Tömeges dokumentum migráció AutoMeta-val

AutoMeta Logo 2

Kiindulási helyzet

Egy középvállalati ügyfél több mint 2,5 millió dokumentumot tárolt különböző hálózati megosztásokon és fájlszervereken. A dokumentumok között szerepeltek:

  • szerződések,
  • számlák,
  • műszaki dokumentációk,
  • HR-anyagok,
  • beszkennelt papíralapú iratok,
  • e-mail mellékletek,
  • vegyes formátumú PDF-ek és képfájlok.

A dokumentumállomány az évek során rendezetlenné vált:

  • eltérő mappastruktúrák alakultak ki,
  • hiányos vagy hibás fájlnevek voltak használatban,
  • a beszkennelt dokumentumok nem voltak kereshetők,
  • nem létezett egységes metaadat-kezelés,
  • az üzleti folyamatok lassúvá és auditálhatatlanná váltak.

A vállalat célja egy központi, intelligens dokumentumtár kialakítása volt az Alfresco Content Services platformon, automatizált feldolgozással és AI-alapú dokumentumosztályozással.


A megoldás

A projekt során az ügyfél a BroadBit csapata által fejlesztett és testreszabott AutoMeta és collAIgue rendszerek használtuk.

A két rendszer együttműködésével teljesen automatizált dokumentummigrációs és intelligens tartalom-feldolgozási folyamat valósult meg.


Projektcélok

A migrációs projekt fő céljai:

  1. Több millió dokumentum automatizált, emberi beavatkozás nélküli migrációja
  2. OCR-alapú szövegkinyerés
  3. AI-alapú dokumentum-osztályozás
  4. Strukturált metaadat-kinyerés
  5. Egységes vállalati dokumentumtár kialakítása
  6. Gyors kereshetőség és auditálhatóság biztosítása

Architektúra áttekintés

Az architektúra az alábbi fő komponensekből állt:

autometa migracio

Migrációs folyamat részletesen

1. Dokumentumok feltérképezése

A projekt első fázisában a rendszer automatikusan feltérképezte a meglévő hálózati megosztásokat.

Az AutoMeta:

  • elemezte a könyvtárstruktúrát,
  • azonosította a fájltípusokat,
  • kiszűrte a duplikátumokat,
  • statisztikát készített a dokumentumállományról.

Az előzetes elemzés során kiderült, hogy:

  • a dokumentumok 70%-a beszkennelt PDF volt (OCR nélkül),
  • közel 10% duplikált állomány létezett,
  • több mint 50 különböző dokumentumtípus fordult elő.

2. OCR feldolgozás

A migráció egyik legfontosabb eleme az OCR-feldolgozás volt.

A rendszer:

  • automatikusan felismerte a szkennelt dokumentumokat,
  • többnyelvű OCR-feldolgozást végzett,
  • strukturált szöveget állított elő (text layer),
  • kereshető PDF-eket generált.

Az OCR eredményeként:

  • a korábban nem kereshető dokumentumok teljes szöveges kereséssel elérhetővé váltak,
  • az Alfresco-ba betöltött dokumentumokat elkezdhették használni az ügyintézők,
  • lehetővé vált az AI-alapú osztályozás.

AI-alapú klasszifikáció collAIgue segítségével

A collAIgue rendszer nagy nyelvi modellek segítségével automatikusan elemezte a dokumentumok tartalmát.

A rendszer képes volt felismerni például:

  • számlákat,
  • szerződéseket,
  • teljesítésigazolásokat,
  • HR-dokumentumokat,
  • ügyféllevelezéseket,
  • műszaki specifikációkat.

Entitásfelismerés

A collAIgue az alábbi adatokat is automatikusan kinyerte:

  • ügyfélnév,
  • szerződésszám,
  • dátumok,
  • partnerazonosítók,
  • adószámok,
  • dokumentum azonosítók,
  • kapcsolódó azonosítók,
  • dokumentumtípus
  • van-e aláírás a dokumentumon.

Metaadat-struktúra kialakítása

Az AutoMeta a klasszifikáció eredménye alapján szabványos metaadat-struktúrát hozott létre az Alfresco-ban.

Példa:

DokumentumKinyert metaadatok
Számlapartner, dátum, számlaszám, összeg
Szerződésügyfél, szerződésszám, hatályosság, aláírások
HR dokumentummunkavállaló neve, osztály, hatályosság, aláírások
Műszaki dokumentációprojektkód, verzió

Automatikus mappastruktúra

Az egyik legnagyobb üzleti értéket az automatikusan kialakított rendezett dokumentumtár jelentette.

A rendszer a metaadatok alapján automatikusan hozta létre a célmappákat az Alfresco Content Services repository-ban.

A dokumentumok:

  • automatikusan a megfelelő helyre kerültek,
  • egységes elnevezést kaptak,
  • teljes metaadatkészlettel kerültek tárolásra.

Integráció az Alfresco rendszerrel

Az integráció REST API-kon és repository szolgáltatásokon keresztül valósult meg.

A migráció során az AutoMeta:

  • létrehozta a szükséges mappa-struktúrákat,
  • feltöltötte a dokumentumokat,
  • hozzárendelte a metaadatokat,
  • jogosultságokat kezelt.

Az eredmény egy teljesen strukturált, vállalati szintű dokumentumtár lett.


Teljesítmény és skálázhatóság

A projekt során kiemelt szempont volt a nagy tömegű dokumentumok feldolgozása.

Feldolgozási mutatók

MutatóÉrték
Migrált dokumentumok száma2,5 millió+
OCR feldolgozás950 000+ dokumentum
AI klasszifikáció pontossága95–98%
AI metaadat-kinyerés pontosság90-92%
Duplikáció-csökkentés~15%

Üzleti eredmények

A projekt eredményeként:

Jelentősen gyorsult a dokumentumkezelés

A dokumentumok keresési ideje percekről másodpercekre csökkent.

Megszűnt a manuális szortírozás

Korábban több munkatárs napi szinten manuálisan rendezte az állományokat.

Auditálható működés jött létre

Minden dokumentum:

  • verziókövetett,
  • visszakereshető,
  • jogosultságokkal szabályozott lett.

Javult az adatminőség

Az egységes metaadat-kezelés megszüntette a redundáns és hibás tárolást.


Technológiai előnyök

BroadBit AutoMeta

Fő képességek:

  • tömeges migráció,
  • OCR pipeline,
  • metaadat-normalizálás,
  • workflow automatizáció,
  • Alfresco integráció,
  • skálázható feldolgozás.

collAIgue

Fő képességek:

  • AI dokumentumklasszifikáció,
  • AI alapú metaadat-kinyerés,
  • entitásfelismerés,
  • tanítható modellek,
  • üzleti kategorizáció.

collAIgue girl 202510 00023 1

Összegzés

Az AutoMeta és collAIgue rendszerek kombinációja lehetővé tette egy korábban rendezetlen, heterogén dokumentumkörnyezet teljes automatizált átalakítását.

A projekt eredményeként:

  • létrejött egy intelligens vállalati dokumentumtár,
  • a dokumentumok kereshetővé és strukturálttá váltak,
  • az AI-alapú klasszifikáció jelentősen csökkentette a manuális munkát,
  • az Alfresco Content Services rendszerben egy hosszú távon fenntartható, szabályozott dokumentumkezelési környezet alakult ki.

A megoldás különösen hatékony nagyvállalati, közintézményi és erősen szabályozott iparági környezetben, ahol a dokumentumok mennyisége és komplexitása kiemelkedően magas.