Tilbake til søkeresultatene

BIA-Brukerstyrt innovasjonsarena

Enhancing quality and efficiency in the RFP to Production Lifecycle.

Alternativ tittel: Effektivisering av dokumentproduksjons prosesser knyttet til anbuds-utlysninger.

Tildelt: kr 10,8 mill.

I dag brukes det store ressurser, både i form av menneskelige og økonomiske ressurser på å produsere dokumenter tilknyttet anbudsprosesser. Dokumentproduksjons prosessen knyttet til anbud krever omfattende koordinering og samarbeid på tvers av ulike avdelinger i en organisasjon. Prosessen omhandler alt fra å skrive forslag, kontrakter og gjennomføre kontrakten. Salgsorganisasjon bruker betydelige ressurser på å analysere og svare på RFP-er, og utarbeide kontrakter hvis anbudet blir akseptert. Den delen av organisasjonen som så skal stå for selve leveransen bruker deretter ytterligere ressurser på å forstå den skriftlige kontrakten og følge opp hva som skal leveres. Vi i Xait ønsker å effektivisere denne prosessen betydelig ved å utnytte maskinlæringsteknologi i dokumentutviklingsprosessen. Xait har som mål gjennom dette prosjektet å redefinere dokumentprosessindustrien gjennom å utvikle en intelligent integrert løsning for behandling og respons på anbuds-utlysninger fra det tidspunkt en utlysning fanges opp av organisasjonens systemer til en eventuell ferdig produksjon av kontrakten. Dette ønsker vi å gjøre ved å transformere vårt allerede markedsledende dokumentbehandlingssystem, XaitPorter, fra en automatiseringsprogramvare til intelligent assistent. Så langt har prosjektet jobbet med implementeringen av språkmodeller og metoden for dekonstruering av innkommende dokumenter, samt implementeringen i en egen «motor». Motoren og dekonstrueringen - kalt "shredding" - er produktifisert i XaitAnalyzer, et separat produkt for å vise resultatet av denne prosessen. Q2/Q3 har innebåret testing/verifisering av XaitAnalyzer hos kunde og i løpet av Q4 har vi beveget oss inn i å koble sammen den dekonstruerte teksten med forslag fra et standardbibliotek for å automatisk kunne finne innhold forfatteren kan gjenbruke. Dette vil ta ned tiden en forfatter bruker på utarbeidelsen av et dokument.

-

Today millions of hours, human resources, and euro, are used to manually produce documents of different forms. The process lifecycle demands collaborative efforts in deciding to answer an RFP, writing the Proposal, writing the Contract and executing the Contract. Sales organizations spend considerable human resources and expend many man hours in analyzing and answering RFPs, and writing the Contract if it is accepted. The delivery organization subsequently exhausts further significant amounts of time understanding the written Contract and following up what should be delivered. Xait aims to dramatically reduce both the calendar time, and resource time and manpower, consumed by this process lifecycle to efficiently analyze, write, understand and follow up the documents. Xait will utilize AI, Machine Learning (ML), Natural Language Processing (NLP) and Natural Language Understanding (NLU) techniques to analyze, categorize, trace appropriate content between requirements and delivery obligations, and suggest additional or replacement content for the identified necessary human participants. In addition, these techniques will be employed to improve the quality and completeness of documents to assist the decision making of human actors for ultimately better Proposals and Contracts. However, neither Xait, nor any of its competitors, have yet developed AI-based NLP/NLU solutions within document processing software for professional users. Existing solutions on the market help partially automate the process and take the contributors through a set of stages, but these software do not yet realize the value of intelligent automation by either leveraging the users' own text at a granular level, or taking the contributor's competency and role into account, for analyzing or classifying the incoming RFP or consequently producing suggestions for the outgoing Proposal.

Budsjettformål:

BIA-Brukerstyrt innovasjonsarena