代理商在2022年年底到达(国家档案馆和档案馆)电子记录管理截止日期的各个阶段。事实上，在最近的数字政府研究所电子发现、记录和信息管理虚拟会议上，活动组织者对观众进行了关于数字转型参与者进展情况的调查。毫不奇怪，结果甚至是"进步"，"我们还有很长的路要走"和"不要问"。在我们与政府机构的讨论中，我们发现了一个类似的观点。

无论代理机构在哪里进行电子记录管理，都应该利用这一机会部署从这些信息中获取洞察力的功能。然而，说起来容易做起来难，因为大多数机构都在试图发现信息的价值。它们拥有太多的非结构化和非机密信息，或者缺乏分析这些信息的内部资源和技能--或者两者兼而有之。

NARA的截止日期要求所有机构记录在2022年年底前达到100%的数字化。今天的分布式组织环境的特点是系统多样化，从各种数据源(包括物理和数字信息)中具有多种数据类型。这使负责实施NARA电子记录管理的机构记录管理人员感到头疼。然而，借助支持AI和ML分类、提取和丰富物理和数字内容的内容分析、数据管理和信息治理工具，代理可以成功地克服这些困难。

在数字转换过程中，将人工智能和ML功能集成到Agent的信息管理程序中，使它们能够自动地对物理和数字内容进行分类、提取和丰富。在较高的层次上，三个步骤如下：

输入记录--该系统使用光学字符识别、图像识别和视频处理来提取信息并以电子格式保存。

通过使用AI/ML--将分类过程和实体提取与AI/ML策略相结合，系统将自动训练模型、应用模型、捕获反馈并为下一阶段准备数据。

输出--当数据准备就绪时，将其导出到数据可视化功能中，使代理能够搜索、分析、查看和生成更多的洞察力，以便根据这些信息做出更好的决策。

AI/ML方法的好处

关于数字转换和简化记录管理过程，合并AI/ML的具体好处包括：

元数据用于搜索和跟踪。元数据标记是帮助组织正确分类、搜索和管理信息的数字化过程的一部分。元数据对于管理、访问和最终跟踪整个生命周期的信息至关重要。与AI/ML结合使用时，元数据可以提供有关代理记录的重要信息，例如内容是什么及其特性。

从多个来源提取数据。AI/ML系统可以帮助组织从孤立的来源获取信息，并按类型和相关的元数据对每一信息进行分类。

数据分类。在AI/ML解决方案中，将监督学习和非监督学习结合起来，有助于避免理解当这些系统自动查找、分离和理解数据中任何意外文档类时对所有文档类的需求。该过程训练连接到AI/ML平台的神经网络，从而在完成文档和元数据索引之后，建立基线库，然后在基线库中搜索模式和趋势。

可视化的用户界面。提高以通用格式查看/可视化信息的能力，可以提高整个组织的责任感和透明度，同时为决策者提供更有价值的数据。

不断改进。AI/ML系统继续使用人工校正和其他人工信号来改进电子学习，以提供更准确的结果。

虽然将所有记录转换成数字格式的过程可能令人望而生畏--特别是鉴于该机构管理的记录数量众多，种类繁多，但它确实为该机构提供了从这些信息中获取价值的机会。通过将AI/ML技术集成到其记录管理流程中，代理可以在其信息中释放这一潜力，以帮助做出更好、更明智的决策，并加强其提供的所有服务。