教育新闻网数以千计的业务细分市场可以从人工智能(AI)中受益，但也许不外乎住宅抵押处理。现在这几乎总是一个缓慢的过程，但是大多数申请抵押的人都希望这个过程要快得多。它是高度信息密集型的，信息来自多种来源：银行，雇主，房地产经纪人，评估师等。所涉及的费用很高，因此既有钱投资于改进，又有制造事物的需要更便宜
因此，当我听说位于波士顿附近的AI Foundry公司在利用AI实现抵押流程自动化方面走得很远时，我并不感到惊讶。自2015年以来，连续的技术企业家史蒂夫·巴特勒(Steve Butler)一直致力于解决这一问题。抵押处理是一个文档丰富的过程，幸运的是，人工智能擅长从文档中提取信息。但是抵押涉及数千种不同类型的文档，并且它们具有多种媒体和格式-纸张，传真，电子等。
几年前，巴特勒(Butler)和他的同事们决定，深度学习模型可能是从文档提取信息时提高准确性的关键。他们确定自己对这个假设是正确的，但是训练所有模型只是一个口号。到目前为止，他们可以从300种类型的文档中识别和提取信息，包括贷款估算，结算成本披露，W-2和评估，但是Butler希望至少达到600种。每种类型的模型训练都需要大量的信息。 AI Foundry从其客户那里获得的匿名，策展和标签数据。他们有几十万个培训数据文档，但是要掌握其他文档类型，还需要更多。
抵押决策的工作流程和分析
深度学习模型主要是从文档中提取数千个数据元素，但是抵押流程的其他方面则更加面向工作流。收到文件后，必须对其进行识别，标记为已接收，检查其签名，进行多次合规性和质量检查，然后输入抵押公司的贷款发起系统。机器人流程自动化(RPA)系统非常适合此类工作，它是工作流引擎和多个信息系统的非人工用户的结合。基于大多数商业RPA系统都面临的挑战的数据，有许多偶然分支，因此AI Foundry开发了自己的RPA功能(以及与其他RPA系统的接口)。该公司已经开发了贷款处理机器人，
平均而言，今天处理和批准抵押贷款需要40天，而几年前的47天略有改善。每个抵押贷款的平均成本约为9000美元，其中大约一半来自后台人工成本。AI Foundry的Butler认为，他们可以在至少1-2周内处理抵押贷款，费用是抵押银行后台成本的10%。对于提供抵押的银行来说，这是一个无风险的提议。他们通过贷款支付给AI Foundry。由于抵押贷款需求是周期性的，因此他们不想在不需要的时候让人们呆在身边。
