Ny teknologi skapar nya möjligheter med texter

Ny teknologi i form av Machine Learning och tillhörande förstärkning i form av Deep Learning medför helt nya sätt att bearbeta ostrukturerad text.

Ny teknologi skapar nya möjligheter med texter

En AI-lösning som bygger på Machine Learning kan tränas på att läsa och strukturera textinnehåll från ostrukturerade textmassor som t.ex. finns lagrad i alla Word- och PDF-dokument, Excelark och databaser i form av textsträngar, SMS- och mejlkonversationer med mera.

Fram till nu har denna enorma informationsmassa varit otillgänglig för bearbetning och analys. Inom sjukvården till exempel har 80% av persondatat hittills varit otillgänglig eftersom den har varit ostrukturerad.

Vad AI lösningen lämpligen kan användas till är att stödja det som kallas Kognitiv Automation, d.v.s. arbetsuppgifter där det krävs omfattande manuell läsning och bearbetning av texter för att kunna lösa en arbetsuppgift.

Arbetsuppgifter som i grunden kan vara enkla men där volymen av information som behöver bearbetas kräver mycket tid eller att det till och med är så omfattande att det inte är praktiskt möjligt att åstadkomma. Tänk ut någon arbetsuppgift på din arbetsplats som borde göras men inte görs på grund av den orimliga arbetsinsatsen som det skulle kräva.

Vad kan man då åstadkomma med Machine Learning? Nedan har Reijo Silander, Projektledare Seavus, valt ut några enkla exempel på tillämpningar för att för ge dig en förståelse för vad som är möjligt, redan idag, att göra med Machine Learning.

CV- hantering

Tänk dig att du behöver läsa igenom alla ansökningar till en tjänst för att hitta lämpliga kandidater att ta in för intervju. Du står då inför problemet att alla skriver sitt CV på olika sätt, informationen du söker ligger således på olika ställen eller är implicit inbäddade i text. Du behöver då ha en tydlig metodik för att fånga in relevant information, att hitta efterfrågade egenskaper som du valt att mäta på, samt att inte sammanblanda information från olika CV. Detta kräver en stor grad erfarenhet samt koncentration.

En AI- lösning i form av en AI- assistent kan gå igenom alla CV:s på mindre än en sekund och föreslå vilka fem kandidater som är mest lämpade, du kan dessutom ha betydligt fler egenskaper att jämföra mellan än vid en vanlig manuell genomgång. Exempelvis kan du analysera genom att vikta om egenskaper och se hur det påverkar föreslagna kandidater. Detta exempel visar på både arbetsuppgift som måste göras och en arbetsuppgift som är svår eller omöjlig att göra.

Ärendehantering på kommun

Ett annat exempel är att om du arbetar på en kommun så finns det många arbetsuppgifter som handlar om att hantera textrika ärenden. Exempel på sådana ärenden är ansökningar om tillstånd, tillåtelser, etableringsförfrågningar, klagomål, anmälningar som företag behöver göra löpande, t.ex. ägarbyte eller flytt av verksamhet. I alla dessa arbetsuppgifter är det ganska tydligt på vad som måste göras, det kognitiva problemet är att det inte är ett ärende utan hundratals, kanske tusentals.

En AI- assistent kan gå igenom alla ärenden samtidigt och kunna återkoppla tillbaka till kommuninvånaren på vändande mejl, eller på webbsida, om visst underlag saknas eller behöver kompletteras. Dessutom kan AI- assistenten användas för att analysera brister i befintliga formulär och dokumentmallar som påverkar svarskvaliteten, t.ex. att information utelämnas.

Avidentifiering av personuppgifter ur dokument

Med anledning av den nya dataskyddsförordningen ställs det stora, men rimliga, krav på att enskilda individers integritet ska skyddas. Här finns det många tillämpningar för AI-assistenter. Till exempel att ur texter läsa ut om det finns ett samtycke, att kunna identifiera alla dokument eller databaser där en individ nämns för att ge åtkomst till egna uppgifter. Men även andra sidan av myntet: företagets möjlighet att kunna exekvera rätten till att bli bortglömd.

Dessa båda tillämpningar är i princip omöjliga att göra utan kognitiv automation.

  • En AI- assistent skulle kunna bevaka inkorgen för att flagga mejl och bilagor som innehåller personuppgifter direkt när de blir inkomna.
  • En AI-assistent kan markera upp och ta bort information som exponerar en individ direkt ur dokument eller journaler.
  • En AI- assistent skulle kunna dölja personinformation i ett ärende fram till dess att man faktiskt behöver veta vem det är.

Befintliga applikationer är alla uppbyggda utifrån att först definiera en nyckel att hålla ihop ärendet kring, vilket är en personlig identitet. Det betyder att alla som handlägger ett ärende vet vem det är i alla steg, men långt ifrån alla dessa behöver egentligen ha den informationen för att kunna utföra sin del i arbetet.