یکی از این گفت‌وگوها به آینده پردازش اسناد مالی و بیمه‌ای اختصاص داشت؛ حوزه‌ای که به گفته مهرداد محمدعلی، با وجود حجم بالای داده و اسناد، همچنان ظرفیت گسترده‌ای برای استفاده از فناوری‌های هوشمند دارد.

هوش مصنوعی؛ فراتر از خواندن یک سند

محمدعلی با تشریح تغییر رویکرد در پردازش اسناد گفت: تا پیش از این، بخش مهمی از فناوری‌های این حوزه بر خواندن، استخراج و دسته‌بندی اطلاعات متمرکز بود، اما امروز صرفاً استخراج داده از یک سند کافی نیست.

به گفته او، مدل‌های جدید می‌توانند یک لایه فراتر بروند و محتوای سند را تحلیل کنند. برای مثال، سیستم می‌تواند بررسی کند که آیا محاسبات مالیاتی به‌درستی انجام شده است، یک پرداخت باید انجام شود یا خیر و اساساً ماهیت یک سند یا تراکنش چیست.

این تغییر، پردازش اسناد را از یک عملیات صرفاً مکانیکی به بخشی از فرآیند تصمیم‌سازی در سازمان تبدیل می‌کند؛ جایی که هوش مصنوعی می‌تواند علاوه بر ورود و استخراج داده، در تشخیص خطا، شناسایی مغایرت و کاهش ریسک‌های مالی نیز نقش داشته باشد.

چرا بسیاری از پروژه‌های هوش مصنوعی به بازده مالی نمی‌رسند؟

مدیرعامل سیناپس در ادامه با اشاره به فاصله میان هیجان ایجادشده پیرامون هوش مصنوعی و نتایج اقتصادی برخی پروژه‌ها، معتقد است سازمان‌ها باید به سمت استفاده از فناوری در مسائلی حرکت کنند که خروجی مالی و عملیاتی مشخصی دارند.

او به این نکته اشاره کرد که بسیاری از پروژه‌های هوش مصنوعی ممکن است از نظر فناوری جذاب باشند، اما لزوماً مسئله‌ای را حل نمی‌کنند که بتوان اثر آن را در کاهش هزینه یا افزایش بهره‌وری سازمان مشاهده کرد.

به اعتقاد محمدعلی، حوزه‌هایی مانند بیمه و خدمات مالی از جمله بخش‌هایی هستند که هوش مصنوعی می‌تواند اثر اقتصادی ملموس‌تری در آن‌ها داشته باشد؛ از تشخیص خطا و تقلب گرفته تا کاهش عملیات انسانی و جلوگیری از هدررفت منابع.

کاهش عملیات انسانی در پردازش اسناد

یکی از مهم‌ترین مزیت‌های هوشمندسازی فرآیند پردازش اسناد، کاهش حجم عملیات دستی است. محمدعلی معتقد است استفاده از راهکارهای هوشمند در برخی فرآیندها می‌تواند بخش قابل توجهی از عملیات انسانی را کاهش دهد و در عین حال، سرعت و دقت پردازش اطلاعات را افزایش دهد.

این موضوع به‌ویژه در صنایع مالی اهمیت بیشتری پیدا می‌کند؛ صنایعی که روزانه با حجم گسترده‌ای از اسناد، پرونده‌ها، صورتحساب‌ها و داده‌های مختلف سروکار دارند.

از این منظر، هوش مصنوعی تنها یک ابزار فناورانه نیست، بلکه می‌تواند به ابزاری برای کنترل هزینه، افزایش بهره‌وری و جلوگیری از هدررفت منابع تبدیل شود.

چالش بزرگ؛ داده‌ای که برای هوش مصنوعی آماده نیست

با این حال، توسعه هوش مصنوعی در سازمان‌ها بدون دسترسی به داده‌های مناسب امکان‌پذیر نیست. محمدعلی یکی از مهم‌ترین چالش‌های این حوزه را نبود داده‌های ساختاریافته و آماده برای استفاده مدل‌های هوشمند دانست.

به گفته او، در بسیاری از پروژه‌ها ممکن است مدل و فناوری مورد نیاز وجود داشته باشد، اما سازمان همچنان با مسئله داده مواجه باشد؛ داده‌هایی که پراکنده، غیرساختاریافته یا فاقد کیفیت لازم برای آموزش و استفاده در مدل‌های هوش مصنوعی هستند.

به همین دلیل، ورود هوش مصنوعی به سازمان‌ها باید از لایه ورودی داده آغاز شود. داده‌های خام و پراکنده باید به داده‌هایی تمیز، ساختاریافته و قابل اتکا تبدیل شوند تا بتوان از آن‌ها در فرآیندهای هوشمند استفاده کرد.

پردازش اسناد؛ از یک ابزار داخلی تا یک فرصت اقتصادی

محمدعلی در جمع‌بندی این گفت‌وگو، آینده استفاده از هوش مصنوعی در پردازش اسناد را وابسته به عبور از نگاه صرفاً نمایشی به سمت کاربردهای واقعی و مسئله‌محور دانست.

به باور او، اگر هوش مصنوعی بتواند در حوزه‌هایی با حجم بالای داده و اسناد، مانند صنعت مالی و بیمه، به حل مسائل واقعی کمک کند، علاوه بر افزایش بهره‌وری سازمان‌ها، می‌تواند زمینه شکل‌گیری کسب‌وکارها و فرصت‌های اقتصادی جدید را نیز فراهم کند.

مسیر پیش‌رو البته تنها به توسعه مدل‌های هوش مصنوعی محدود نمی‌شود. ایجاد زیرساخت داده، افزایش اعتماد سازمان‌ها به استفاده از فناوری و حرکت به سمت راهکارهایی که خروجی اقتصادی قابل اندازه‌گیری دارند، از الزامات اصلی این تحول خواهد بود.

در چنین شرایطی، پردازش هوشمند اسناد می‌تواند از یک فناوری برای خواندن و استخراج اطلاعات، به یکی از ابزارهای مهم تصمیم‌سازی و مدیریت منابع در سازمان‌ها تبدیل شود؛ تغییری که در صورت توسعه زیرساخت‌های لازم، می‌تواند ظرفیت‌های تازه‌ای را نه‌تنها برای بازار داخلی، بلکه برای توسعه محصولات و خدمات قابل ارائه در بازارهای دیگر نیز ایجاد کند.