AHRC는 AI 및 기계 학습을 사용하여 SharePoint에 완전히 자동화된 EDRMS를 구현합니다.

2021년 10월 8일 발행

요약

호주 인권 위원회(이하 위원회)는 호주의 국가 인권 기관으로, 인권을 증진하고 보호하는 법무장관 산하의 독립 법정 조직입니다. 소규모 기관이지만 AHRC는 신기술의 조기 전략적 채택으로 명성을 얻고 있습니다. 최근 몇 년 동안 AHRC는 Microsoft Office 365 및 Azure로의 마이그레이션을 통해 정부를 선도해 왔습니다. 

호주 국립 문서 보관소(NAA)에 따르면 위원회는 현재 호주 정부 기록 관리 분야의 선두주자입니다. 위원회는 RecordPoint와의 기업 파트너십을 통해 RecordPoint Records365를 사용하여 SharePoint에 전자 문서 및 기록 관리 시스템(EDRMS)을 구현했으며, RecordPoint의 AI 및 기계 학습 기술을 활용하여 직원 입력 없이 기록을 분류했습니다. 

도전

2019년 2월부터 생산 중인 이 새로운 EDRMS 솔루션 이전에 위원회는 중복된 파일의 바다에 빠져 있었고, 중첩된 폴더에 얽혀 있었고, 문서 분실로 인해 당황했습니다. 자금 부족 및 기타 문제로 인해 위원회는 실행 가능한 EDRMS 솔루션을 구현할 수 없었습니다. 

최고 정보 책임자(CIO)인 Ron McLay와 정보 관리자인 Ryan McConville이 이끄는 위원회는 조사 옵션을 통해 재무부의 연구를 전통적인 EDRMS의 결점에 통합했습니다. 특히, 기록관리는 공무원의 수작업이 아닌 자동화되어야 한다고 보고서는 제안했다. 보고서에서 영감을 받아 위원회는 인공 지능(AI)과 기계 학습을 사용하여 완전히 자동화된 EDRMS를 구현하기 시작했습니다. 이는 RADICAL – 기록 및 문서 혁신 및 캡처 – 인공 학습의 기초를 형성합니다. 

AI를 사용한 EDRMS 구현은 효과적인 EDRMS를 실행하는 데 직면하는 주요 문제를 해결합니다. AI는 인적 오류의 범위를 줄이는 동시에 기록 분류의 양, 정확성 및 일관성을 높입니다. 단순한 사용자 인터페이스로 인해 사용자 활용도가 높아졌으며 직원들은 부담이 아닌 유용한 도구로 인식합니다. 

위원회는 RecordPoint 및 SharePoint에 대한 사용자 정의 및 추가 기능을 피하고 대신 구성에 중점을 두었습니다. 대행사가 경험한 일반적인 문제는 기존 또는 오래된 비즈니스 프로세스에 맞게 타사 추가 기능을 사용자 정의하고 사용하는 것입니다. 이로 인해 사용하기 어렵고, 비효율적이고 신뢰할 수 없으며, 그에 따라 사용자 활용에 따른 업그레이드가 어려운 시스템이 발생하는 경우가 많았습니다. 

RecordPoint 및 SharePoint의 기본 기능을 활용하여 비즈니스 프로세스를 개선했습니다. 위원회는 또한 Records365의 강력한 검색 기능을 통해 기록을 쉽게 검색할 수 있도록 간단한 탐색 기능을 통합했습니다. RADICAL 솔루션은 2019년 2월부터 생산 중이며 현재 조직 전체에 배포하기 위한 준비 단계에 있습니다. 

전략

위원회의 접근 방식은 인간 중심 설계에 초점을 맞춘 DTA가 권장하는 '맞춤화보다 구성'이었습니다. 직원들은 현재 요구 사항과 문제점에 대해 광범위하게 상담을 받았습니다. 가능한 경우 기본 Records365 및 SharePoint 기능이 보존되어 최종 사용자 교육 및 부담스러운 변경 관리의 필요성이 제한되었습니다. 

RADICAL을 계획할 때 주요 목표는 직원이 기록 관리 결정을 내리지 않고 핵심 업무에 집중할 수 있도록 하는 것이었습니다. RADICAL은 '투명한 기록 관리'를 제공하고 부정확하거나 일관되지 않은 분류 가능성을 제한해야 했습니다. 

전통적으로 분류 프로세스는 기록 담당자가 수동으로 수행했습니다. 분류의 수동 요소는 시간이 많이 걸리고 부정확성을 초래할 수 있으며 직원에게 지장을 줄 수 있습니다. 레코드 분류를 자동화하는 이전 방법론에서는 메타데이터 및 저장된 위치를 기반으로 레코드를 분류하는 규칙 트리를 사용했습니다. 그러나 규칙 트리는 숙련된 기록 담당자가 구축 및 유지 관리해야 하며 최종 사용자가 정확한 메타데이터를 적용하고 특정 위치에 저장하도록 해야 합니다. 

이 프로세스에서 AI를 활용하면 최소한의 규칙 트리와 기계 학습 모델을 결합하여 이러한 많은 문제를 해결할 수 있습니다. 레코드를 규칙으로 분류할 수 없는 경우 기계 학습 모델은 해당 내용을 기준으로 레코드를 분류합니다. 이 시스템은 복잡한 규칙 트리를 유지 관리할 필요성, 메타데이터 및 기록 위치에 대한 의존성을 제거합니다. 

RADICAL 프로젝트 팀은 RecordPoint의 AI 개발자와 협력하여 AFDA Express 및 위원회의 기관별 기록 처리 권한에 따라 기록을 분류할 수 있는 통계 모델을 만들었습니다. 

통계 모델은 수동으로 분류된 일련의 레코드를 취하고 자연어 처리 기술을 적용하여 문서 내용을 벡터로 정규화함으로써 개발됩니다. 그런 다음 모델은 알고리즘을 사용하여 훈련됩니다. 

초기 훈련 기간이 지나면 RADICAL 통계 모델은 80%의 정확도로 개별 기록을 분류할 수 있습니다. 위원회는 이 정확도가 시간이 지남에 따라 증가할 것으로 예상합니다. RADICAL은 또한 편집될 때마다 기록을 다시 분류하여 분류가 항상 최신 상태인지 확인합니다. 

기계 학습 모델은 처음에는 규칙 트리와 함께 작동하지만 모델의 정확성이 높아짐에 따라 규칙은 점차적으로 제거될 것이며 위원회는 회사 기록을 관리하기 위해 기계 학습에만 의존하게 됩니다. 

구현 단계에는 다음이 포함됩니다. 

  • 기존 시스템 및 보유 기록에 대한 자세한 분석 수행 
  • 새로운 정보 거버넌스 프레임워크 및 기관별 기록 처리 권한 개발 
  • 기록 마이그레이션 전략 개발 및 구현 
  • RecordPoint AI 개발자와의 광범위한 협업 및 테스트 
  • Records365가 관리하는 SharePoint 플랫폼 개발 및 테스트 
  • 전문적인 변경 관리 촉진자와 협력 
  • 최종 사용자 교육 및 실시간 지원 제공 
  • 합의된 보안 모델 구현 
  • 비즈니스 규칙을 포함한 시스템 및 기계 학습 알고리즘 사용에 대한 기관 전체의 승인을 얻습니다. 
  • 머신러닝 알고리즘 훈련 
  • 시스템 구현 및 출시 

결과

대부분의 호주 정부 기관이 동일한 기록 관리 요구 사항을 공유하기 때문에 위원회는 RecordPoint에서 제공하고 RADICAL에서 사용하는 기계 학습 모델이 '진정한 게임 체인저'이며 다른 기관도 동등한 '효율성, 생산성 및 효율성 향상'을 경험할 수 있게 해줄 것이라고 생각합니다. 비용 절감.' 위원회는 스스로를 기록 관리에 AI를 사용하는 정부의 선구자로 여기며 호주 정부 기록 관리의 현재 사고 리더로서의 경험을 공유하게 되어 기쁘게 생각합니다. 

RADICAL은 다음과 같이 위원회에 다양한 유형의 혜택을 제공합니다. 

  • 정확하고 일관되며 규정을 준수하는 자동화된 기록 관리 
  • DC2020 준수 
  • 중복을 줄이는 문서 버전 관리 
  • 향상된 협업 및 공유 
  • FOI(정보 자유) 요청 처리 간소화 
  • 고위 경영진을 위한 Power BI 보고서 
  • 기록 관리에 소요되는 직원 시간 감소 
  • 효과적이고 효율적인 기록 검색 및 검색 
  • 실시간 비디오 전사 
  • 자동화된 이미지 카탈로그 

RADICAL은 다음을 통해 위원회와 이해관계자에게 긍정적인 영향을 미쳤습니다. 

  • '투명한 기록관리'라는 목표를 실현합니다. 
  • 인적 오류의 범위를 줄여 정보 관리 관행의 정확성과 규정 준수를 높입니다. 
  • 향상된 검색을 통해 FOI 요청에 응답하는 데 소요되는 시간과 비용을 절감합니다. 
  • 물리적 스토리지 비용을 점진적으로 줄여 현재 연간 평균 $17,000AUD입니다. 
  • 디지털 스토리지 비용 절감 
  • 공유 문서 라이브러리를 통해 위원회 사업부 간 협력을 강화하고 기록에 대한 접근을 개인 정보 보호 또는 민감한 정보 보호를 위해서만 제한하는 '기본적으로 개방형' 정보 접근 정책 수립 
  • 전자 워크플로, 문서 버전 관리 및 자동화된 메타데이터 태깅을 통해 비즈니스 프로세스 개선 
  • 정기적인 예약 기록 폐기를 통해 잠재적인 데이터 침해의 영향을 최소화합니다. 

위원회의 초기 추정에 따르면 RADICAL을 사용하는 직원은 생산성이 최소한 5% 증가한 것으로 나타났습니다. 또한, 알고리즘에 의한 캡처 및 분류의 정확도가 향상되고 있으며 추정에 따르면 '이미 수동 분류의 정확도를 초과합니다.' 

마지막으로, 위원회는 상당한 비용을 들이지 않고도 기술적으로 진보된 솔루션을 구현할 수 있음을 보여줍니다. '우리는 전통적인 EDRMS를 사용하면 RADICAL보다 위원회 비용이 3~4배 더 많이 소요될 것으로 추정합니다.'