Добро пожаловать в канал для друзей Dbrain!
Тут новости и истории, о которых мы не говорим в интервью, не рассказываем на конференциях, но готовы поделиться с друзьями.
Давайте представимся: Dbrain.io разрабатывает продукты на базе машинного обучения для автоматизации процессов и работы с документами. В основе — совместная работа ИИ и людей, которые исправляют ошибки и дообучают нейросеть в реальном времени.
Здесь будем говорить о:
— продуктовых инсайдах
— реализованных кейсах
— команде
— процессах и культуре
— обновлениях продукта и новых фичах
— успехах и, конечно, трудностях
По вопросам и предложениям писать @dmatskevich.
Присоединяйтесь!
Тут новости и истории, о которых мы не говорим в интервью, не рассказываем на конференциях, но готовы поделиться с друзьями.
Давайте представимся: Dbrain.io разрабатывает продукты на базе машинного обучения для автоматизации процессов и работы с документами. В основе — совместная работа ИИ и людей, которые исправляют ошибки и дообучают нейросеть в реальном времени.
Здесь будем говорить о:
— продуктовых инсайдах
— реализованных кейсах
— команде
— процессах и культуре
— обновлениях продукта и новых фичах
— успехах и, конечно, трудностях
По вопросам и предложениям писать @dmatskevich.
Присоединяйтесь!
Мы едем в Японию
Друзья, если у вас есть интересные контакты — клиенты, инвесторы, B2B компании в Японии, и вы думаете, что мы будем им полезны, кидайте контакты @dmatskevich — будем благодарны.
14 октября мы летим в Токио на CEATEC — главную техническую выставку года. Встретимся там с крупнейшими интеграторами и покажем семейство ML-сервисов для классификации и распознавания документов.
Почему Япония?
Это 3-я по величине экономика с наследием старой инфраструктуры документооборота, разбираемого руками и средней минимальной почасовой зарплатой $8.19 — почти на $1 выше чем в Америке.
Несмотря на это, в Японии уже запустился процесс роботизации с помощью мировых лидеров в RPA (robotic process automation) — автоматизации ручной работы без вмешательства в процессы компании. Прямо сейчас в стране активно развивается возможность удаленной работы с клиентами и верификации.
Законодательство постепенно подстраивается под работу с remote clients management. Например, для борьбы с фродом год назад в стране ввели закон, обязывающий обеспечить проверку достоверности документа (uniqueness test).
При чем тут Dbrain?
Задачи по автоматизации документооборота и data extraction встречаются:
1. В 90% RPA проектов
2. Почти в каждом кейсе удаленной работы с клиентами
И у нас есть готовое end-to-end решение, которое решит эти задачи.
Друзья, если у вас есть интересные контакты — клиенты, инвесторы, B2B компании в Японии, и вы думаете, что мы будем им полезны, кидайте контакты @dmatskevich — будем благодарны.
14 октября мы летим в Токио на CEATEC — главную техническую выставку года. Встретимся там с крупнейшими интеграторами и покажем семейство ML-сервисов для классификации и распознавания документов.
Почему Япония?
Это 3-я по величине экономика с наследием старой инфраструктуры документооборота, разбираемого руками и средней минимальной почасовой зарплатой $8.19 — почти на $1 выше чем в Америке.
Несмотря на это, в Японии уже запустился процесс роботизации с помощью мировых лидеров в RPA (robotic process automation) — автоматизации ручной работы без вмешательства в процессы компании. Прямо сейчас в стране активно развивается возможность удаленной работы с клиентами и верификации.
Законодательство постепенно подстраивается под работу с remote clients management. Например, для борьбы с фродом год назад в стране ввели закон, обязывающий обеспечить проверку достоверности документа (uniqueness test).
При чем тут Dbrain?
Задачи по автоматизации документооборота и data extraction встречаются:
1. В 90% RPA проектов
2. Почти в каждом кейсе удаленной работы с клиентами
И у нас есть готовое end-to-end решение, которое решит эти задачи.
#страхование
Обработка документов в автостраховании за 5 минут с 100% качеством
Клиент: Страховая компания из топ-10
Как было:
— компания получает пакет документов в рамках процесса урегулирования убытков в автостраховании, все они — в разном формате, перевернуты и не отсортированы
— сотрудник вручную обрабатывает входящую заявку: большая часть времени уходит на то, чтобы проверить комплектацию, перевести файлы в единый формат и занести данные в систему
Проблемы:
— на обработку одной заявки тратится много времени
— ошибки ручного ввода отражаются на результате
— требуется содержать и менеджерить бэк-офис
Что хотел клиент:
— убрать человека из процесса
— получить идеальное качество при обработке документов
— сократить процесс обработки до 5 минут
Мы решаем проблему в три этапа:
1. Система на базе машинного обучения приводит документы в нужный вид, вырезает фон, переворачивает изображение, выравнивают перспективу. Она справляется как со сканами, так и с фотографиями.
2. Когда все готово, система начинает извлекать поля. Для клиента важно, чтобы распознавание работало не только на паспорте и водительском удостоверении, но и с европротоколом, справками и другими документами. Всего — больше 10 видов.
3. После того, как все поля найдены, система достает атрибуты. После этого мы верифицируем результат с помощью людей — за это отвечает наш партнер Яндекс.Толока, платформа для разметки данных, где доступны разметчики для работы 24/7. Благодаря этому точность распознавания всегда 100%. Затем результат отправляется клиенту.
Что получилось: клиент получил качество распознавания в 100% благодаря совместной работе нейросетей и людей, сократил расходы на штат и время на обработку одной заявки до 5 минут.
Обработка документов в автостраховании за 5 минут с 100% качеством
Клиент: Страховая компания из топ-10
Как было:
— компания получает пакет документов в рамках процесса урегулирования убытков в автостраховании, все они — в разном формате, перевернуты и не отсортированы
— сотрудник вручную обрабатывает входящую заявку: большая часть времени уходит на то, чтобы проверить комплектацию, перевести файлы в единый формат и занести данные в систему
Проблемы:
— на обработку одной заявки тратится много времени
— ошибки ручного ввода отражаются на результате
— требуется содержать и менеджерить бэк-офис
Что хотел клиент:
— убрать человека из процесса
— получить идеальное качество при обработке документов
— сократить процесс обработки до 5 минут
Мы решаем проблему в три этапа:
1. Система на базе машинного обучения приводит документы в нужный вид, вырезает фон, переворачивает изображение, выравнивают перспективу. Она справляется как со сканами, так и с фотографиями.
2. Когда все готово, система начинает извлекать поля. Для клиента важно, чтобы распознавание работало не только на паспорте и водительском удостоверении, но и с европротоколом, справками и другими документами. Всего — больше 10 видов.
3. После того, как все поля найдены, система достает атрибуты. После этого мы верифицируем результат с помощью людей — за это отвечает наш партнер Яндекс.Толока, платформа для разметки данных, где доступны разметчики для работы 24/7. Благодаря этому точность распознавания всегда 100%. Затем результат отправляется клиенту.
Что получилось: клиент получил качество распознавания в 100% благодаря совместной работе нейросетей и людей, сократил расходы на штат и время на обработку одной заявки до 5 минут.
Dbrain — набор сервисов для автоматизации документооборота на базе машинного обучения.
Как алгоритмы оцифровывают документы:
1. Сначала алгоритм классифицирует документ и раскладывает их по своим местам — паспорт, договор, водительское удостоверение и другие.
2. Затем ИИ доводит изображение до ума — выравнивает, вырезает и убирает перспективные искажения. Это нужно для следующего этапа.
3. Здесь алгоритм вытаскивает все поля из документа.
4. Наконец, из очищенных полей он достает текст и переносит его в нужную для клиента форму.
Попробовать демо — @katkek.
Как алгоритмы оцифровывают документы:
1. Сначала алгоритм классифицирует документ и раскладывает их по своим местам — паспорт, договор, водительское удостоверение и другие.
2. Затем ИИ доводит изображение до ума — выравнивает, вырезает и убирает перспективные искажения. Это нужно для следующего этапа.
3. Здесь алгоритм вытаскивает все поля из документа.
4. Наконец, из очищенных полей он достает текст и переносит его в нужную для клиента форму.
Попробовать демо — @katkek.
Оцените наш обновленный сайт — все ли понятно?
https://dbrain.io
Друзья, посмотрите обновленный лендинг и опишите впечатления в форме внизу сайта. Будет еще круче, если вы потестите его на знакомых, которые имеют дело с документооборотом и работают в банках/страховых.
Мы соберем фидбек и сделаем сайт лучше.
https://dbrain.io
Друзья, посмотрите обновленный лендинг и опишите впечатления в форме внизу сайта. Будет еще круче, если вы потестите его на знакомых, которые имеют дело с документооборотом и работают в банках/страховых.
Мы соберем фидбек и сделаем сайт лучше.
📁 Паспорт — что умеет Dbrain, чего нет у других?
Фото, скан, скан со скана. В цвете или в ч/б — неважно, распознаем все.
— распознаем рукописные паспорта: они все реже встречаются у клиентов, поэтому другие компании не берутся за их распознавание, а мы взялись — и научили алгоритм понимать человеческий курсив с помощью технологии human-in-the-loop.
— анонимизированно верифицируем паспорт: проверяем результат распознавания и закрываем сложные задачи, отправляя паспорт на дополнительную проверку людям. Чтобы сохранить анонимность, мы вырезаем отдельные поля из документа, поэтому человек не знает, кому он принадлежит.
— находим паспорт на любом фоне: часто клиенты фотографируют паспорт на улице, в руках, на фоне ковра и мебели. Наша система всегда может определить паспорт на снимке вне зависимости от фона.
— распознаем регистрацию: вытаскиваем данные из регистрации, даже если она написана от руки. Можем распознавать и другие страницы (дети, брак), если встретим клиента, которому это нужно.
— верифицируем адрес с помощью справочников: если вам нужен адрес в формате ФИАС, мы верифицируем его с помощью справочника.
Все фичи действительно работают?
Мы — не классический OCR, наша система построена на базе машинного обучения. Это значит, что мы постоянно дообучаем алгоритмы под ваши задачи и добавляем новые документы каждую неделю. 500 примеров достаточно, чтобы научить алгоритмы распознавать ваш документ.
Хотите демо? Или обсудить кейс? Пишите — @katkek.
Фото, скан, скан со скана. В цвете или в ч/б — неважно, распознаем все.
— распознаем рукописные паспорта: они все реже встречаются у клиентов, поэтому другие компании не берутся за их распознавание, а мы взялись — и научили алгоритм понимать человеческий курсив с помощью технологии human-in-the-loop.
— анонимизированно верифицируем паспорт: проверяем результат распознавания и закрываем сложные задачи, отправляя паспорт на дополнительную проверку людям. Чтобы сохранить анонимность, мы вырезаем отдельные поля из документа, поэтому человек не знает, кому он принадлежит.
— находим паспорт на любом фоне: часто клиенты фотографируют паспорт на улице, в руках, на фоне ковра и мебели. Наша система всегда может определить паспорт на снимке вне зависимости от фона.
— распознаем регистрацию: вытаскиваем данные из регистрации, даже если она написана от руки. Можем распознавать и другие страницы (дети, брак), если встретим клиента, которому это нужно.
— верифицируем адрес с помощью справочников: если вам нужен адрес в формате ФИАС, мы верифицируем его с помощью справочника.
Все фичи действительно работают?
Мы — не классический OCR, наша система построена на базе машинного обучения. Это значит, что мы постоянно дообучаем алгоритмы под ваши задачи и добавляем новые документы каждую неделю. 500 примеров достаточно, чтобы научить алгоритмы распознавать ваш документ.
Хотите демо? Или обсудить кейс? Пишите — @katkek.