ラーニングインスタンスの有効性を評価するときは、可能な限り幅広い種類のドキュメントに対応するソリューションの構築に重点を置きます。 このようなソリューションにより、特定のドキュメント形式だけでなく、すべてのドキュメントに対応する包括的なオートメーションが実現します。

特定の事例に対する有効性がどのように判断されるかについての例をいくつか示します。

  • 電子メールの分類: 大量の顧客の E メールを処理する組織は、データ処理を活用して E メールを自動的に分類し、関連部門にルーティングすることができます。 この事例では、毎日 E メールを分類して振り分ける手作業の労力が最小限に抑えられます。 データ抽出効率が 50% 以上であっても、組織はこのソリューションから大きなメリットを得ることができます。
  • 船荷証券 (BOL) 処理: 毎日大量の荷物を扱い、荷物ごとに BOL を必要とする組織では、データ処理を活用して、手書きの情報と入力された情報の両方が含まれる可能性のある BOL を管理できます。 入力されたドキュメントは最小限の人間による操作で処理できますが、手書きのドキュメントは、判読しにくい、スキャンの品質が悪い、説明が複雑、更新や修正などの問題のために、人間による操作が必要になる場合があります。 この事例では、効率は入力ドキュメントの品質に依存します。 したがって、組織はドキュメント処理ワークフローにおける手作業の労力を削減することでメリットを得ることができます。
  • 法的文書のレビュー: 顧客のためにさまざまな法的契約を扱う法律事務所は、データ処理を活用して、初期レビューを実行し、各顧客の契約を分類することができます。 その後、法務レビュー担当者が、契約書の最終確認を行い、矛盾がないか確認してさらに処理を進めます。 このプロセスにより、レビュー担当者が最初のドキュメントの分類に費やす時間が短縮されます。 効率が 50% 以上であっても、事務所はこのソリューションから大きなメリットを得ることができます。