“智能文档处理”（以下简称“ IDP”，Intelligent Document Process）是一个有趣的名称，因为它告诉我们，我们现在是--非智能文档处理。从本质上来说，文档处理是将基于文档的信息从其载体介质中分离出来，并与其他系统集成或导出到其他系统的能力。
随着将这种类型的信息整合到自动化工作流中的需求不断增长，对能够处理各种文档，并智能地响应变化的需求也在不断增长。
智能文档处理的好处通常，IDP将基于算法或人工智能的决策与人工设计和审查相结合。 IDP系统必须具有适应性；这可能意味着拥有非常庞大和严谨的训练，也可能意味着拥有用于程序员开发的，用于文档处理的模型的复杂框架。
IDP系统还具有根据预定义规则（财务，法规或业务）和外部数据集验证或处理数据的能力。这意味着IDP系统既需要具有将数据与文档分离的能力，又需要能够与外部数据库，内容管理和业务线系统无缝集成的本事。
这是智能文档处理和非智能文档处理之间的另一个区别：前者具有将提取的信息相对于企业系统进行上下文“理解”的能力，这对于与企业工作流和业务应用程序集成至关重要。
它可以改善现有流程：通常，当组织需要处理大量关键任务，但是有不同原始来源，图像质量或信息质量差异较大的纸质文档时，智能文档处理会提供最大的价值。对于大型组织而言，仅AP发票处理就是一个价值数百万美元的问题，可靠性和处理速度的任何提高都可能意味着大量节省。
IDP面临挑战 文件级的挑战挑战可能涉及手写文档的图像质量差（这可能意味着低分辨率的扫描，不寻常的颜色或文档大小，粘滞便笺或残缺的页面）（特别是当文档具有历史性时，随着手写方式的发展，这尤其具有挑战性），语言的变迁，到存在较少或没有结构化语言的情况等。
规则和验证挑战在规则和规范化级别，挑战通常涉及数据与所应用规则之间的关系，或者涉及多个相互竞争或互斥的竞争规则。
有时数据以多种形式出现，必须进行规范化，有时规范化很困难（例如，包含在“ comments”字段或数据库列中），有时则发生（例如石油）和天然气租赁土地说明），规则因地理区域而异。
整合挑战在导出和集成级别，挑战经常涉及旨在使摄取或导出变得困难的系统（许多旧式内容管理系统有意使从系统中检索数据变得困难）或标准合规性问题（尽管ODBC和CMIS是其相关行业的互换标准） ，例如，它们的许多实现都不完整或仅部分兼容，或者需要在用于连接的系统中进行复杂的配置）。
不幸的是，对于IDP用户和开发人员来说，文档处理的问题与语言本身的问题一样大，并且没有任何技术上的复杂性或计算资源能够真正“解决”它。
正如没有能够产生数论的形式系统能够证明所有正确定理或证明所有错误定理一样，IDP系统也永远无法完美地处理文档：总会有文档，数据点和案例超出系统能够处理。
当然，对人类也是如此：即使专家也会偶尔做出错误的决定或无法做出决定，并且更经常需要征求第二意见或与同事协商。
人工智能（AI）和机器学习等智能技术在2020年的文档自动化趋势中脱颖而出。SharePoint作为当今最受欢迎的协作平台之一，由于其高度的灵活性和与其他系统集成的能力，可以轻松地顺应这些趋势。自2007年以来，ScienceSoft一直提供SharePoint自定义和咨询服务，并且非常了解如何创建基于SharePoint的强大文档管理系统（DMS）。而且我们可以肯定，智能技术对于满足现代文档需求至关重要，特别是在大型组织中。在本文中，我们将分享由我们在项目中使用的智能技术驱动的文档自动化趋势。
智能过程自动化机器人流程自动化（RPA）可以自动化重复性任务，例如创建文档和报告。 RPA与机器学习等AI技术的集成带来了智能流程自动化（IPA）。与RPA相比，IPA并非严格基于规则。这是一项可扩展的技术，可以适应不断变化的数据和条件，使其适合于自动化复杂的可变过程。例如，IPA允许确定付款到期，并相应地自动生成提醒并将其发送给供应商，客户和业务合作伙伴。
手写识别通过将机器学习与高级文档捕获相结合，可以实现手写识别。因此，文档捕获软件可以用手写方式将文档数字化，例如以邮政地址，银行支票金额或医疗表格的形式。然后，机器学习算法可以识别手写内容。神经网络甚至可以高度准确地识别草书手写。
互动文件交互式文档具有嵌入式音频或视频文件，照片库，超链接和导航按钮。它们显示了电子签名的位置，这使与他们的合作变得快速而有趣。因此，只需在平板电脑上单击几下即可完成合同。
智能文件分析这项技术使用自然语言处理和机器学习来从非结构化数据（例如文本文档和图像）中获取见解。智能文档分析使用各种文档理解技术，例如：
文本分类可根据单个单词，短语，标题，元数据甚至嵌入式图像将文档分配到一个或多个类别。例如，它用于将文档路由到相关专家，这有助于节省时间和资源。
文本相似性允许检测文档或其部分中的重复项或几乎重复项。它有助于删除过时的文档版本，以避免混淆并节省文档存储空间。
汇总有助于为用户提供文档摘要，以使大容量文档的主旨无需完全阅读即可。该技术无需修改即可检测，提取和连接关键句子。同样，可以将文档改写为创建连贯的，缩短的文本。当使用自然语言生成（基于结构化数据生成文本的技术）时，后者是可能的。
