Sømløs og Sikker Online Ansøger Validering
CASE STUDY: Strømlining af Ansøgningsprocessen med Avanceret AI Integration
Publiceret d. 2/4-2025 
Read English version
Case Study Resumé
Dansk Folkehjælp stod over for en betydelig udfordring med effektivt at behandle ansøgninger til forskellige hjælpeprogrammer, såsom jule- og feriehjælp til underprivilegerede familier. Organisationen søgte et nyt system til at klassificere ansøgere baseret på deres skatteopgørelser og sundhedskort.
For at løse dette problem blev Ergasio integreret med Optical Character Recognition (OCR) modeller for at udtrække ustrukturerede data fra skattedokumenter og sundhedskort. Denne integration gjorde det muligt automatisk at udtrække data fra ustrukturerede kilder og omdanne rå data til strukturerede formater, der er egnede til AI-drevet beslutningstagning.
1
Automatisk dataudtræk fra ustrukturerede dokumenter og billeder
Systemet håndterer effektivt data fra ustrukturerede kilder, såsom ansøgeres selvangivelser og sundhedskort, som indsendes som PDF- og billedfiler. Ved at udnytte avanceret optisk tegngenkendelse (OCR) teknologi, udtrækker og omdanner systemet automatisk disse rå data til strukturerede formater, hvilket strømliner valideringsprocessen af ansøgninger.
2
Integration med eksterne AI-værktøjer som Microsoft Cognitive Services
Ergasios implementering omfatter integration med eksterne AI-værktøjer som Microsoft Cognitive Services, hvilket øger systemets evne til effektivt at behandle og validere ansøgerdata. AI-modellen Document Intelligence Studio, som er trænet i Azure Cognitive Services, scanner forskellige dokumentformater og sikrer hurtig og præcis dataudtrækning.
3
GDPR-overholdelse sikret ved installation af Ergasio på kundens Azure-cloud
For at sikre GDPR-overholdelse og beskytte følsomme ansøgerdata er Ergasio installeret i kundens egen Azure-cloud. Denne opsætning beskytter ikke blot personoplysninger, men sikrer også den stabilitet og hastighed, der er nødvendig for at håndtere det høje antal ansøgninger i spidsbelastningsperioder.
Switch2ai har været utroligt effektive og en stor hjælp i transformationen af vores ansøgningsproces."
Udfordringen
Hvordan kvalificerer man en ansøger?
Ustruktureret data
Løsningen er at kigge på ansøgernes årsopgørelser og sundhedskort. Disse data ligger desværre i ustruktureret format - enten som PDF eller billeder.
Udvikling
Switch2ai trænede to maskinlæringsmodeller via Azure Cognitive Services.
Implementering
Løsningen blev integreret i Dansk Folkehjælps eksisterende ansøgningsflow i samarbejde med deres webbureau.
Implementeringsdetaljer
Med implementeringen af Ergasio uploader ansøgere nu deres skatterapporter og børns sundhedskort direkte til systemet. Validering sker inden for få sekunder, hvilket reducerer den tid og indsats, der tidligere var nødvendig, betydeligt. Document Intelligence Studio AI-modellen, trænet i Azure Cognitive Services, scanner effektivt skatteopgørelser (PDF'er) og sundhedskort (billeder, PDF'er, HEIC, JPG).
Givet det høje antal ansøgninger—næsten 30.000 i spidsbelastningsperioder—er løsningens stabilitet og hastighed afgørende. Ergasios implementering på kundens egen Azure-cloud sikrer overholdelse af GDPR-reglerne og beskytter følsomme ansøgerdata.
Konklusion
Integrationen af Ergasio har revolutioneret måden, Dansk Folkehjælp behandler ansøgninger på, og leverer en problemfri og sikker løsning, der opfylder kravene i perioder med høj volumen. Ved at udnytte avancerede AI-teknologier kan organisationen nu fokusere mere på at levere hjælp til dem i nød, frem for at være tynget af administrative opgaver.
30k
Ansøgere logger ind for at søge om støtte – ofte inden for et kort tidsrum, når ansøgningsrunden åbner.
96k
Et stort antal dokumenter bliver uploadet, scannet og OCR-behandlet af maskinlæringsmodeller.
1
Vil du høre mere? 🙂
Ring og snak med Ruvan Fernando for yderligere information. info@switch2ai.com eller 22860468