FSI 핵심 프로세스의 광학 문자 인식(OCR) 기술

광학 문자 인식 (OCR)은 손으로 쓴 문자와 인쇄된 문자를 인식하고 편집 및 검색 가능한 데이터로 변환하는 기술 프로세스입니다. 두 가지 기본 기능이 있습니다. 수동 데이터 입력 제거 및 자동으로 정보 추출 . 예를 들어 종이 계약서를 디지털화하고 편집하려는 경우 문서를 입력하는 데 오랜 시간을 할애하거나 스캐너/사진 및 OCR을 사용하여 몇 초 안에 파일을 실행 가능한 파일로 변환할 수 있습니다.

OCR 기술은 이제 매우 높은 수준의 정확도를 달성합니다. 문자 인식 , 99% 이상입니다. 오늘날의 과제는 추출해야 하는 관련 결합 정보 문자열을 식별하여 인쇄되거나 스캔된 문서에서 데이터 항목을 찾고 추출하는 것입니다. 이는 구조화되지 않은 문서 및 테이블의 경우 특히 어렵습니다. 자연어 처리(NLP) 및 기계 학습을 사용하여 문서에서 데이터를 식별하고 추출할 수 있습니다. 가능하지 않은 기능을 직접 활성화합니다(즉, 교차 검증 또는 테이블의 숫자 합산). 많은 OCR 공급업체는 이미 이러한 기술을 사용하여 제공하는 OCR 도구의 기능을 개선하고 있습니다.

디지털화 프로젝트에서 OCR 기술은 종종 프로세스를 자동화하기 위해 워크플로 도구와 함께 사용됩니다. 수작업을 줄입니다. 이러한 도구는 데이터 및 문서를 수집, 검색, 처리, 편집, 보관 또는 전달합니다.

OCR은 목적을 위한 수단일 뿐이며 문서에서 OCR 엔진이 추출한 데이터를 AI 기반 시스템과 통합하여 사기 탐지와 같은 많은 잠재적 사용 사례에 대해 진정한 기능적 가치를 추가하려면 고급 분석 소프트웨어와 결합해야 합니다. , 규정 준수 또는 프로세스 자동화.

그림 1. 예시적인 OCR 처리 단계

<강한>

그림 2. 추출 단계의 사용자 인터페이스 예(검증을 위해 자동으로 추출된 값이 있는 스위스 세금 신고)

<강한>

OCR 기술의 선택된 사용 사례

은행에서의 신용 위험 관리 프로세스: 신용 평가는 원본, 복사 또는 스캔한 재무 문서를 사용하기 때문에 시간이 매우 많이 소요될 수 있습니다. 여기에는 평가를 위해 각 항목을 IT 시스템에 수동으로 입력하는 작업이 포함됩니다. 이 프로세스는 데이터 전송이 제한되어 있어 입력 오류의 위험이 상당히 높기 때문에 신용 목적의 재무 분석을 신뢰할 수 없을 수 있습니다. AI와 결합된 OCR은 스캔한 재무제표를 디지털화할 수 있을 뿐만 아니라 IT 시스템 전체에서 액세스할 수 있는 읽기 및 검색 가능한 데이터세트로 전환할 수 있습니다. 이것은 신용 분석가의 작업의 일부를 자동화할 수 있습니다. 이 과정에서 첫 번째 단계는 OCR을 사용하여 재무 회계 제표를 디지털화하는 것입니다. 그런 다음 기계 학습 알고리즘은 회계 명세서의 기본 패턴을 구별하고 필요한 데이터를 식별 및 추출하도록 시스템을 가르칩니다. 이를 통해 신용 검토당 약 2~4시간의 시간을 절약할 수 있으며 신용 분석가는 실제 신용 위험 분석에 더 집중하고 정보에 입각한 대출 결정을 내릴 수 있습니다.

1. 자동 대출/모기지 처리: 모기지/대출 처리 중에 OCR은 세금 신고서, 급여 명세서 또는 급여 증명서, 신분증/여권 등과 같은 대출과 관련된 다양한 문서 세트의 자동화 및 처리를 가능하게 하여 고객 여정을 개선하고 프로세스를 최적화할 수 있습니다. 이는 대출 플랫폼과 같이 대출 결정에서 높은 직접 처리를 목표로 할 때 특히 이점이 있습니다.
2. 고객 온보딩 및 KYC 프로세스: OCR은 같은 방식으로 KYC 프로세스에서 일반적으로 필요한 문서를 자동으로 읽고, 라우팅하고, 처리하는 데 도움을 줄 수 있으므로 계정 개설 및 고객 온보딩 중 첫 번째 상호 작용부터 더 빠르고 더 나은 고객 서비스를 가능하게 합니다.
3. 보험 청구 처리: 보험 청구를 분석 및 처리하는 동안 OCR은 인적 오류를 줄이거나 제거하고 이러한 청구의 처리 및 처리 속도를 높일 수 있습니다.
4. 여행 경비 문서: 여행하는 사업가는 환불 및 감사 목적으로 경비를 문서화하고 등록해야 할 수 있습니다. 계정 직원이 확인하기 위해 포털에 비용 세부 정보를 입력해야 할 수도 있습니다. 이 프로세스는 번거롭고 시간이 많이 소요될 수 있습니다. 대안으로 OCR 기술을 사용하여 영수증에서 데이터를 복사하고 승인 또는 거부하고 앱이나 포털로 직접 전송할 수 있습니다.

일반적으로 잘 개발/훈련된 시스템은 SME의 대차대조표, 클라이언트 온보딩 및 기타 다양한 문서에서 데이터를 추출할 때 90% 이상의 정확도 수준에 쉽게 도달할 수 있습니다. 그러나 적은 비용과 시간으로 전반적으로 OCR 기술은 수동 프로세스를 줄이거나 없애고 생산성을 향상시키며 오류나 사기 가능성을 줄여 시간을 절약할 수 있습니다.

OCR 시장의 거대 기업

여러 공급업체에서 바로 사용할 수 있는 OCR을 제공합니다. . 현재 시장에 나와 있는 주요 제품 중 일부는 ABBYY FlexiCapture, ABBYY Vantage, Google의 Vision AI, Amazon Textract 및 Microsoft의 Computer Vision입니다.

Deloitte 및 ABBYY:신용 처리에서 D-SIB 소매 은행의 사용 사례

선도적인 D-SIB인 당사 고객은 모바일 B2C 모기지 대출 플랫폼 개발을 포함하여 신용 부문에서 여러 디지털화 프로젝트를 시작했습니다. 이 앱을 사용하면 최종 고객이 원격으로 모기지 신청을 할 수 있으므로 신청 및 승인 프로세스가 간소화되고 속도가 빨라집니다. 스위스의 신용 대출 프로세스에는 여전히 많은 수의 종이 양식이 포함되기 때문에 은행은 고객이 필요한 데이터를 수동으로 수동으로 삽입하는 지루한 작업을 덜어주기 위해 최종 사용자가 직접 문서 식별 및 자동 데이터 추출 솔루션을 모색했습니다. 대출 신청을 위해.

Deloitte는 이러한 기능 구축을 담당했으며 ABBYY와 협력하여 ABBYY FlexiCapture를 사용하여 단기간에 OCR 솔루션을 배포하여 세금 신고서, 급여 인증, 주민등록증, 외국인 거주 허가증 및 연금 내역서. 딜로이트는 OCR 솔루션의 기술적 구현에 대한 전문성과 스위스 대출 프로세스의 규제 요구 사항 및 현재 모범 사례에 대한 지식을 적용했습니다. 고객의 신용 위험 선호도 및 모델에 따라 신용 의사 결정에 필요한 데이터 포인트를 식별하고 단순화하기 위해 리버스 엔지니어링 접근 방식을 적용하는 것이 중요했습니다. API를 통해 모바일 사용자에게 원활하게 통합할 수 있는 유연한 입력 및 출력 인터페이스 구성으로 모기지 신청을 신속하게 처리하기 위한 플랫폼을 개발하여 모기지 신청자에게 직관적인 고객 여정을 제공합니다.

그림 3 ^. OCR-App을 스위스 모바일 모기지 신청 프로세스에 통합하는 워크플로의 예

데이터 수집 및 추출 프로세스는 다음과 같습니다. 고객은 필요한 문서를 스캔하여 업로드하거나 모바일 모기지 응용 프로그램 플랫폼을 통해 직접 스마트폰으로 사진을 찍습니다. 업로드된 문서는 FlexiCapture에서 분석되어 자동으로 분류됩니다. 문서에 따라 FlexiCapture는 필요한 관련 정보가 포함된 특정 필드를 추출합니다. 다음으로, 문자 인식의 정확도가 테스트되고 특정 임계값(이 경우 90%)을 초과하면 모기지 응용 프로그램에서 추가로 사용하기 위해 데이터가 자동으로 내보내집니다. 정확도 테스트가 임계값 아래로 떨어지면 사용자는 추출된 정보를 검토하고 수동으로 수정할 수 있습니다.

딜로이트는 최신 기술을 구현한 광범위한 경험과 금융 서비스 산업에 대한 전문성을 바탕으로 프로세스의 효율성을 높이고 비용을 절감하며 가치를 실현하도록 도울 수 있습니다. 추가 질문이 있으시면 주저하지 마시고 저희에게 연락해 주십시오.