Hoe Plangroep het handmatig afhandelen van poststukken en het verwerken van de inhoud met behulp van de Azure Cognitive Services in grote mate, en in sommige gevallen volledig, wil automatiseren.
Geautomatiseerde postverwerking
Via Ventus ben ik als business (informatie) analist ingezet bij Plangroep. Er wordt veel binnenkomende post afgehandeld. Deze post moet worden gescand, beoordeeld en gekoppeld worden aan het juiste cliëntdossier. Door medewerkers van Plangroep wordt de inhoud van de post verwerkt en afgehandeld. De post leidt tot een verrijking van het dossier, een betaling of andere actie. Met het groeiende aantal cliënten neemt ook het aantal poststukken toe. Er wordt gewerkt aan het – in grote mate – automatiseren van dit verwerkingsproces, zodat dit sneller en efficiënter kan worden uitgevoerd. Het doel is een verlaging van de handelingskosten, een kwaliteitsslag in de dossier informatie, maar zeker niet minder belangrijk is het kunnen vrijmaken van tijd van de behandelaars zodat deze tijd besteed kan worden aan zorg voor de cliënt.
De organisatie
De organisaties Plangroep SHV, Plangroep BBH, OBIN, Bureau Inkomensbeheer zuid (BIBZuid) en Budgetondersteuning Nederland (BON) zijn onderdeel van Plangroep. Binnen Plangroep loopt de dienstverlening uiteen van budgetcoaching, budgetbeheer, schuldhulpverlening, bewindvoering, curatele en mentorschap. Samengevat nemen de organisaties met hun dienstverlening, vaak namens gemeentes en overheid, de zorg van financiële gezondheid van cliënten geheel of gedeeltelijk uit handen. Voor deze organisaties is een systeem ontwikkeld ter ondersteuning van de dienstverlening.
Flow
Het systeem Flow, de eigen ontwikkelde applicatie van Plangroep, ondersteunt, afhankelijk van het soort dienstverlening, de aanmelding, intake, stabilisatie en het beheer tot aan overdracht naar cliënt of andere dienstverlener. Flow is gekoppeld aan diverse andere diensten, zoals Rabo Direct, ViSH, een print- en postservice en een van de meest recente toevoeging is een directe koppeling met de financiële administratie in AFAS. Het systeem Flow is gericht op de behandelaars en andere dossierbetrokkenen, waarbij er ook een portaal en mobiele app voor de cliënten is. Voor opdrachtgevers is een meekijkportaal beschikbaar. De belangrijkste kenmerken van het systeem zijn: dossiervorming inclusief (geautomatiseerd) betalingsverkeer en werken op basis van voorgedefinieerde werkprocessen en taken.
Correspondentie
Om een cliënt te kunnen ondersteunen wordt voor zowel de cliënt als de eventuele partner een dossier gevormd rondom de beschikbare informatie. In het dossier worden naast de algemene cliëntgegevens ook de inkomsten, uitgaven, bezittingen, schulden en andere belangrijke informatie vastgelegd. De organisatie die vanuit hun relatie met de cliënt communiceert wordt gevraagd niet langer met de cliënt rechtstreeks contact op te nemen. In plaatst daarvan treedt, afhankelijk van het soort dienstverlening Plangroep, OBIN, etc. op als contact voor de cliënt. Ondanks dat er al veel correspondentie via digitale media zoals email wordt uitgewisseld, komt er nog steeds een zeer groot hoeveel fysieke post binnen. Het digitaliseren van deze fysieke post is (gedeeltelijk) uitbesteed.
Automatische verwerking
Dit arbeidsintensieve proces is nader bekeken en geanalyseerd. Er is gezocht naar mogelijkheden om zoveel mogelijk van dit proces te automatiseren. Initieel is ervoor gekozen het scannen van het document en identificeren van het bijbehorende dossier te automatiseren. De keuze is gevallen op de AI oplossing van Azure Cognitive Services. Met behulp van deze services kan tekst uit de gescande correspondentie worden geïdentificeerd als waarden van bekende attributen. Met behulp van deze waarden kan vervolgens, middels de AI oplossing, de toewijzing van het gescande document aan het betreffende dossier worden geautomatiseerd. Een tweede fase in het automatiseren van de documentafhandeling zal zich richten op het verwerken van de inhoud van het document, door nieuwe informatie aan het dossier toe te voegen en bestaande informatie te wijzigen zonder tussenkomst van een behandelaar.
Azure Cognitive Services
De Azure Cognitive Services zijn services voor kunstmatige intelligentie (AI) van Microsoft. Met behulp van de Azure Cognitive Services kunnen cognitieve functies toegevoegd worden aan een eigen systeem om onder andere gescande documenten te analyseren. Dit gebeurt met één van de onderdelen van de Cognitive Services: Computer Vision. Als resultaat van deze analyse kunnen teksten in documenten worden herkend. Vervolgens wordt met behulp van een andere service (Form Recognizer) bepaald welk mogelijk dossier het zou betreffen.
Voorbereiding
Voorafgaande aan de feitelijke ontwikkeling is middels een proof-of-concept (POC) aangetoond dat de gewenste functionaliteit te realiseren is. Voorafgaand aan de ontwikkeling en het daadwerkelijk trainen van de tool is de infrastructuur aangepast en zijn er geschikte documenten geselecteerd voor het trainen van het model.
Trainen
De service moet leren documenten te lezen om deze te kunnen omzetten in gestructureerde gegevens. Om snel te starten biedt Microsoft ook een basismodel, maar voor betere resultaten is er voor gekozen om een eigen model in te richten. Veel documenten worden gebruikt om het model te trainen. Uiteindelijk wordt het getrainde model gebruikt om de informatie af te leiden. Middels herhaald trainen kan het model worden verbeterd en een hogere zekerheid worden bereikt tijdens de analyse. Er is daarom gekozen om documenten die niet of onjuist kunnen worden geanalyseerd standaard te gebruiken voor verdere training van het model. Op deze manier is het trainen van het model onderdeel geworden van het standaard proces.
Dossier identificatie
Per ontvangende organisatie wordt de post gescand, waarna het wordt opgepakt door de Cognitive Services. De documenten worden geanalyseerd aan de hand van het getrainde model. De documenten worden voorzien van meta informatie. Het geanalyseerde document wordt verder opgepakt door het systeem. Met behulp van ingeregelde grenswaarden worden de attributen gebruikt om het dossier stapsgewijs te identificeren. In elke stap worden attribuutwaarden als extra criteria toegevoegd totdat er slechts een goede match overblijft. Niet alleen de dossier informatie zelf wordt gebruikt om een goede match te vinden. Om de waarschijnlijkheid te vergroten wordt ook gekeken naar de relatie tussen de gevonden cliëntendossiers en de afzender van de correspondentie. Hierbij wordt gebruikt gemaakt van de naam de afzender (relatie), maar ook de diverse gegevens genoemd in de correspondentie. Als een dossier met vooraf ingestelde redelijke waarschijnlijkheid is geïdentificeerd, wordt het document gekoppeld en wordt er een taak aangemaakt voor de behandelaar van het dossier. Als het dossier niet met redelijke zekerheid kan worden vastgesteld, wordt een taak aangemaakt om handmatig het document te koppelen aan een dossier. Na het aanmaken van deze taak voor het handmatig identificeren van het dossier wordt het document klaargezet voor verdere training van het model.
Toekomst
De ontwikkelingen zijn in volle gang en de eerste resultaten zijn veelbelovend. Een belangrijke mijlpaal wordt bereikt als voldoende documenten automatisch aan het juiste dossier worden gekoppeld. In een latere fase kunnen aan de hand van de afzender, kenmerken en bepaalde steekwoorden automatisch verwachte inkomsten worden geregistreerd, te maken uitgaven worden klaargezet, etc. Als dat is gelukt kan de behandelaar volstaan met het verifiëren van de analyse.
-> Bekijk de mogelijkheden voor professionals
-> Bekijk de mogelijkheden voor opdrachtgevers
