Gedeelde mailboxen: je kent ze wel. Waar dagelijks een grote verzameling aan e-mails en documenten binnenkomt. Van verschillende stakeholders, met verschillende intenties en opvolgacties in de eigen applicaties en systemen. Repetitief, arbeidsintensief en vaak niet in standaard beslisregels (zoals Outlook regels) te vatten. De oplossing? Een team van talentvolle medewerkers die om de beurt “de klos” zijn om achterstanden weg te werken.

Hiervoor zijn medewerkers niet opgeleid en aangenomen. Los van het feit dat dit vaak “saai” werk is, zijn er meer nadelen. Wat te denken van de continuïteit in uitvoer, bijvoorbeeld tijdens piekperioden of bij ziekte/verzuim? De oplopende achterstanden leiden tot (te) lange reactietijden, wat weer leidt tot meer e-mails en een toenemende werkdruk. Ook is er in gedeelde mailboxen vaak een gebrek aan prioritering, en beperkte analyse van het type e-mails om processen aan de voorkant te verbeteren. De echte oplossing? AI!

Figuur: Geautomatiseerde e-mailverwerkingsworkflow met UiPath Communications Mining en Document Understanding voor gedeelde mailboxen.

Kijk het webinar terug!

Heb je het webinar gemist of wil je het nog eens bekijken? In deze sessie ontdek je hoe Communications Mining met behulp van AI en machine learning jouw organisatie helpt om communicatieprocessen slimmer en efficiënter in te richten.

Inzet van AI: Natural Language Processing

Natural Language Processing (NLP) is een tak van kunstmatige intelligentie die zich richt op het  verwerken van menselijke taal. Deze NLP modellen stellen machines in staat om teksten te begrijpen, te classificeren en te interpreteren. Om zo medewerkers te ontzorgen en te ondersteunen. In de laatste jaren zijn er vele nieuwe NLP-modellen ontwikkeld, welke vaak gratis (open source) beschikbaar zijn om toe te passen in jouw eigen organisatie. Deze modellen zijn tegenwoordig zelfs zo goed, dat ze op verschillende onderdelen béter scoren dan “gewone” mensen. Door de verbetering van deze modellen kunnen we deze anno 2024 inzetten om complexe taken uit te voeren, zoals het classificeren, interpreteren en uitlezen van ongestructureerde e-mails en bijlagen.

Figuur: Prestatieontwikkeling van verschillende NLP-modellen ten opzichte van menselijke prestaties (1998-2024).

Wat maakt NLP anno 2024 zo krachtig?

Er zijn een aantal redenen waarom NLP-modellen anno 2024 zo krachtig zijn:

• Verbeterde algoritmen: moderne NLP-modellen, zoals GPT-4o, Claude 3 en Llama 3, zijn in staat om context en nuances in taal beter te begrijpen.
• Grote trainingsdata: deze modellen zijn getraind op enorme hoeveelheden data, wat hun nauwkeurigheid en begrip aanzienlijk verhoogt.
• Real-time verwerking: met de huidige rekenkracht van machines kunnen NLP-modellen e-mails in real-time verwerken en categoriseren.

NLP-modellen (AI) inzetten binnen gedeelde mailboxen

Het inzetten van een NLP-model (AI) in een gedeelde mailbox begint met het trainen van het model. Dit doe je door een generiek model te pakken, en deze vervolgens verder te trainen op de specifieke data (e-mails) in jouw mailbox. Met UiPath Communications Mining kunnen medewerkers op een afdeling dit in een online, gebruiksvriendelijke omgeving zelf doen. Door een set van ca 1.000 e-mails handmatig te labelen. Naast het trainen van het initiële model om het te kunnen inzetten, wordt het model vervolgens automatisch getraind doordat medewerkers de onzekere e-mails handmatig valideren.

Vervolgens kun je jouw eigen NLP-model (AI) inzetten voor:

• Inzicht in de mailbox: voor een analyse van veelvoorkomende categorieën, ongebruikte formulieren of andere optimalisaties.
• Categoriseren van e-mails: automatisch categoriseren van e-mails op basis van de afzender, het onderwerp en de tekst in de mailbody. Hierbij geeft het AI model middels een confidence score aan hoe zeker hij is over de categorie. Door zelf een minimale score in te stellen kun je onzekere e-mails nog laten valideren door een medewerker.
• Entiteiten herkennen: NLP-modellen kunnen specifieke gegevens zoals persoonsgegevens, klantnummers, datums, bedragen of IBAN nummers automatisch herkennen en extraheren uit de e-mail, om deze vervolgens in de eigen systemen geautomatiseerd te verwerken.
• Uitlezen van bijlagen: door de inzet van UiPath Document Understanding, kunnen we AI toepassen om documenten uit te lezen. Of deze nou gestructureerd, semi-gestructureerd of ongestructureerd zijn. Na het uitlezen van het document, kunnen deze gegevens automatisch in eigen systemen verwerkt worden.

Voor de inzet van NLP-modellen (AI) in gedeelde mailboxen gebruiken wij een combinatie van UiPath Communications Mining en UiPath Document Understanding. Met deze 2 producten kun je als organisatie in een korte tijd het verwerken van e-mails in gedeelde mailboxen grotendeels automatiseren.

Over UiPath Communications Mining (voorheen Re:Infer)

UiPath heeft eind 2022 het bedrijf Re:Infer overgenomen, een Londens bedrijf dat gespecialiseerd is in het begrijpen van ongestructureerde documenten en communicatie met behulp van AI. Dit bedrijf is opgericht door wetenschappers van het AI Research Lab van University College London, waar ze een NLP-model hebben ontwikkeld om ongestructureerde communicatieberichten uit te kunnen lezen. Na de overname heeft UiPath het product geïntegreerd in haar platform, onder de noemer UiPath Communications Mining.

Demo video over polisvernieuwingen bij een verzekeringsmaatschappij, uitgevoerd met Re:infer (nu UiPath Communications Mining).

Praktijkvoorbeelden

Het inzetten van AI voor verwerking van e-mails en bijlagen is toepasbaar op allerlei verschillende type mailboxen. Idealiter heeft een mailbox minimaal 20.000 e-mails per jaar, zodat er voldoende data is om te trainen. In de praktijk zien we dat hoe meer e-mails ook bijlagen bevatten, hoe meer besparingspotentieel er is door verwerking van bijlagen te automatiseren. Enkele voorbeelden waar je met AI de verwerking van e-mails kunt automatiseren:

• Info@ mailbox
• Crediteuren mailbox
• Debiteuren mailbox
• Klantcontact mailbox
• Polikliniek mailbox (ziekenhuizen)
• Faculteit of college mailbox (onderwijs)
• JGZ of IZB mailbox (GGD)
• Clientadministratie mailbox (zorg)

Verwerk bijlagen met UiPath Document Understanding

UiPath Document Understanding is dé oplossing voor het verwerken van bijlagen door automatisch gegevens uit te lezen, te archiveren en te controleren. Dit is typerend voor situaties waarbij veel tijd gemoeid is met handmatige verwerking van documenten. Intelligent Document Processing (IDP), zoals aangeboden door UiPath Document Understanding, maakt gebruik van geavanceerde AI-technologieën om ongestructureerde data in bijlagen te analyseren en te verwerken, zonder de noodzaak van traditionele methoden zoals RegEx-regels.

UiPath Document Understanding is een marktleider in deze ruimte, en wordt erkend voor zijn vermogen om bedrijfsprocessen te versnellen en fouten te verminderen door automatisering van document intensieve taken. Een voorbeeld is de SPIE-case, waar UiPath Document Understanding heeft bijgedragen aan aanzienlijke efficiëntieverhogingen en kostenbesparingen door documentverwerking te stroomlijnen.

Hoe aan de slag?

Om succesvol aan de slag te gaan met UiPath Document Understanding, is het belangrijk om eerst een duidelijke business case op te stellen. Begin met het in kaart brengen van de belangrijkste KPI’s op de afdeling en bepaal welke mailboxen in gebruik zijn. Identificeer vervolgens de top drie verwerkingsacties die regelmatig worden uitgevoerd. Daarna kun je in vijf stappen een pilotproject opzetten:

1. Identificeer en verzamel voorbeelden van bijlagen: Verzamel representatieve voorbeelden van bijlagen die vaak in de mailboxen binnenkomen.
2. Definieer KPI’s en doelstellingen: Stel duidelijke KPI’s op, zoals doorlooptijdvermindering en nauwkeurigheidsverbetering, om de impact van automatisering te meten.
3. Analyseer en categoriseer mailboxen: Breng alle relevante mailboxen in kaart en categoriseer ze op basis van het type bijlagen en hun verwerkingsbehoeften.
4. Identificeer de top-3 verwerkingsacties: Bepaal de belangrijkste acties die momenteel handmatig worden uitgevoerd bij de verwerking van bijlagen en beoordeel de mogelijkheid om deze te automatiseren.
5. Start een pilotproject met UiPath Document Understanding: Implementeer een pilotproject met UiPath Document Understanding om de efficiëntie te verbeteren en de voordelen van automatisering te valideren.

Meer informatie over hoe je aan de slag kunt gaan met communicatie-mining en document understanding, vind je in de UiPath Documentation portal: Getting Started Using Communication Mining.

Meer weten?

Wil je meer weten over de nieuwste AI oplossingen en hoe deze jouw organisatie kunnen helpen? Neem dan contact op met Ebert Knol.