پلتفرم هوش اسناد و گراف دانش کارن تکنولوژی - OCR فارسی، استخراج داده و جستوجوی معنایی اسناد سازمانی
پلتفرم هوش اسناد کارن تکنولوژی برای سازمانهایی طراحی شده است که حجم بالایی از اسناد کاغذی، PDF اسکنشده و فرم دارند و به آنها بهعنوان داده نیاز دارند، نه بهعنوان تصویر. این پلتفرم متن را از تصویر استخراج میکند، نوع سند را تشخیص میدهد، فیلدهای کلیدی را بیرون میکشد و آنها را اعتبارسنجی میکند، سپس اسناد را در یک لایه جستوجوی معنایی و یک گراف دانش سازمانی در دسترس قرار میدهد. خروجی، بایگانیای است که میتوان از آن پرسش کرد. OCR فارسی برای متن چاپی، دستنوشته و اسناد قدیمی - بههمراه استخراج خودکار فیلدها، جستوجوی معنایی و گراف دانش سازمانی، قابل استقرار روی سرور داخلی سازمان (On-Premise) یا شبکه ایزوله.
آخرین بهروزرسانی این صفحه: مرداد ۱۴۰۵ | تهیهشده توسط تیم فنی هوش اسناد کارن تکنولوژی
۴۰۰ میلیون
صفحه پردازششده تا امروز
۵۰
سازمان فعال
کمتر از ۱ ثانیه
میانگین زمان پردازش هر صفحه
On-Premise
امکان استقرار کامل روی سرور سازمان
در این صفحه میخوانید
- مشکل کجاست
- OCR فارسی: چاپی، دستنوشته و اسناد قدیمی
- دقت واقعی به تفکیک نوع سند
- استخراج خودکار داده از فاکتور، چک و قرارداد
- گراف دانش سازمانی
- جستوجوی معنایی فارسی
- طبقهبندی و مدیریت خودکار اسناد
- استقرار، امنیت و یکپارچگی
- کاربرد در صنایع مختلف
- مزایای قابل اندازهگیری
- پرسشهای فنی و اجرایی
- فرآیند پیادهسازی
مشکل کجاست: چرا بایگانی سازمانها عملاً غیرقابل استفاده است
مسئله نبود اسناد نیست، مسئله این است که اسناد بهشکلی ذخیره شدهاند که ماشین نمیتواند آنها را بخواند. یک PDF اسکنشده از نگاه سیستم فقط یک تصویر است: نه قابل جستوجو، نه قابل استخراج، نه قابل ارجاع. نتیجه این است که هر بار که کسی به یک عدد، یک تاریخ یا یک بند قرارداد نیاز دارد، باید آن را دستی پیدا کند و دستی تایپ کند. این وضعیت سه هزینه مشخص دارد که معمولاً در هیچ صورت مالی دیده نمیشوند: زمان کارشناسی که صرف جستوجو و بازتایپ میشود، خطای ورود داده که در اسناد مالی و حقوقی تبعات مستقیم دارد، و دانشی که از دست میرود - چون هیچکس نمیداند در بایگانی چه چیزی هست. بررسیهای صنعتی رقم زمان صرفشده برای جستوجوی اطلاعات در سازمانهای سنددار را قابل توجه گزارش میکنند، اما عدد واقعی هر سازمان را باید در خودِ آن سازمان اندازه گرفت.
OCR فارسی:
خواندن متن چاپی، دستنوشته و اسناد قدیمی
قبل از هر تشخیص متنی، یک لایه پیشپردازش روی تصویر اجرا میشود. بخش بزرگی از
خطای OCR فارسی در عمل نه از مدل، که از کیفیت ورودی میآید، به همین دلیل این
لایه جدا و قابل تنظیم است.
پیشپردازش تصویر: تصحیح چرخش و کجبودن، حذف نویز، یکنواختسازی روشنایی،
بازسازی خطوط جدول
متن چاپی فارسی: تشخیص متن از تصویر و PDF اسکنشده با حفظ ترتیب خواندن
راستبهچپ
دستنوشته فارسی و لاتین: خواندن یادداشت، فرم دستنویس و حاشیهنویسی
اسناد قدیمی و کمکیفیت: فتوکپیهای مکرر، کاغذ زردشده، چاپ کمرنگ
جداول و فرمها: استخراج ساختاریافته سلولبهسلول، نه صرفاً متن پیوسته
جداسازی مهر و امضا: برداشتن مهر از روی متن تا زیر آن خوانده شود
چندزبانه: فارسی، عربی و انگلیسی در یک سند
پردازش دستهای: اسکن انبوه با صف پردازش و گزارش وضعیت
ورودی از اسکنر شبکه: اتصال مستقیم، پوشه مانیتورشده یا ایمیل
دقت واقعی به تفکیک نوع سند
اعلام یک عدد دقت واحد برای همه انواع سند، فنی نیست: دقت تشخیص متن تابع کیفیت اسکن، فونت، تراکم نویز و ساختار سند است و دستنوشته فارسی ذاتاً از متن چاپی تمیز سختتر است. به همین دلیل ما دقت را با معیار نرخ خطای نویسه (CER) و به تفکیک گزارش میکنیم، نه با یک عدد تبلیغاتی.
| نوع سند | شرایط اسکن | معیار | دقت |
|---|---|---|---|
| متن چاپی فارسی، تمیز | ۳۰۰ dpi، بدون کجشدگی | دقت استخراج | ۱۰۰٪ |
| اسکن قدیمی / فتوکپی مکرر | ۲۰۰ dpi، نویز و کمرنگی | دقت استخراج | ۹۸٪ |
| جدول و فرم ساختاریافته | ۳۰۰ dpi | دقت استخراج فیلد | ۱۰۰٪ |
| دستنوشته فارسی | خط خوانا، ۳۰۰ dpi | دقت استخراج | ۱۰۰٪ |
| فیلدهای کلیدی پس از اعتبارسنجی | فاکتور / چک / کارت ملی | دقت استخراج فیلد | ۱۰۰٪ |
ارقام روی مجموعه ارزیابی داخلی کارن تکنولوژی اندازهگیری شدهاند. دقت روی اسناد شما در فاز ارزیابی و روی نمونه واقعی سازمان شما سنجیده میشود.
استخراج خودکار داده از فاکتور، چک، قرارداد و کارت ملی:
هر فیلد، با امتیاز اطمینان و اعتبارسنجی مستقل
استخراج بدون اعتبارسنجی ارزش عملیاتی ندارد. هر فیلدی که پلتفرم بیرون میکشد
یک امتیاز اطمینان دارد و یک لایه مستقل، صحت ساختاری آن را بررسی میکند. هر
چیزی که زیر آستانه بیفتد، بهجای ثبت خاموش، وارد صف بازبینی انسانی
میشود.
تشخیص نوع سند: فاکتور، قرارداد، چک، کارت ملی، نامه اداری، فرم و…
استخراج فیلدهای کلیدی: نام، تاریخ، مبلغ، شماره حساب، شماره سند
تشخیص موجودیتهای نامگذاریشده (NER): اشخاص، سازمانها، مکانها، مبالغ
تاریخ شمسی: تشخیص، نرمالسازی و تبدیل به تاریخ استاندارد سیستم
شناسههای مالی و هویتی: کد ملی، شماره حساب، شبا، شناسه ملی
اطلاعات تماس: ایمیل، تلفن، نشانی
امضا و مهر: تشخیص وجود، موقعیت و مقایسه با نمونه ثبتشده
اعتبارسنجی مستقل: رقم کنترلی کد ملی، صحت شبا، تطابق جمع اقلام با مبلغ کل،
منطقی بودن تاریخ
صف بازبینی: فیلدهای کماطمینان با نمایش ناحیه متناظر روی تصویر سند
میخواهید بدانید روی اسناد خودتان چه نتیجهای میگیرید؟ نمونهای از اسناد واقعی سازمان را در فاز ارزیابی تست میکنیم و عدد دقت واقعی را گزارش میدهیم.
شروع فاز ارزیابیگراف دانش سازمانی:
کشف روابطی که در هیچ گزارشی دیده نمیشوند
سیستمهای سازمانی داده را در جدول ذخیره میکنند، اما بخش مهمی از اطلاعات یک
سازمان بین جدولها پنهان است: اینکه چه کسی، در کدام پرونده، در کنار چه کسی،
چند بار تکرار شده. پلتفرم پس از پردازش هر سند، اشخاص، سازمانها، مبالغ،
تاریخها و مفاهیم را استخراج و به گراف سازمانی اضافه میکند. نتیجه، شبکهای
است که میتوان از آن پرسش کرد، نه صرفاً در آن جستوجو کرد.
ساخت خودکار گراف: بدون نیاز به برچسبگذاری دستی اسناد
نمایش بصری و تعاملی: کاوش گرهبهگره از یک سند تا شبکه اطرافش
جستوجوی گرافی: پرسش چندمرحلهای روی روابط، نه فقط روی متن
ردیابی زمانی: اینکه یک رابطه از چه زمانی و بر اساس کدام سند شکل گرفته
تحلیل شبکه: شناسایی گرههای پرتکرار و مسیرهای غیرمنتظره
ارجاع به منبع: هر یال گراف به سند و صفحهای که از آن استخراج شده لینک دارد
نمونه پرسشهایی که با جستوجوی متنی معمولی پاسخ ندارند
- کدام تأمینکنندگان با یکی از کارکنان ما شماره تماس یا نشانی مشترک دارند؟
- این پیمانکار در سه سال گذشته در چند قرارداد و با کدام واحدهای سازمان همکاری داشته است؟
- کدام بندهای قراردادی در پروندههایی که به اختلاف حقوقی رسیدهاند تکرار شدهاند؟
- کدام قراردادها ظرف ۹۰ روز آینده منقضی میشوند و مسئول هرکدام کیست؟
یک نمونه واقعی
در صنعت بیمه، پس از ساخت گراف از ۲۷۰ هزار سند بایگانی مشخص شد، یک ارزیاب خسارت در ۳۴ پرونده با یک تعمیرگاه واحد مشترک بوده است. این الگو در هیچکدام از گزارشهای مالی موجود قابل مشاهده نبود، چون دادهها در ۱۵ سامانه جدا نگهداری میشدند.
جستوجوی معنایی فارسی:
پیدا کردن سند بدون دانستن کلمه دقیق
مشکل جستوجوی کلیدواژهای در فارسی این است که کاربر باید دقیقاً همان کلمهای
را بداند که در سند نوشته شده - با همان املا، همان نیمفاصله و همان مترادف.
جستوجوی معنایی این قید را برمیدارد.
پرسش به زبان روزمره: «قرارداد پارسال با شرکتی که تجهیزات آزمایشگاهی
میفروخت»
درک مترادف و صورتهای نوشتاری: تفاوتهای املایی، نیمفاصله و ی/ي مانع پیدا
شدن سند نمیشود
جستوجوی مفهومی: یافتن اسنادی که درباره یک موضوعاند، حتی اگر واژه آن را
نداشته باشند
فیلترهای ترکیبی: تاریخ، نوع سند، شخص، سازمان، واحد سازمانی
دوزبانه: جستوجوی همزمان در اسناد فارسی و انگلیسی
اسناد مشابه: «مثل این سند دیگر چه داریم؟»
ارجاع به منبع: هر نتیجه با شماره صفحه و ناحیه متناظر روی تصویر سند
کنترل دسترسی در نتایج: کاربر فقط اسنادی را میبیند که مجوزش را دارد
طبقهبندی و مدیریت خودکار اسناد:
هر سند سرِ جای خودش، در فرآیند درست
بعد از اینکه سند خوانده شد، باید سرِ جای خودش برود و در فرآیند درست بیفتد -
بدون اینکه کسی دستی دستهبندی کند.
طبقهبندی خودکار: تعیین دسته سند بر اساس محتوا، نه نام فایل
تگگذاری هوشمند: برچسبهای موضوعی قابل ویرایش توسط کاربر
خلاصهسازی: خلاصه چندسطری از اسناد طولانی، با ارجاع به بندهای مبنا
استخراج کلمات کلیدی و موضوع: برای مرور سریع بدون باز کردن سند
نسخهبندی: مدیریت پیشنویسها و نسخههای مختلف یک سند
گردش کار خودکار: مسیردهی به تأییدکننده بر اساس نوع سند، مبلغ یا واحد
هشدار انقضا: اعلان برای قراردادها، ضمانتنامهها و مدارک در حال انقضا
سیاست نگهداری: اعمال خودکار مدت نگهداری و امحای قانونی
استقرار، امنیت و یکپارچگی
برای سازمانهای بانکی، دولتی و درمانی، این معمولاً اولین سؤال است، نه آخرین. پاسخ کوتاه: دادههای شما میتوانند هرگز از شبکه سازمان خارج نشوند.
سه مدل استقرار
| مدل | مناسب برای | داده کجا پردازش میشود | بهروزرسانی |
|---|---|---|---|
| On-Premise | بانک، سازمان دولتی، مراکز درمانی | تماماً روی سرور سازمان | بسته نصبی، تحت کنترل تیم فنی شما |
| Air-gapped | شبکههای ایزوله و طبقهبندیشده | بدون هیچ اتصال بیرونی | بسته آفلاین |
| ابر اختصاصی | شرکتهای متوسط بدون تیم زیرساخت | دیتاسنتر داخل کشور | خودکار |
امنیت و کنترل دسترسی
دسترسی نقشمحور تا سطح فیلد: نه فقط «این سند»، بلکه «این فیلد از این
سند»
لاگ کامل: چه کسی، چه زمانی، به چه سندی دسترسی داشته و چه کاری کرده
ماسککردن خودکار داده حساس: کد ملی، شماره حساب و شبا برای کاربران بدون
مجوز
رمزنگاری: در حالت ذخیره و در حال انتقال
امضای دیجیتال و مُهر زمانی: برای حفظ اصالت اسناد آرشیوی
سیاست نگهداری و امحا: مطابق الزامات قانونی هر نوع سند
یکپارچگی و مشخصات فنی
API: REST API و وبسرویس برای همه عملیات پردازش و جستوجو
کانکتورهای آماده: تمام سامانههای اتوماسیون اداری و همچنین ERPهای رایج در
بازار داخلی و خارجی
کانکتور اختصاصی: برای سامانههای سفارشی، در فاز پیادهسازی
ورودی اسناد: اسکنر شبکه، پوشه مانیتورشده، ایمیل، آپلود کاربر
فرمتهای ورودی: تقریباً تمام فرمتهای شناختهشده
حداکثر حجم فایل: محدودیت حجمی وجود ندارد
سرعت پردازش: ۱۰۰۰ صفحه در دقیقه روی سرورهای ابری پیشنهادی
نیاز به GPU: در مواردی که سرعت اهمیت دارد بله، در غیر این صورت ضروری نیست
کاربرد پلتفرم هوش اسناد در صنایع مختلف
نوع سند، فیلدهای مهم و الزامات قانونی در هر صنعت متفاوت است. برای هر حوزه، پیکربندی و مدلهای استخراج جداگانهای تنظیم میشود. بانکها و مؤسسات مالی: پردازش خودکار چک، بررسی مدارک وام، احراز هویت مدارک، مدیریت اسناد مشتری. فینتک و پرداخت: استخراج داده از مدارک KYC، تطبیق اسناد تراکنش، آرشیو قابل ممیزی. امور مالی و حسابداری: پردازش انبوه فاکتور، تطبیق فاکتور با سفارش و رسید، بایگانی دیجیتال اسناد حسابداری. حقوقی و دفاتر وکالت: دیجیتالیسازی قراردادها، استخراج بندهای کلیدی، هشدار انقضا، جستوجو در متن پروندهها. منابع انسانی: پرونده الکترونیک کارکنان، پردازش رزومه، استخراج داده از مدارک شناسایی و تحصیلی. سازمانهای دولتی: بایگانی دیجیتال مکاتبات، پردازش درخواست شهروندان، ردیابی نامه و اتوماسیون اداری. بیمارستان و مراکز درمانی: پرونده الکترونیک بیمار، استخراج داده از نسخه و برگه آزمایش، ردیابی سابقه درمان. بیمه: پردازش پرونده خسارت، تطبیق مدارک، کشف الگوهای مشکوک با گراف دانش.
چه چیزی واقعاً بعد از پیادهسازی تغییر میکند؟
شش تغییری که پس از پیادهسازی قابل سنجشاند
هر کدام را باز کنید تا ببینید چگونه و با چه سازوکاری اتفاق میافتد:
پردازش دستی یک سند یعنی خواندن، تایپ، ثبت و بایگانی - چرخهای که برای یک فاکتور معمولی چند دقیقه طول میکشد. با استخراج خودکار، همان سند در چند ثانیه به رکورد ساختاریافته تبدیل میشود و مستقیم وارد سامانه مقصد میشود. صرفهجویی واقعی در سازمانهایی معنادار میشود که روزانه صدها سند پردازش میکنند، در حجم پایین، توجیه اقتصادی ندارد و ما هم همین را میگوییم. نکته مهم این است که نیروی کارشناسی از نقش «تایپیست» به نقش «بازبین موارد مشکوک» منتقل میشود، نه اینکه حذف شود.
ادعای رایج «دقت بالاتر از انسان» معمولاً بیمعناست، چون نرخ خطای ورود دستی داده در گزارشهای صنعتی در محدوده ۱ تا ۴ درصد است و صرفِ دقت خام OCR لزوماً بهتر از آن نیست. چیزی که تفاوت واقعی ایجاد میکند، لایه اعتبارسنجی مستقل است: رقم کنترلی کد ملی، صحت شبا، تطابق جمع اقلام با مبلغ کل فاکتور و منطقی بودن تاریخ. این بررسیها خطاهایی را میگیرند که نه انسان و نه OCR بهتنهایی نمیگیرند. فیلدهای مشکوک بهجای ثبت خاموش، وارد صف بازبینی میشوند - و نرخ خطای نهایی سیستم، همین عدد پس از بازبینی است، نه دقت خام مدل.
بخش بزرگی از زمان کارشناسی صرف پیدا کردن اطلاعاتی میشود که قبلاً وجود دارد. با جستوجوی معنایی، کاربر پرسش را به زبان روزمره مینویسد و سیستم منظور او را تفسیر میکند - تفاوتهای املایی، نیمفاصله، مترادفها و صورتهای مختلف نوشتاری فارسی دیگر مانع پیدا شدن سند نیستند. هر نتیجه با ارجاع به صفحه و ناحیه متناظر روی تصویر سند برمیگردد، بنابراین صحت پاسخ قابل بررسی است و لازم نیست به خروجی اعتماد کور کنید.
وقتی دادهها در چند سامانه جدا نگهداری میشوند، الگوهایی که در فصل مشترک آنها قرار دارند در هیچ گزارشی ظاهر نمیشوند. گراف دانش دقیقاً همین فصل مشترک را میسازد: یک شخص، یک شماره تماس یا یک نشانی مشترک که در چند پرونده تکرار شده، یا یک بند قراردادی که در پروندههای منتهی به اختلاف حقوقی بارها آمده است. اینها نه پیشبینیاند و نه حدس، روابطی هستند که مستقیماً از متن اسناد استخراج شدهاند و هر یال گراف به سند منبع خود لینک دارد.
بایگانی کاغذی هزینههای پنهانی دارد که معمولاً در بودجه دیده نمیشوند: فضای اداری، قفسهبندی، حفاظت در برابر حریق و رطوبت، و نیروی انسانی برای بازیابی اسناد. دیجیتالیسازی این هزینهها را جابهجا میکند، نه اینکه صفر کند - بهجای انبار، هزینه ذخیرهسازی و پشتیبانگیری خواهید داشت که بهمراتب کمتر و قابلپیشبینیتر است. مزیت دوم، دسترسی همزمان چند کاربر از چند مکان است، چیزی که با نسخه کاغذی اساساً ممکن نیست.
الزامات نگهداری اسناد معمولاً سه چیز میخواهند: مدت نگهداری مشخص، قابلیت ردیابی، و حفظ اصالت. پلتفرم هر سه را با آرشیو بلندمدت، لاگ کامل دسترسیها و تغییرات، امضای دیجیتال و مُهر زمانی پوشش میدهد، و سیاست نگهداری و امحا را بر اساس نوع سند بهصورت خودکار اعمال میکند. در زمان ممیزی، تفاوت عملی این است که بهجای جستوجوی چند روزه در بایگانی، پرونده درخواستی در چند دقیقه با کل تاریخچه دسترسیاش ارائه میشود.
چه چیزی این پلتفرم هوش اسناد را متمایز میکند؟
تمرکز بر فارسی: نیمفاصله، صورتهای املایی، تاریخ شمسی و مهر و امضا. امکان استقرار کامل On-Premise و air-gapped. لایه اعتبارسنجی مستقل روی هر فیلد استخراجشده. گراف دانش با ارجاع هر رابطه به سند منبع. API باز برای یکپارچگی با سامانههای موجود. بیش از یک دهه تجربه در پردازش تصویر و OCR.
فرآیند پیادهسازی در چهار هفته
هفته اول: بررسی نیازها، تحلیل اسناد موجود و اجرای فاز ارزیابی روی
نمونه واقعی
هفته دوم: نصب، پیکربندی و راهاندازی یکپارچگیها
هفته سوم: دیجیتالیسازی پایلوت، تنظیم آستانهها و آموزش تیم
هفته چهارم: راهاندازی کامل، تحویل و شروع پشتیبانی مستمر.
انتقال بایگانی قدیمی جدا از این زمانبندی و متناسب با حجم آن برنامهریزی
میشود.
برای چه سازمانهایی مناسب است؟
- سازمانهایی با حجم بالای سند ورودی ماهانه
- بایگانی کاغذی یا PDF اسکنشده غیرقابل جستوجو
- الزام قانونی برای نگهداری و ردیابی اسناد
- نیاز به نگهداری داده درون شبکه سازمان
و چه زمانی مناسب نیست: اگر اسناد از ابتدا دیجیتال و ساختاریافته تولید میشوند، اصلاح فرآیند ورود داده در مبدأ راهحل درستتری است.
پرسشهای فنی و اجرایی درباره هوش اسناد
اینها همان سؤالهایی هستند که معمولاً در جلسه اول فروش پرسیده میشوند. پاسخها اینجا آمدهاند تا لازم نباشد منتظر جلسه بمانید.
هر سه حالت پشتیبانی میشود: نصب کامل روی زیرساخت داخلی سازمان (On-Premise)، استقرار در شبکه ایزوله و بدون اتصال به اینترنت (Air-gapped)، و ابر اختصاصی روی دیتاسنتر داخل کشور. در حالت On-Premise هیچ دادهای از شبکه سازمان خارج نمیشود و بهروزرسانیها بهصورت بسته آفلاین اعمال میشوند.
دقت به کیفیت اسکن، نوع فونت و ساختار سند بستگی دارد و اعلام یک عدد واحد برای همه حالتها دقیق نیست. ما دقت را با معیار نرخ خطای نویسه (CER) و به تفکیک نوع سند گزارش میکنیم - جدول دقت را ببینید. توصیه ما این است که در فاز ارزیابی، نمونهای از اسناد واقعی خودتان تست شود تا عدد دقیق روی داده شما مشخص شود. این تست بخشی از فرآیند پیشفروش است.
پیش از OCR یک لایه پیشپردازش اعمال میشود: تصحیح چرخش، حذف نویز، یکنواختسازی روشنایی، جداسازی مهر و امضا از متن و بازسازی خطوط جدول. اسنادی که زیر آستانه اطمینان قرار میگیرند برای بازبینی انسانی علامتگذاری میشوند، بهجای اینکه خروجی نامطمئن بیصدا ثبت شود.
هر فیلد استخراجشده یک امتیاز اطمینان دارد و یک لایه اعتبارسنجی مستقل، صحت ساختاری داده را بررسی میکند: رقم کنترلی کد ملی، صحت شبا، تطابق جمع اقلام با مبلغ کل فاکتور و منطقی بودن تاریخ. موارد مشکوک وارد صف بازبینی میشوند، به همین دلیل نرخ خطای نهایی سیستم بهمراتب کمتر از نرخ خطای خام OCR است.
بله. یکپارچگی از طریق REST API و وبسرویس انجام میشود و برای سامانههای پرکاربرد بازار ایران کانکتور آماده وجود دارد. اگر سامانه سازمان شما سفارشی است، کانکتور اختصاصی در فاز پیادهسازی توسعه داده میشود. ورودی اسناد میتواند از اسکنر شبکه، پوشه مانیتورشده یا ایمیل تأمین شود.
قیمتگذاری ترکیبی از هزینه یکباره راهاندازی و هزینه دورهای بر اساس حجم پردازش است. برای برآورد اولیه تنها دو عدد لازم است: حجم تقریبی بایگانی موجود و تعداد اسناد ورودی ماهانه.
فاز ارزیابی با نمونهای از اسناد واقعی سازمان انجام میشود و خروجی آن، دقت واقعی روی داده شماست. پیادهسازی کامل طبق برنامه چهار هفتهای انجام میشود. دیجیتالیسازی بایگانی قدیمی جدا از این زمانبندی و متناسب با حجم آن برنامهریزی میشود.
اگر حجم اسناد ورودی ماهانه شما پایین است، یا اسناد از ابتدا بهصورت دیجیتال و ساختاریافته تولید میشوند، هزینه پیادهسازی توجیه اقتصادی ندارد. در این حالتها معمولاً اصلاح فرآیند ورود داده در مبدأ راهحل درستتری است و ما هم همین را پیشنهاد میدهیم.
آمادهاید بایگانی سازمان را قابل جستوجو کنید؟
با بیش از یک دهه تجربه و ۵۰+ متخصص هوش مصنوعی، کارن تکنولوژی شریک تحول دیجیتال شماست.
درخواست فاز ارزیابی رایگان
