Ahol nagy mennyiségű dokumentum van, ott a dokumentumkezelés elsődleges feladata a rendezettség kialakítása és folyamatos fenntartásra. A rend, illetve rendezettség alapjai lehetnek a dokumentumokhoz tartozó egyéb jellemzők, mint például annak létrehozója, a létrehozás időpontja, a fájl mérete, fájltípusa, stb.

Komplex rendszereknél ezek a jellemzők kiegészülnek egyedi metaadatokkal, melyek lehetnek akár az alap-funkciók között megtalálható kategóriák és címkék, vagy éppen egyedi dokumentum modellekben definiált – szöveg, szám, dátum – mezők.

Minél több egyedi mezőt hozunk létre a kialakított rendszerben, annál több kézi, vagy integrációs értékadásra lesz szükség. A manuális metaadatozás megkönnyítésére, illetve középtávon akár annak kiváltására alakítottuk ki a gépi tanuláson (Machine Learning) alapuló – Alfresco ECM-mel integrált – megoldásunkat, mely a dokumentumok beltartalma alapján képes a szükséges metaadatokat kitölteni.

Néhány hónapos tesztüzem után a tapasztalatok nagyon meggyőzőek, a saját céges dokumentumtárunkba feltöltéssel, szkenneléssel, vagy E-Mail csatolmányként érkező dokumentumok (teljesítés igazolások, számlák, munkaügyi, banki iratok, stb.) jelentős részét 80% fölötti hatékonysággal képes teljeskörűen osztályozni (dokumentum típus, partner, projekt, eszköz azonosító) és metaadatokkal (összegek, dátumok, egyedi azonosítók, pl.: számlaszám, stb.) ellátni. Mivel gépi tanuláson alapul a rendszer, a dokumentumok számának növekedésével a hatékonysága is nő, azaz reményeink szerint hamarosan teljesen automatikus működésre állhatunk át – ezzel jelentősen csökkentve a cégen belüli dokumentumtár-adminisztrációt.

Gépi tanulással integrált Alfresco DMS alaű termékünk: Small Business Extensions for Alfresco

AutoMeta AI a dokumentumok értelmezésére, Alfresco CMIS interfésszel: AutoMeta AI