月27日

麻省理工学院的一个研究小组正在研究如何让初学者更容易的进入到人工智能领域,同时也帮助专家推动这一领域的发展。

Lightelligence发布了其光人工智能加速器芯片的原型

2019年4月15日

2019年4月15日

使用光而不是电子来进行计算的加速器芯片有望给人工智能模型的训练和推理带来额外的能量。理论上,他们可以以光速处理算法——比当今最快速的逻辑门电路快得多——但到目前为止,光的不可预测性阻碍了大多数从光学角度模拟晶体管的尝试。

2019年十大领先的计算机视觉初创公司

2019年4月8日

2019年4月8日

计算机视觉是昨日兴起的一项技术,如今已成为一项时髦的技术。计算机视觉使机器或计算机能够从多维数据源和图像中获取数据和信息,从而将其转化为有价值的见解。

如何开发面向企业的机器学习应用软件

2019年9月9日

2019年9月9日

如今,大多数企业依赖机器学习(ML)应用程序来了解商机、识别市场趋势、预测客户行为和价格波动,以及做出正确的业务决策。开发这些机器学习应用程序需要遵循严格的计划和步骤。问题构建、数据清理、特征工程、模型培训和提高模型精度是开发机器学习应用程序可以遵循的几个步骤。

机器学习将彻底改变制造业的十个领域

2019年8月16日

2019年8月16日

麦肯锡(McKinsey)的数据显示,在未来5至7年内,50%的公司将采用人工智能技术,由于其对数据的严重依赖,这些公司的现金流有可能翻一番,制造业在所有行业中处于领先地位。

采用智能视觉系统解决食物垃圾问题

2019年4月10日

2019年4月10日

英国Winnow公司推出了一款人工智能产品,旨在帮助商业厨房减少食物浪费。

在农业中引入人工智能和机器视觉技术来监测肉牛养殖

2019年3月15日

2019年3月15日

一家名为“育种家”的AUK初创公司正在改变农业市场,利用人工智能、区块链和机器视觉来改进育种和屠宰决策。

当芯片设计遇上人工智能:如何利用机器学习寻找芯片缺陷?

2019年3月22日

2019年3月22日

芯片制造商正在使用比以往更多并且不同的传...

基于人工智能的IIOT监控平台IntelliView vision System (IVS) 5.0发布

2019年4月27日

2019年4月27日

IntelliView Technologies是一款基于人工智能的计算机视觉系统,用于工业检测和报警应用。据报道,该公司已经为其IIOT监控平台IntelliView vision System (IVS) 5.0发布了最新的软件更新。

2019年全球人工智能领域事件大回顾

2019年12月26日

2019年12月26日

在2019年,人工智能的发展尤其令人难以置信,无论是在机器学习、神经网络、视觉、自然语言处理(NLP)等领域。这一年见证了技术的进步,为几年前人们无法想象的事情的进一步改进打开了新的大门。今天,由于人工智能在几乎所有部门、行业、国家和地区的潜力,还有更多的可能性。

视觉技术在眼科诊断治疗中应用

2019年3月24日

2019年3月24日

世界卫生组织(WHO)估计,世界上有超过13亿的视障人士,其中3600多万人是盲人。印度是世界第二大人口大国,失明对印度来说并不陌生。根据视力中心的一份报告,每三个盲人中就有一个是印度人。这个国家拥有世界上30%以上的盲人人口,估计有1200万人。

低功耗FPGA解决智能视觉系统挑战

2019年4月9日

2019年4月9日

随着被集成到当前一代嵌入式设计中的传感器数量的迅速增加,以及低成本相机和显示器的集成,为一系列新的智能和视觉应用打开了大门。这种嵌入式视觉革命迫使设计师仔细重新评估他们的处理需求。

2020年37个人工智能技术发展趋势

2019年8月30日

2019年8月30日

人工智能技术的发展趋势无法阻挡。人工智能将影响我们生活中的不同行业,人们充满期待。自从出现人工智能,工业的基础开始向好的方向改变。现在,众多的企业,不管他们的行业类型,都想参与这个技术奇迹中。

新的脑图可以改善机器视觉的AI算法

2019年8月31日

2019年8月31日

尽管经过多年的研究,大脑仍然包含大量未知领域。由冷泉港实验室和悉尼大学的神经科学家领导的一个科学家团队最近发现了新的证据,使用mar猴的数据修改了灵长类大脑视觉系统组织的传统观点。

13项令人难以置信的人工智能技术

2019年11月12日

2019年11月12日

到目前为止,我们大多数人都意识到人工智能(AI)正日益成为我们日常生活的一部分。但是,如果我们中的许多人了解到人工智能已经知道如何去做的一些技能,他们会感到相当惊讶。以下是人工智能今天已经可以做到的13项令人兴奋的技能。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注