Infomedia effektiviserer manuelle arbejdsprocesser

Infomedia, en af landets førende medieovervågningsvirksomheder, har i mange år hjulpet deres kunder med at finde, analysere og håndtere relevante medieartikler. Det omfatter overvågning af mediebilledet og diverse mediekilder for at levere indsigt og data, der kan hjælpe virksomheder med at forstå deres medieomtale & konkurrencesituation. En af de mest tidskrævende opgaver var den manuelle relevansvurdering af artikler. For at optimere denne proces valgte Infomedia at implementere en AI-løsning.

Formålet med AI-projektet var at reducere den tid og de ressourcer, der blev brugt på manuelt at vurdere relevansen af artikler, og dermed forhåbentligt lykkes med at øge effektiviteten og præcisionen af deres tjeneste.

I forbindelse med implementeringen og udviklingen af AI-produktet til relevansvurdering, brugte Infomedia denne fremgangsmetode – måske du kan bruge den, som udgangspunkt i implementeringen af AI hos jer?:

1. Identifikation af behov:

Medarbejdere brugte betydelig tid på at gennemgå store mængder indhold for at afgøre, hvilke artikler der var relevante for specifikke kunder. Infomedia så ikke kun et behov for at optimere denne proces, men ligeledes en mulighed for at prøve AI af. Det skulle vise sig at være en rigtig god idé.

2. Proof of Concept:

For Infomedia var det essentielt at lave en "proof of concept" for at sikre, at deres AI-løsning reelt kunne løse de problemer, de stod overfor, inden de investerede yderligere ressourcer i projektet. Som Jakob Krohn Deleuran, Head of Data Science forklarer:

- Det er rigtig vigtigt for os at tænke over, hvad det egentlig er for et problem, vi forsøger at løse, og i den forbindelse sørge for altid at starte med en form for proof of concept, hvor vi kan få feedback på det, vi er ved at udvikle. Det er ikke altid det problem, vi starter ud med at forsøge at løse, som vi ender med at løse, efter vi har fået feedback fra slutbrugerne.

Infomedia brugte i denne proces data til at træne en AI-model i at genkende mønstre og kriterier, der bestemmer en artikels relevans for på den måde at demonstrere produktets levedygtighed.

3. Dataindsamling og forberedelse:

For at træne en effektiv AI-model til relevansvurdering er tilgængeligheden og kvaliteten af data afgørende. Infomedia begyndte processen med en omfattende dataindsamling, hvor de samlede store mængder data bestående af både relevante og ikke-relevante artikler. Efter indsamlingen af datagrundlaget måtte Infomedia desuden gennem en omfattende opgave med rengøring og strukturering af deres data for at sikre et godt output. Især dette trin var kritisk, da en model kun kan være så god som de data, den trænes på.

4. Modeltræning:

AI-modellen blev trænet ved hjælp af machine learning-algoritmer, der udgjorde grundlaget for den videre træning af modellen. Herefter blev modellen løbende forbedret gennem gentagne gennemløb af datasæt, hvor justeringer blev foretaget for at optimere præcision og recall.

5. Test og validering:

Modellen blev herefter testet på nye datasæt for at sikre, at den kunne generalisere til nye og hidtil usete artikler. Dette trin var afgørende for at sikre, at modellen ikke kun præsterede godt på træningsdataene, men også kunne levere pålidelige resultater i virkelige, dagligdags situationer. Det blev vurderet særligt relevant for netop Infomedia, da mediebilledet ændrer sig fra dag til dag og nyt indhold konstant produceres. Det krævede derfor en model, der kunne håndtere friske data effektivt og præcist.

6. Implementering:

Efter vellykket test, tilpasninger og endelig validering blev AI-modellen integreret i Infomedias arbejdsprocesser. Det omfattede integration med eksisterende systemer samt opsætning af en overvågningsmekanisme for løbende at spore modellens performance og sikre, at der ikke blev gået på kompromis med kvaliteten.

Resultater 

Modellen tog ca. 1,5 år at udvikle og implementere, og resultaterne taler for sig selv – 33% af tidsforbruget brugt på manuelt arbejde i forbindelse med relevansvurderingen blev skåret fra. Det frigjorde betydelige ressourcer, som kunne omdirigeres til andre værdiskabende aktiviteter inden for virksomheden og gav blod på tanden for at prøve endnu mere AI af.

Infomedia påbegyndte arbejdet med AI for knap 6 år siden. Sidenhen har de gjort sig mange erfaringer og på mange områder både effektiviseret og øget kvaliteten af deres arbejde. Infomedia har flere spændende projekter i kikkerten og ser bl.a. ind i at udvide deres brug af AI til andre områder. De har blandt andet udviklet AI-baseret sentiment for artikler, samt et AI-system til named entity recognition og arbejder pt. med at udvikle et system til topic classification og entity relations.

Infomedias AI-projekt med automatisering af manuelt arbejde er et fremragende eksempel på, hvordan virksomheder kan udnytte AI til at optimere arbejdsprocesser, reducere omkostninger og forbedre kvaliteten af deres service – uden at gå på kompromis med effektiviteten – tværtimod!

Implementering, DI Digital, DI Rågiverne, DI Handel, DI Hovedstaden