我們可以看到，在快速和廣泛採用機器學習(也稱爲自動學習)的過程中，自動化改進了大量數據的收集和處理。機器學習是人工智能的一個分支，指的是計算機能夠適應和學習新事物，而不必用新軟件重新編程。

這種持續建立知識庫並分析數據和識別模式的能力在會產生大量文件的行業中尤其有用，比如醫療和金融。但不僅僅侷限以此，對於一些公司要精確處理銷售訂單的情況下，也有着重要的應用。

事實上，對於一些銷售訂單的錯誤或缺失的細節，這些到最後都需要人力來檢查和糾正，在這個過程中費時又費力。

在大多數情況下，錯誤百出的銷售訂單會導致銷售下降或客戶不滿意。事實上，根據最近的一項調查顯示，在過去的一年中，有49%的消費者因爲糟糕的顧客體驗而停止了與至少一家公司合作。

在銷售訂單設置中，自動學習技術可能會讓你看到以下情況：

假設一家制藥商。傳統上，顧客購買兩到五個盒的藥物。但是在這個特殊的例子中，客戶選擇訂購50個盒。

即使是最勤奮的銷售代理如果他們特別忙或被其他職責分心，也可能會錯過這個訂單與客戶過去的交易有多麼的不同。但是，自動學習的文件過程自動化系統將識別並標記這種異常。它很可能證明訂單是正確的，但是通過識別和標記銷售，自動化系統可以觸發客戶服務代表的跟蹤。

這正是客戶代表應該做的事情。最好的利用員工時間的方法來確保客戶得到他們想要的東西，並找到新的方法來給他們帶來更多的價值，而不是檢查訂單的細節，尋找銷售交易中的異常。

在以前就已經建立自動學習在文件流程自動化方面的應用，雖然不足以提高準確性和效率。 因爲文件流程自動化一度依賴於建立追蹤用戶習慣的知識數據庫。 由於數據庫獲得了用戶習慣的知識和經驗，它將能夠糾正常見的錯誤，就像word修復拼寫和語法錯誤一樣。

但是這種文件流程自動化的方法並不理想。 文件質量必須很高，對於一些手寫的文字根本無法識別。 這也意味着人們不得不對文件進行審查，這就很難實現文件流程自動化的真正目標。

持續改進模型

與這種靜態方法形成鮮明對比的是，隨着時間的推移，基於雲技術的機器學習變得越來越智能。這一進步不僅在文件過程自動化中可以糾正員工輸入的數據，還可以檢查大量的客戶訂單，並識別哪些關鍵字通常用於哪些特定領域。當系統瞭解到哪些關鍵字與某一特定字段相關聯時，就能熟練進行填寫字段。

這與過去在文件流程自動化方面的應用有什麼不同呢？ 簡而言之，這是因爲系統具有從過去的錯誤中學習的巨大能力 - 它不會兩次犯同樣的錯誤。例如，如果一個員工檢查系統編譯的銷售訂單並發現一系列錯誤，系統將調整其處理信息的方式，以確保以後的處理更加準確和高效。這是一個會隨着時間的推移而變得更好的系統，因爲改進的算法可以幫助它更快更準確地工作。這就是機器學習的魅力所在。

本文首發網站：https://www.ait800.com/jiqixuexi/207.html