Sammansmältningen mellan människor och maskiner sker just nu – 3 AI-tekniker som används i anbudsförfaranden

Artificiell intelligens (AI) avser maskiners förmåga att uppvisa intelligent beteende. AI kommer att förändra vårt sätt att leva, arbeta och resa. Det kommer också att påverka vårt sätt att svara på anbud. För närvarande går många anbuds- och upphandlingschefer fortfarande ut med mappar fulla av utskrivna anbudshandlingar med klisterlappar och markerade texter. Detta är på väg att förändras. Människor och maskiner kommer att samarbeta allt mer och det kommer att ske en ”digitaliseringsrevolution” under de kommande åren.

Nedan förklarar vi hur olika områden inom AI kan kombineras för att säkerställa en stark samverkan mellan människa och maskin. Vi kommer att diskutera tillämpningen av AI-disciplinerna datorseende, natural language processing maskininlärning vid svar på anbud.

Datorseende

Utvecklare av datorseende strävar efter att ge datorer förmågan att bearbeta bilder på ungefär samma sätt som människor gör. Datorseende baseras på djupinlärning. Detta är en form av maskininlärning som använder sig av den mänskliga hjärnans arkitektur. Datorseende syftar till att göra det möjligt för ett system att göra egna förutsägelser och fatta beslut baserat på sammanhanget. Precis som vår hjärna. Detta innebär att datorn kan identifiera objekt och fatta lämpliga beslut baserat på vad den ”ser”.

Bilder är exempel på ostrukturerade data, de består av oändliga pixlar. Snart kommer inte bara den mänskliga hjärnan utan även artificiella system att kunna omvandla denna virrvarr av pixlar till en strukturerad datamängd. Den mänskliga hjärnan gör detta automatiskt, medan systemet har en teknisk steg-för-steg-plan där modeller måste tränas. I fallet med Brainial omvandlar vi alla anbudshandlingar till en bild. Våra datorvisionsmodeller är specifikt tränade på dokument och dokumentlayouter, inklusive alla deras egenskaper. En datorvisionsmodell har till exempel lärt sig egenskaperna hos objekt som stycken, punktlistor, bilder och tabeller. En annan datorvisionsmodell detekterar metadata från ritningar. Texterna extraheras från objekten med hjälp av OCR-teknik och konverteras sedan till ett strukturerat dataformat och bearbetas med hjälp av Natural Language Processing. Ett strukturerat dataformat är ett sätt att representera data som är lätt för en dator att förstå och som är konsekvent. Istället för stora textblock delas det upp och klassificeras, ungefär som när en människa använder en markeringspenna för att markera ett dokument.

Natural Language Processing

Natural Language Processing NLP) är den teknik som används för att hjälpa datorer att förstå människors naturliga språk. Med NLP skapar vi en bro mellan människans sätt att kommunicera och datorns sätt att kommunicera. Ett NLP-system består av en pipeline med ett antal komponenter som sköter bearbetningen av texten. Varje komponent ger texten en struktur som underlättar vidare bearbetning, till exempel genom att ta bort stoppord eller ersätta alla språkspecifika bokstäver med vanliga bokstäver (t.ex. från é till e). De första komponenterna skiljer sig i uppgift från de senare komponenterna, som är mer inriktade på att analysera begrepp och relationer. Ett exempel på detta är textkategorisering, som delar upp textstycken i kategorier såsom juridisk, procedurmässig, teknisk, finansiell etc. De metoder som används sträcker sig från regelbaserade metoder, inklusive reguljära uttryck, till statistiska modeller och maskininlärningsmodeller. På Brainial använder vi en kombination av regelbaserade metoder och maskininlärningsmodeller.

Brainial utvecklat egna modeller som använder Natural Language Processing tolka och klassificera den formaterade texten. Vi använder den också för att extrahera specifika element, såsom uteslutningsgrunder, tilldelningskriterier och planering, samt organisationsspecifika frågor från anbudsdokumenten. Dessutom kan metadata detekteras och extraheras från anbudsdokumenten. Allt detta säkerställer att ett komplett anbud inom några minuter analyseras, klassificeras och kan presenteras på ett användarvänligt sätt. På grundval av denna första systemanalys kan en initial bedömning av om anbud ska lämnas eller inte göras och omedelbar insikt ges i de kritiska elementen i anbudet utan att en människa har läst ett enda ord av anbudet.

En ytterligare fördel med samarbete mellan människa och maskin är att färre element förbises. Nästan alla anbudsansvariga medger att de ibland har förbises information. Risken minskar avsevärt när en maskin läser tillsammans med dig. Detta leder till bättre förslag och en minskning av felkostnader som kan hänföras till anbudsfasen.

Maskininlärning

Maskininlärning är ett brett område inom AI som handlar om utveckling av algoritmer och tekniker som gör det möjligt för datorer att lära sig. Maskininlärning är en mycket mångsidig teknik som använder olika programvaror, algoritmer och tekniker för att bygga specifika modeller som bäst passar situationen. Maskininlärning består inte av en konkret uppsättning algoritmer som kan användas på ett standardiserat sätt.

Efter att anbudshandlingarna har analyserats av Brainial börjar människor arbeta med dem. De avgör att vissa resultat är viktigare än andra och tilldelar åtgärder eller andra etiketter. Ett exempel är att textstycket ”... 90 dagars betalningsfrist...” tilldelas åtgärden ”ledningens godkännande” och etiketten ”hög risk”. Nästa gång maskinen hittar en liknande text som innehåller exemplet med en betalningsfrist på 90 dagar kommer den automatiskt att tilldela åtgärden ”godkännande av ledningen” och etiketten ”hög risk”. Brainial speciella maskininlärningstekniker som kan göra korrekta förutsägelser baserat på relativt få exempel.

Slutsats

Människor och maskiner kommer att samarbeta allt mer. Detta kommer att leda till att mycket manuellt arbete inte längre behöver utföras, information kan extraheras, analyseras och presenteras på ett användarvänligt sätt i blixtsnabb takt. Det kommer att säkerställa att du som människa kan använda all din erfarenhet och kunskap under kreativa processer, värdeskapande aktiviteter och när du fastställer en vinnande strategi. Medan en maskin kan bearbeta stora mängder data i snabb takt, kan en människa läsa mellan raderna och förstå kundens situation. Allt vi kan säga är: omfamna de nya utvecklingen, använd dem till din fördel så kommer de att hjälpa dig att arbeta mer effektivt och produktivt, vilket gör att du kan ägna mer tid åt det roliga och åt de saker du verkligen kan göra för att göra skillnad.

‍