Lo strumento Alkymi Patterns utilizza l’intelligenza artificiale per estrarre i dati dai documenti
Alkymi , un fornitore di software di business intelligence per le imprese, ha annunciato oggi il lancio di Alkymi Patterns, uno strumento progettato per identificare ed estrarre dati per automatizzare i processi di backend che vengono eseguiti su e-mail e documenti. Il rilascio arriva quando la crescita dei ricavi di Alkymi raggiunge il 400% negli ultimi 12 mesi, principalmente attraverso l’acquisizione di clienti e partner nei servizi finanziari.
Il valore potenziale della posta elettronica aziendale sottoutilizzata e dei dati dei file è immenso, con un rapporto Veritas che lo fissa a $ 3,3 trilioni entro il 2020. Ma il processo di sblocco può essere impegnativo. L’acquisizione dei dati aziendali, ad esempio durante l’onboarding di un nuovo cliente, richiede risorse operative e tempo con la possibilità di perdita di dati ed errori. Ecco perché tra il 60% e il 73% di tutti i dati all’interno delle aziende non viene mai analizzato per approfondimenti o tendenze più ampie, ha rilevato un sondaggio di Forrester .
Alkymi Patterns ha lo scopo di consentire ai clienti di estrarre dati da tabelle e testo, eliminando l’elaborazione ripetitiva. Una volta creato un modello di dati, Patterns può automatizzare i lavori di estrazione, come quelli richiesti nelle operazioni bancarie, di gestione patrimoniale e assicurativa, per risparmiare tempo, capitale e risorse, migliorando al contempo il servizio clienti e i tempi di consegna.
Utilizzando l’apprendimento automatico, la visione artificiale e la comprensione delle strutture di dati tabulari, Patterns, simile a TAPAS di Google, può determinare il contesto e la posizione dei dati in righe, colonne, grafici e testo. I dati estratti vengono visualizzati nell’interfaccia utente di Alkymi, nella casella di posta in arrivo o nell’app preferita, pronti per la revisione e l’esportazione in continuo.
Gli utenti possono toccare Pattern per definire i dati che desiderano estrarre con i termini di ricerca. Questi campi sono assegnati a uno schema che può essere utilizzato per automatizzare l’estrazione dei punti dati su base continuativa. I comandi di mappatura e formattazione dei modelli aiutano a organizzare le informazioni in base alla logica e agli obiettivi aziendali. Inoltre, preservano la discendenza dei dati, assicurando che i dati rimangano tracciabili fino alla fonte.
Il cofondatore e CEO di Alkymi Harald Collet afferma che Patterns può estrarre qualsiasi tipo di dati praticamente in qualsiasi formato, layout o convenzione di denominazione.
“Alkymi porta la visione artificiale e l’automazione basata sull’apprendimento automatico nei flussi di lavoro quotidiani, eliminando l’inserimento manuale dei dati da parte degli analisti e sovraccaricando i processi in modo che gli utenti possano prendere decisioni più intelligenti, più velocemente ea costi inferiori”, ha affermato Collet in un comunicato stampa. “L’adozione di Alkymi Patterns consente alle organizzazioni di introdurre automazione e potenziamento umano in modo ancora più ampio nella loro forza lavoro.”
Valore aggiunto
Quando McKinsey ha intervistato 1.500 dirigenti in diversi settori e regioni nel 2018, il 66% ha affermato che affrontare le carenze di competenze legate all’automazione e alla digitalizzazione era una delle prime 10 priorità. Il recente report Trends in Workflow Automation di Salesforce ha rilevato che il 95% dei leader IT dà la priorità all’automazione e il 70% dei dirigenti vede l’equivalente di oltre 4 ore risparmiate ogni settimana per dipendente. Inoltre, secondo la società di ricerche di mercato Fact.MR , l’adozione dell’automazione del flusso di lavoro aziendale su larga scala potrebbe creare un’opportunità di mercato di oltre $ 1,6 miliardi tra il 2017 e il 2026.
Un cliente di Alkymi, SimCorp, afferma di aver integrato Patterns con la sua piattaforma per affrontare le inefficienze e le crescenti allocazioni di partner limitati. “Alkymi Patterns apre un nuovo universo di automazione del flusso di lavoro per gli investitori istituzionali che lottano per estrarre rapidamente informazioni da dati non strutturati”, ha affermato in una nota il vicepresidente dell’innovazione Hugues Chabanis. “I modelli possono affrontare … una mancanza di automazione nelle alternative.”
