Reconocimiento facial para la automatización de la captura y gestión de pedidos

reconocimiento facial

Esker ha estado presente en el último congreso de Administración comercial y Customer service de AECOC, donde Gonzalo Arrojo, Director de consultoría de Esker Ibérica, realizó una intervención sobre cómo Esker utiliza la inteligencia artificial para la automatización de los flujos documentales, y que resumimos a continuación.

“EDI es CASI perfecto. Es automatización al 90%. Pero tras años de experiencia en la captura y lectura de pedidos EDI en clientes, hemos constatado que, a veces, aplicar inteligencia al EDI resulta muy útil para los fabricantes que reciben pedidos de los retailers.“ Gonzalo Arrojo

La adopción de sistemas de Inteligencia Artificial se ha convertido en una práctica cada vez más habitual dentro de las empresas. Una de las principales áreas beneficiadas por su implementación es en la gestión de documentos.

En el campo concreto de la captura y gestión de pedidos de clientes, Esker se ha especializado fundamentalmente en dos sectores: farma y gran consumo, y en un proceso muy concreto que es la captura y gestión de los pedidos que llegan desde cualquier canal y formato.

Capturar pedidos que llegan por fax y e-mail no es ninguna novedad… Esker lleva más de una década haciéndolo. En la actualidad, capturan también el flujo EDI para tener una visión 100% de todos los pedidos entrantes y para poder aplicarle la tecnología Esker de Inteligencia Artificial.

¿Cómo aplica Esker la IA en sus soluciones?

El Teaching

Esker empezó hace más de 10 años a utilizar la tecnología “Teaching”. En ella, el ser humano enseña a la máquina a reconocer modelos de pedidos. Esto, por supuesto, supone un esfuerzo por parte de los usuarios, ya que se basa en la utilización de plantillas.

Auto-learning

Luego Esker implantó la tecnología de auto-learning, más conocido como Machine Learning, donde la máquina aprende observando al usuario (aprende de sus clics). Tras 5 o 6 interacciones de la misma acción, el motor IA crea una regla.
Si después de 6 interacciones no es capaz de llegar a ninguna regla, se considera que hay algo más complejo en el documento y necesita otro tipo de algoritmo. Entonces se recurre al teaching.

Deep Learning

En una tercera etapa, Esker se centra en el Deep Learning, que en realidad forma parte del Machine Learning. La máquina también aprende, pero utiliza otro tipo de tecnología: en vez de usar algoritmos sencillos desarrollados por humanos y basados en estadísticas, se basa en redes neuronales. Se trata de una simulación de cómo funciona el cerebro: muchas neuronas que reciben información y la comparten con otras neuronas.

«Investigando, comenzamos a trabajar la inteligencia artificial aplicada al reconocimiento facial. Pensamos que un pedido puede ser exactamente igual en cuanto a puntos de referencia, que una cara. La misma tecnología que tenemos en los móviles aplicada a los pedidos para que el sistema empiece a reconocer los formatos que comparten todos nuestros clientes. » Gonzalo Arrojo

Como resultado conseguimos un 97% de acierto sobre la información que se comparte y una bajada en los tiempos de respuesta de hasta 0,2 segundos.

Detección de anomalías

Esker aplica también la Inteligencia Artificial a la detección de anomalías. Para ello, se enseña a la máquina a saber detectar las anomalías gracias a algoritmos matemáticos, basados en un método clásico estadístico llamado KNN (K= constante, N=Nearest, N=Neighbour).
En otras palabras, con la media y desviación típica: según se va aprendiendo del histórico de pedidos de un cliente, se crea una media. Cuando llega un nuevo pedido, se mide si está dentro de la media; si se escapa de la desviación típica, se enviará un aviso al gestor para que sea revisado y se compruebe. Por ejemplo, si un pedido normal son 20 unidades y un día se han pedido 200, es muy probable que haya un error.

La IA no es una inteligencia general, solo se aplica en casos concretos donde puede ayudar al ser humano a evitar realizar tareas repetitivas. Trabaja perfectamente allí donde el cerebro humano usa su intuición para hacer una tarea en una fracción de segundo, como reconocer lo que es una cantidad en un pedido y qué campo hay que extraer, basados siempre en muchísimos ejemplos.
Sin embargo, aunque nos ayuden mucho no sigue siendo más que una máquina y como tal, está llena de restricciones que obligan a que sea necesaria la intervención y corrección del ser humano, el verdadero dueño del proceso.

Ventajas de la IA, RPA, ML

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *