代理商在2022年年底到達(國家檔案館和檔案館)電子記錄管理截止日期的各個階段。事實上，在最近的數字政府研究所電子發現、記錄和信息管理虛擬會議上，活動組織者對觀眾進行了關于數字轉型參與者進展情況的調查。毫不奇怪，結果甚至是"進步"，"我們還有很長的路要走"和"不要問"。在我們與政府機構的討論中，我們發現了一個類似的觀點。

無論代理機構在哪里進行電子記錄管理，都應該利用這一機會部署從這些信息中獲取洞察力的功能。然而，說起來容易做起來難，因為大多數機構都在試圖發現信息的價值。它們擁有太多的非結構化和非機密信息，或者缺乏分析這些信息的內部資源和技能--或者兩者兼而有之。

NARA的截止日期要求所有機構記錄在2022年年底前達到100%的數字化。今天的分布式組織環境的特點是系統多樣化，從各種數據源(包括物理和數字信息)中具有多種數據類型。這使負責實施NARA電子記錄管理的機構記錄管理人員感到頭疼。然而，借助支持AI和ML分類、提取和豐富物理和數字內容的內容分析、數據管理和信息治理工具，代理可以成功地克服這些困難。

在數字轉換過程中，將人工智能和ML功能集成到Agent的信息管理程序中，使它們能夠自動地對物理和數字內容進行分類、提取和豐富。在較高的層次上，三個步驟如下：

輸入記錄--該系統使用光學字符識別、圖像識別和視頻處理來提取信息并以電子格式保存。

通過使用AI/ML--將分類過程和實體提取與AI/ML策略相結合，系統將自動訓練模型、應用模型、捕獲反饋并為下一階段準備數據。

輸出--當數據準備就緒時，將其導出到數據可視化功能中，使代理能夠搜索、分析、查看和生成更多的洞察力，以便根據這些信息做出更好的決策。

AI/ML方法的好處

關于數字轉換和簡化記錄管理過程，合并AI/ML的具體好處包括：

元數據用于搜索和跟蹤。元數據標記是幫助組織正確分類、搜索和管理信息的數字化過程的一部分。元數據對于管理、訪問和最終跟蹤整個生命周期的信息至關重要。與AI/ML結合使用時，元數據可以提供有關代理記錄的重要信息，例如內容是什么及其特性。

從多個來源提取數據。AI/ML系統可以幫助組織從孤立的來源獲取信息，并按類型和相關的元數據對每一信息進行分類。

數據分類。在AI/ML解決方案中，將監督學習和非監督學習結合起來，有助于避免理解當這些系統自動查找、分離和理解數據中任何意外文檔類時對所有文檔類的需求。該過程訓練連接到AI/ML平臺的神經網絡，從而在完成文檔和元數據索引之后，建立基線庫，然后在基線庫中搜索模式和趨勢。

可視化的用戶界面。提高以通用格式查看/可視化信息的能力，可以提高整個組織的責任感和透明度，同時為決策者提供更有價值的數據。

不斷改進。AI/ML系統繼續使用人工校正和其他人工信號來改進電子學習，以提供更準確的結果。

雖然將所有記錄轉換成數字格式的過程可能令人望而生畏--特別是鑒于該機構管理的記錄數量眾多，種類繁多，但它確實為該機構提供了從這些信息中獲取價值的機會。通過將AI/ML技術集成到其記錄管理流程中，代理可以在其信息中釋放這一潛力，以幫助做出更好、更明智的決策，并加強其提供的所有服務。