HyperScience leverer en automatiseret løsning til effektivt og nøjagtigt at omdanne dokumenter til data

TL; DR: HyperScience er på en mission for at hjælpe organisationer med at behandle dokumenter mere effektivt ved at bytte manuelle dataindtastningsprocesser til avancerede maskinlæringsløsninger. Ved at reducere både fejl og dataindtastningsomkostninger giver virksomheden sine brugere mulighed for at fokusere på at forbedre kundeservicen og skabe nye forretningsmuligheder. Med over 50 millioner dollars i finansiering og en strategisk investeringsstrategi sigter HyperScience at bringe kraften i automatisering til et endnu bredere kundegrundlag.


Før jeg gik videre til grønnere græsgange brugte jeg den tidlige del af min karriere på at sammensætte trykte medlemsbøger. Det forekommer arkaisk nu, men tilbage den gang sendte klienter undertiden maile til mig med håndskrevne medlemsoplysninger, som jeg manuelt ville konvertere til tekst.

Bortset fra at være tidskrævende, introducerede processen risikoen for menneskelig fejl – et skræmmende udsigt i printverdenen.

I disse dage vil jeg sandsynligvis henvende mig til en løsning som HyperScience, et maskinlæringsværktøj, der er i stand til at fange digitale data fra håndskrevet, cursiv og udskrevet tekst på formularer, fakturaer, kontroller, fakturaer, PDF-filer og endda billeder i lav opløsning . Brug af automatiseringskraften eliminerer teknologien effektivt manuel behandling og øger produktiviteten.

HyperScience logo

HyperScience udtrækker nøjagtigt værdifulde data fra næsten ethvert dokument ved hjælp af maskinlæring.

”Klassificering og behandling af dokumenter er stadig en meget manuel, smertefuld og dyr proces for dagens organisationer,” sagde Peter Brodsky, HyperScience CEO og medstifter. ”Virksomheder bruger 60 milliarder dollars hvert år på dataindtastning, og dette tal bliver kun større. HyperScience løser dette ved at bruge det nyeste inden for maskinlæring til at låse op og løfte data fra forskellige dokumenter. ”

Værktøjet til eliminering af hovedpine er let at konfigurere, implementere og vedligeholde med adgang til et valgfrit API for nem integration i eksisterende arbejdsgange. Over tid sikrer HyperScience’s indbyggede kvalitetssikringsmekanismer, at det yderst nøjagtige system bliver endnu mere via avancerede maskinlæringsmodeller.

Teknologien reducerer også omkostninger til menneskelig fejl og dataindtastning og giver brugerne mulighed for at fokusere på det, der er vigtigst: at skabe nye forretningsmuligheder. Fremover vil HyperScience udnytte sine 50 millioner dollars i finansiering til at forfølge strategiske investeringer, hvilket bringer kraften i intelligent dokumentbehandling til en udvidet brugerbase.

En maskinlæringsløsning til håndskrevet, kursiv og trykt tekst

Peter Brodsky, Krasimir Marinov og Vladimir Tzankov grundlagde HyperScience med base i New York i 2014. Før det havde grundlæggerne brugt næsten et årti med at arbejde på maskinlæringsprojekter, der involverede komplekse data om Extract, Transform, Load (ETL) processer.

Disse job var ikke nøjagtigt tilfredsstillende. I en artikel på HyperScience-webstedet omtalte Peter ETL som “mind-bedøvende, sjælknusende, forfærdeligt, forfærdeligt, forfærdeligt arbejde,” der “kræver høje niveauer af domæneekspertise og leverer uhyggeligt negative niveauer af jobtilfredshed.”

Så efter grundlæggelsen af ​​HyperScience, forsøgte teamet at automatisere deres gamle job ved hjælp af førstehåndsviden til at opbygge en mere intelligent løsning. De tog også højde for dokumentbehandlingsudfordringer, der findes i den virkelige verden, såsom håndskrift og skæve eller strakte scanninger af papirdokumenter.

Ikoner, der repræsenterer stiftelsesdato, medarbejderantal, kontorlokaler og investeringer

Det hurtigtvoksende firma er på mange måder lige begyndt på sin rejse.

”På det tidspunkt eksisterede ingen robust, pålidelig automatiseringsplatform,” sagde Peter. ”I stedet for var virksomheder afhængige af forældet datafangstteknologi og hold af datanøglere,” sagde Peter. “HyperScience indtog en grundlæggende anderledes tilgang og bygger en proprietær maskinelæringsløsning, der leverer høje nøjagtighed og automatisering ud af kassen – og fortsætter med at blive bedre med tiden.”

Siden grundlæggelsen er virksomheden ekspanderet markant med et team på mere end 100 ansatte og kontorer i New York, London og Bulgarien.

I dag hjælper HyperScience’s maskinlæringsplatform organisationer, der spænder over hele kloden og på tværs af brancher – fra finansiering og forsikring til sundhedsvæsen og myndigheder – med at reducere omkostninger og fejl i forbindelse med manuel indtastning af data.

Reducer omkostninger til dataregistrering og fokus på kerneforretningsaktiviteter

Peter fortalte os, at organisationer, der implementerer HyperScience typisk nyder en række fordele, fra tidsbesparelser og højere produktivitetsgrader til evnen til at arbejde med agility og øge ROI.

”HyperScience-platformen hjælper med at reducere omkostninger og fejl i forbindelse med dataregistrering, mens brugerne frigøres til at fokusere på aktiviteter, der driver virksomheden fremad,” sagde han. ”Virksomheder, der vælger HyperScience, kan muligvis se kapacitetsforøgelser på op til 10 gange såvel som op til seks timers reduktion af serviceniveauaftaler (SLA’er).”

Dette betyder mere pålidelig behandling og hurtigere responstider for kunder af alle typer – hvad enten det drejer sig om forretningspartnere, interne kunder eller blot personer, der ønsker at åbne en mæglerkonto. Fordele som disse er produktet af HyperScience’s præcision med nøjagtighedsprocent på mere end 98% på den første dag og fortsatte forbedringer over tid.

”Dokumenter er rodede, så vi har bygget en løsning, der klassificerer og udtrækker data på tværs af forskellige input og endda lav forvrængede billeder med lav opløsning,” sagde Peter. ”Vi ved for eksempel, at et socialsikringsnummer kun er værdifuldt, hvis hvert ciffer er korrekt, og vi læser dokumenter i overensstemmelse hermed – med kontekst – så vi kan levere højere nøjagtighed.”

Når det kommer til funktioner, er en af ​​Peters personlige favoritter HyperScience-overvågningsplatformen, som giver vejledning i, hvordan man håndterer markerede data kendt som undtagelser. Den lette, intuitive teknologi er lige så let at bruge, som den er funktionel.

”HyperScience er usædvanligt god til at identificere, hvornår det sandsynligvis er rigtigt, og når det har brug for hjælp. Det sender kant- / undtagelsessager til en organisations dataindtastningsteam for at gennemgå og løse dem, hvilket igen finjusterer den underliggende model, ”sagde han. ”Den måde, vi gør det på, taler dog til vores brugervenlige produktethos.”

På forkant med forskning og kundeoplevelse

Der er gjort markante fremskridt inden for dyb læring – en delmængde af maskinlæring, der involverer kunstige neurale netværk – og forskere arbejder aktivt for at skubbe frem videns grænser.

Peter fortalte os, at HyperScience prioriterer investeringer i produkt og engineering for at give teamværktøjerne til at teste nye ideer og følge med på nye trends.

”Ved at arbejde i forkanten af ​​feltet er vi i stand til at eksperimentere med mange forskellige ting, hvoraf nogle har forvandlet til præstationsgennembrud,” sagde han. “Samtidig forbliver data nøglen til Deep Learning, og vi har været i stand til at samle et proprietært datasæt, der er repræsentativ for verden og specifikt skræddersyet til nogle af de gennembrud, vi har lavet på modellen arkitektur side.”

Billeder af HyperScience-teamet

HyperScience er altid på udkig efter talentfulde enkeltpersoner, der kan tilslutte sig sit stadigt voksende team.

At holde et skridt foran konkurrencen er også et spørgsmål om at holde kunderne tæt på at identificere og løse deres smertepunkter. Til det formål sagde Peter, at HyperScience er kundebesat. Ved at arbejde sammen med kunder har virksomheden været i stand til at indsamle førstehånds feedback, hvilket er afgørende for dets produktkøreplan.

For eksempel introducerede den for nylig en opdateret brugergrænseflade, forbedrede organisatoriske værktøjer og fransk sprogstøtte til bedre at imødekomme kundernes behov baseret på feedback fra brugere.

”Det er ikke overraskende, men brugervenligheden fortsætter med at være en enorm differentierer,” sagde han. ”Personlig og forbrugerteknologi har meget formet virksomhedens forventninger, og vi arbejder utrætteligt med at skabe en slank, intuitiv platform, der er designet til ikke-tekniske forretningsbrugere.”

Nøgleinvesteringer og en god vækststrategi

Hvad angår fremtiden, fortalte Peter os, at HyperScience er forpligtet til at hjælpe organisationer med at transformere deres arbejdsgange gennem automatiseringskraften.

Han sagde, at 2019 repræsenterede et ekstraordinært år for virksomheden, som på mange måder bare er ved at komme væk.

”Siden vi lukkede en B-runde på 30 millioner dollars i januar, har vi passeret milepælen for 100 medarbejdere, åbnet vores andet europæiske kontor i London og opnået konsekvent dobbeltcifret vækstmåned over en måned,” sagde han. ”Vi ser også frem til at deltage (og være vært på) flere begivenheder og dele vores brancheindblik og ekspertise.”

I mellemtiden fortsætter HyperScience med at investere i den forskning og udvikling, der er nødvendig for at bevæge organisationen fremad.

”Vi har taget betydelige skridt hen imod vores ultimative vision om at gøre vores platform input-agnostisk – i stand til at udtrække data fra enhver dokumenttype (dvs. enhver struktur og sprog) og fleksibel nok til at tilpasse sig enhver behandlingsarbejdsgang,” sagde Peter.

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