HyperScience ofereix una solució automatitzada per transformar documents de forma eficient i precisa en dades

TL; DR: HyperScience té la missió d’ajudar les organitzacions a processar documents de manera més eficient mitjançant l’intercanvi de processos manuals d’entrada de dades per a solucions avançades d’aprenentatge de màquines. Al reduir els errors i els costos d’entrada de dades, l’empresa permet als usuaris centrar-se en millorar el servei al client i conduir noves oportunitats de negoci. Amb més de 50 milions de dòlars en finançament i una estratègia d’inversió estratègica, HyperScience té l’objectiu d’aconseguir el poder de l’automatització a una base de clients encara més àmplia..


Abans de passar a pastures més ecològiques, vaig passar la primera part de la meva carrera junt amb directoris impresos. Sembla arcaic ara, però, aleshores, els clients em farien arribar, a vegades, informació de membres manuscrita que convertiria manualment a text.

A més de consumir temps, el procés va introduir el risc d’error humà: una perspectiva espantosa en el món de la impremta.

Actualment, probablement recorreria a una solució com HyperScience, una eina d’aprenentatge automàtic capaç de capturar dades digitals de text escrit, manual i cursiu i imprès en formularis, factures, xecs, factures, PDF i fins i tot imatges de baixa resolució. . Utilitzant el poder de l’automatització, la tecnologia elimina eficaçment el processament manual, augmentant la productivitat.

Logotip de HyperScience

HyperScience extreu amb precisió dades valuoses de gairebé qualsevol document que utilitza l’aprenentatge automàtic.

“Classificar i processar documents encara és un procés molt manual, dolorós i costós per a les organitzacions actuals”, va dir Peter Brodsky, conseller delegat i cofundador d’HyperScience. “Les empreses gasten 60.000 milions de dòlars cada any en l’entrada de dades, i aquesta xifra només està augmentant. HyperScience ho soluciona mitjançant les últimes novetats en l’aprenentatge automàtic per desbloquejar i aixecar dades de diversos documents. “

L’eina d’eliminació de mal de cap és fàcil de configurar, implementar i mantenir, amb accés a una API opcional per a una integració fàcil als fluxos de treball existents. Amb el temps, els mecanismes integrats d’assegurament de la qualitat d’HyperScience garanteixen que el sistema de gran precisió es fa encara més a través de models avançats d’aprenentatge de màquines..

La tecnologia també redueix els errors d’home i els costos d’entrada de dades, permetent als usuaris centrar-se en allò que és més important: impulsar noves oportunitats de negoci. A mesura que avanci, HyperScience aprofitarà els seus 50 milions de dòlars en finançament per a realitzar inversions estratègiques, aconseguint el poder del processament intel·ligent de documents a una base d’usuaris expandida..

Una solució d’aprenentatge automàtic per a text escrit, manual i cursiu i imprès

Peter Brodsky, Krasimir Marinov i Vladimir Tzankov van fundar HyperScience, amb seu a la ciutat de Nova York, el 2014. Abans d’això, els fundadors havien passat gairebé una dècada treballant en projectes d’aprenentatge de màquines que impliquen dades complexes d’Extracte, Transform, Load (ETL). processos.

Aquestes feines no eren exactament satisfactòries. En un article al lloc d’HiperScience, Peter es referia a ETL com “un treball d’entumiment mental, aplastant, horrible, horrible, terrible”, que “requereix uns nivells alts d’expertesa de domini i ofereix uns nivells de satisfacció extremadament negatius”.

Així, després de fundar HyperScience, l’equip es va proposar automatitzar els seus treballs antics utilitzant coneixements de primera mà per crear una solució més intel·ligent. També van tenir en compte els reptes de processament de documents que existeixen al món real, com ara escriptura a mà i escaneig inclinat o estès de documents de paper.

Icones que representen la data de fundació, el recompte d'empleats, les ubicacions de l'oficina i les inversions

En molts casos, l’empresa de ràpid creixement acaba de començar el seu viatge.

“En aquell moment, no existia una plataforma d’automatització robusta i fiable”, va dir Peter. “En canvi, les empreses es basaven en tecnologia de captació de dades obsoleta i equips de claus de dades”, va dir Peter. “HyperScience va adoptar un enfocament fonamentalment diferent, construint una solució exclusiva d’aprenentatge de màquines que ofereix taxes elevades de precisió i automatització fora de caixa, i continua millorant amb el pas del temps.”

Des de la seva fundació, la companyia s’ha ampliat notablement, amb un equip de més de 100 empleats i oficines a Nova York, Londres i Bulgària..

Avui, la plataforma d’aprenentatge automàtic de HyperScience ajuda a les organitzacions de tot el món i a través d’indústries, des de les finances i les assegurances a la sanitat i el govern, a reduir els costos i els errors relacionats amb l’entrada manual de dades..

Reduir els costos d’entrada de dades i centrar-se en activitats bàsiques de negoci

Peter ens va dir que les organitzacions que implementen HyperScience solen gaudir d’una gamma d’avantatges, des d’estalvi de temps i taxes de productivitat més elevades fins a la capacitat de funcionar amb agilitat i augmentar el ROI..

“La plataforma HyperScience ajuda a disminuir els costos i els errors relacionats amb l’entrada de dades alhora que allibera els usuaris per centrar-se en activitats que impulsin el negoci endavant”, va dir. “Les empreses que opten per HyperScience poden veure un augment de la capacitat de fins a 10 vegades, així com reduccions de fins a sis hores dels acords a nivell de servei (SLA)”.

Això significa processos més fiables i temps de resposta més ràpids per a clients de tot tipus, ja siguin socis comercials, clients interns o simplement persones que vulguin obrir un compte de corretatge. Aquests avantatges són el producte de la precisió d’HyperScience, amb taxes de precisió superiors al 98% el primer dia i millores continuades en el temps.

“Els documents són desordenats, per la qual cosa hem creat una solució que classifiqui i extregui dades de diverses entrades i fins i tot imatges distorsionades de baixa resolució”, va dir Peter. “Per exemple, sabem que un número de la Seguretat Social només és valuós si tots els dígits són correctes, i llegim els documents en conseqüència, amb context, de manera que podem obtenir una precisió més gran.”

Quan es tracta de funcions, un dels preferits personals de Peter és la plataforma de supervisió HyperScience, que ofereix informació sobre com gestionar dades marcades que es coneixen com a excepcions. La tecnologia lleugera i intuïtiva és tan fàcil d’utilitzar com funcional.

“HyperScience és excepcionalment bo per identificar quan és probable que sigui correcte, així com quan necessita ajuda. Envia casos d’excepció / excepció als equips d’entrada de dades d’una organització per revisar-los i resoldre’ls, que a la vegada ajusten el model subjacent ”, va dir. “La manera de fer-ho, però, ens parla del nostre fàcil etos producte d’ètica.”

A l’avantguarda de la investigació i l’experiència del client

S’han realitzat avenços significatius en l’aprenentatge profund (un conjunt de l’aprenentatge automàtic que implica xarxes neuronals artificials) i els investigadors estan treballant activament per impulsar les fronteres del coneixement.

Peter ens va dir que HyperScience prioritza les inversions en productes i enginyeria per proporcionar eines a l’equip per provar noves idees i seguir les tendències emergents.

“Treballant a l’avantguarda del camp, podem experimentar amb moltes coses diferents, algunes de les quals s’han convertit en avenços de rendiment”, va dir. “Al mateix temps, les dades segueixen essent la clau per a l’aprenentatge profund i hem pogut acumular un conjunt de dades propietari representatiu del món i específicament adaptat a alguns dels avenços que hem realitzat en el model d’arquitectura del model.”

Fotos de l'equip HyperScience

HyperScience sempre busca persones amb talent per unir-se al seu equip en expansió.

Fer un pas per davant de la competició també és mantenir els clients a prop per identificar i resoldre els seus punts de dolor. Per a això, Peter va dir que HyperScience està obsessionat pel client. Col·laborant juntament amb els clients, l’empresa ha pogut recopilar comentaris de primera mà, que són crucials per al seu full de ruta del producte.

Per exemple, recentment ha introduït una interfície d’usuari actualitzada, eines d’organització millorades i suport en llengua francesa per atendre millor les necessitats dels clients en funció de la retroalimentació dels usuaris..

“No és estrany, però la facilitat d’ús continua sent un enorme diferenciador”, va dir. “La tecnologia personal i de consum té formes molt altes en les expectatives empresarials i treballem incansablement per crear una plataforma intuïtiva i elegant que està dissenyada per a usuaris no tècnics.”

Inversions clau i una estratègia de creixement d’estalvi

Pel que fa al futur, Peter ens va dir que HyperScience es compromet a ajudar les organitzacions a transformar els seus fluxos de treball mitjançant el poder de l’automatització.

Va dir que el 2019 va representar un any excepcional per a l’empresa, que en molts aspectes acaba de sortir del terreny.

“Des que vam tancar una ronda de la Sèrie B de 30 milions de dòlars al gener, vam superar les 100 fites dels empleats, vam obrir la nostra segona oficina europea a Londres i vam aconseguir un creixement de dos dígits constantment mes a mes”, va dir. “També esperem assistir a (i acollir) més esdeveniments i compartir coneixements i expertes de la nostra indústria.”

Mentrestant, HyperScience continuarà invertint en la investigació i desenvolupament necessaris per tirar endavant l’organització.

“Hem fet passos importants cap a la nostra visió definitiva de fer que la nostra plataforma sigui una entrada agnòstica – capaç d’extreure dades de qualsevol tipus de document (és a dir, qualsevol estructura i llenguatge) i prou flexible per adaptar-se a qualsevol flux de treball de processament”, va dir Peter..

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me