Esker annonce le lancement de l'IA "Synergy Transformer" pour l'automatisation du traitement des commandes

Esker, plateforme cloud leader des solutions d'automatisation des processus pilotées par l'IA, pour les métiers de la finance, des achats et du service client annonce le lancement de "Synergy Transformer", la toute dernière version de sa technologie d'IA innovante, "Esker Synergy AI". Conçue pour automatiser le traitement des commandes clients en extrayant leurs données quel que soit le support numérique (pdf, scan, image, fax), "Synergy Transformer" établit un nouveau record de vitesse et de précision. Ce modèle de langage sur mesure tire parti de la technologie sous-jacente des IA génératives (Transformer) en s'appuyant sur des données d'entraînement spécifiquement adaptées aux subtilités des commandes clients, garantissant ainsi une extraction de données à la fois précise, rapide et peu consommatrice de ressources.

"Synergy Transformer" témoigne de l'engagement d'Esker à promouvoir un écosystème de croissance où toutes les parties prenantes sont gagnantes. Grâce à l'automatisation par l'IA, cette solution libère les employés, notamment les membres du service client et de l'administration de ventes qui effectuent des tâches manuelles répétitives et sujettes aux erreurs, comme la saisie des données de commande. Les équipes peuvent ainsi se concentrer sur des activités à plus forte valeur ajoutée comme le contact direct avec les clients. Dans le même temps, les clients profitent d'une réactivité accrue, sans qu'aucun changement ne soit requis dans la manière de soumettre leurs commandes.

Conçu spécifiquement pour ce cas d'usage, "Synergy Transformer" excelle dans l'extraction rapide de grandes quantités de données issues des commandes, surpassant les modèles de langage comme ChatGPT 4 qui ont une approche plus généraliste. Intégrée à la suite de solutions d'Esker, "Synergy Transformer" permet aux organisations de doter leurs équipes de capacités d'IA avancées, sans nécessiter d'importants investissements en temps ou en ressources pour rechercher, évaluer, tester et ajuster des modèles alternatifs.