Transforme a maneira como você governa com dados e IA

Use este agente de IA para obter valor de dados governamentais inexplorados. Com visão computacional, ML e análise de texto, o processamento inteligente de documentos extrai informações contextuais de imagens de documentos digitalizados, apoiando decisões e análises posteriores.

O valor dessa solução:

• Maior produtividade.
• Redução de custos.
• Menor complexidade.

Técnicas de IA usadas nesta solução:

• Modelos de visão computacional.
• Modelos de machine learning.

Como a IA pode ajudar você:

• Moderniza os sistemas governamentais de arquivamento e gestão da informação.
• Reduz significativamente o tempo necessário para pesquisar e encontrar informações.
• Amplia a quantidade de informações úteis disponíveis para geração de insights.
• Posiciona a organização de forma proativa no cumprimento de sua missão, seja ela voltada a serviços ao cidadão, investigações ou operações.

Os modelos de IA oferecem:

• A extração de informações-chave de imagens ou documentos digitalizados é automatizada por este modelo de IA em um formato estruturado, permitindo análises e decisões futuras.
• Complementa processos existentes de OCR/RPA, melhorando significativamente a precisão e a qualidade da extração de informações, especialmente em formulários mais complexos, como documentos borrados, formulários com caixas de seleção ou escritos à mão.
• Neste estágio, os dados podem ser usados em investigações, gerar alertas, tornar entidades extraídas pesquisáveis ou alimentar processos existentes com dados estruturados.

Responda a perguntas complexas com um copiloto especializado que analisa grandes volumes de dados de inteligência previamente filtrados por analytics e IA, extraindo as informações mais relevantes. Com grandes modelos de linguagem (LLMs) e analytics para investigações, a tarefa de identificar informações valiosas a partir da inteligência torna-se mais direcionada, rápida e eficiente.

O valor dessa solução:

• Maior produtividade.
• Melhoria da segurança pública.
• Insights confiáveis.

Técnicas de IA usadas nesta solução:

Um copiloto de IA generativa consome informações previamente filtradas por uma plataforma de analytics para identificar com maior precisão elementos de interesse e destacar oportunidades para coletar ou considerar informações adicionais.

Como a IA pode ajudar você:

• Melhora o processo investigativo ao ir além do simples resumo de informações, destacando potenciais pistas, identificando dados ausentes e estabelecendo associações entre dados.
• Amplia o uso de uma plataforma de análise de dados que reconcilia informações e mapeia entidades a partir de vários registros e fontes de dados.
• Identifica lacunas no processo investigativo, gerando narrativas e descrevendo detalhes importantes com base nas melhores práticas organizacionais, de forma explicável.
• Apresenta informações relevantes ao investigador, mantendo o seu papel como intérprete dos fatos.

Os modelos de IA fornecem:

O LLM no topo de uma plataforma de analytics:

• Atua sobre um sistema de investigações para extrair insignts a partir de informações que foram coletadas, conciliadas, mapeadas e relacionadas.
• Coordena consultas e respostas entre o mecanismo de busca e o LLM, que então usa esse novo conhecimento junto com seus dados de treinamento para criar respostas melhores.
• Fornece respostas explicáveis, auditáveis e responsáveis, que indicam de forma clara as fontes e documentações que embasaram cada resultado.

Identificar casos de benefícios sociais com alto risco de erro para suportar a garantia de qualidade, triar referências de pagamentos excedentes e automatizar a recuperação de benefícios. As soluções SAS apoiam o Programa Suplementar de Assistência Nutricional (SNAP) e a Assistência Temporária para Famílias Necessitadas (TANF), programas norte-americanos que ajudam famílias de baixa renda.

O valor dessa solução:

• Tomada de decisão mais rápida.
• Melhores resultados.
• Detecção de fraude e prevenção mais robusta ou resolução de problemas mais rápida.
• Atendimento ao cliente aprimorado.

Técnicas de IA usadas nesta solução:

• Regressão multivariada por ML para identificar e correlacionar variáveis de entrada importantes que afetam erros em casos de elegibilidade SNAP.
• Modelagem de IA para identificar grupos de pares apropriados.
• ML árvores de decisão para pontuação de risco e classificação de casos com alto risco de erro.
• Modelagem IA para triagem de encaminhamento de fraude, por pontuação de risco, para potencial erro, excesso de pagamento e possível fraude, em comparação com erros no processamento de casos.

Como a IA pode ajudar você:

• Dá às equipes de garantia de qualidade do SNAP a capacidade de avaliar todos os casos sem amostragem para identificar padrões emergentes que levam a pagamentos indevidos e corrigir o erro antes que mais pagamentos sejam emitidos.
• Permite às equipes de recuperação de benefícios SNAP triar eficazmente referências de pagamento a maior para aumentar a eficácia e o ROI.
• Permite que as equipes de recuperação de benefícios do SNAP automatizem a identificação de pagamentos excessivos, maximizando a eficiência.

Os modelos de IA fornecem:

• Pontuação de risco para todos os casos SNAP ativos para identificar erros em casos de alto risco mais rapidamente.
• Classificação de risco de indicações de pagamento a maior para triar com mais eficácia o trabalho de alto valor.
• Agrupamento de pares para casos SNAP, com identificação e correlação de variáveis de entrada importantes.

Use processamento de linguagem natural, análise de texto e um LLM para categorizar, sintetizar e resumir grandes volumes de feedback escrito. Essa abordagem identifica temas, agrupa o feedback e gera um resumo conciso dos pontos principais, tornando o processo de lidar com o feedback escrito mais fácil, mais rápido e mais preciso.

O valor dessa solução:

• Maior produtividade.
• Insight confiável.
• Complexidade reduzida.

Técnicas de IA usadas nesta solução:

• Processamento de linguagem natural (PLN).
• LLMs.

Como a IA pode ajudar você:

A combinação de PLN e text analytics com um LLM pode ajudar:

• Evitando alucinações: Pré-filtragem de dados relevantes, garantindo resultados precisos.
• Melhorando o tempo de obtenção de valor: Usa LLMs menores, como o Llama 2, processando menos dados.
• Reduzir custos: Diminui os dados enviados aos LLMs, minimizando chamadas de API e recursos computacionais.
• Garantir a privacidade e a segurança: Utiliza bases de dados vetoriais locais para otimizar e proteger dados sensíveis.
• Apoia a verificação: Permite a rastreabilidade das saídas LLM, melhorando a transparência e a confiança.

Os modelos de IA fornecem:

A combinação de PLN e LLM:

• Ler dezenas de milhares de itens de feedback.
• Identifica temas recorrentes nos comentários.
• Identifica sentimento, como reações negativas.
• Compila recomendações.
• Resumir o comentário por temas recorrentes, semelhantes ou definidos pelo cliente.

Elimine as suposições na previsão e preparação contra inundações usando algoritmos de aprendizado de máquina e dados sintéticos para gêmeos digitais. Desenvolvido com dados históricos, este modelo impulsionado por IA pode ser implantado mesmo onde os dados hiperlocalizados são escassos, preenchendo efetivamente as lacunas de dados.

O valor dessa solução:

• Melhoria da segurança pública.
• Melhores resultados.
• Mais previsões precisas.

Técnicas de IA usadas nesta solução:

Modelos de ML criam um sistema de detecção de alerta antecipado, e tecnologia de Gêmeos digital apoiada por dados sintéticos permite um modelo de previsão de inundação.

Como a IA pode ajudar você:

• Proteger: Melhorar a segurança da população e os serviços de emergência com visibilidade em tempo real e previsões de inundações.
• Responder: Reduzir o impacto dos incidentes de inundação na propriedade e infraestrutura automatizando e otimizando a resposta.
• Melhorar: Aprimorar o planejamento de emergência com maior consciência situacional e Insight histórico.

Os modelos de IA fornecem:

• Insight em tempo real e consciência situacional, incluindo monitoramento das condições atuais com alertas automatizados.
• Previsões futuras de enchentes com alteração automatizada.
• Análise histórica e forense.
• Modelagem de previsão de inundação por enchente.
• Simulações para planejadores de emergência, aprimorando a modelagem para vários desastres.

Aumente a transparência e a confiança entre as agências tributárias e os cidadãos com a solução Non-Invasive Compliance and Enforcement (NICE). Esse sistema voltado para o contribuinte analisa as entradas em tempo real dos contribuintes no momento em que eles preenchem suas declarações, comparando-as com os dados disponíveis à agência fiscal. A análise identifica possíveis prompts educacionais com base em leis e políticas aplicáveis, fornecendo recomendações aos contribuintes. Esse feedback em tempo real aumenta a conformidade voluntária e os resultados, e considera potenciais riscos de fraude, dando aos contribuintes a oportunidade de corrigir suas declarações sem fiscalização adicional.

O valor dessa solução:

• Eficiência operacional maximizada.
• Maior envolvimento do cliente.
• Conformidade regulatória aprimorada.

Técnicas de IA usadas nesta solução:

• ML modelos, incluindo modelos supervisionados e não supervisionados.
• Segmentação de contribuintes.
• Resolução da entidade.
• Preditivo Analytics e análise prescritiva.

Como a IA pode ajudar você:

• Obter Insight abrangente de dados de imposto de renda, imposto sobre valor agregado e imposto aduaneiro em silos e dados de parceiros e instituições internacionais.
• Aprimorar a conformidade.
• Garanta regulamentos.
• Otimizar os recursos.
• Construir respeito entre contribuintes e autoridades fiscais.

Os modelos de IA fornecem:

• Um sistema analítico totalmente integrado que oferece uma visão ampla e aprofundada da conformidade fiscal e identifica automaticamente riscos potenciais de fraude e possíveis erros nas declarações fiscais.
• Análise abrangente dos dados disponíveis, incluindo dados de terceiros de parceiros nacionais e internacionais. O sistema automaticamente identifica e sinaliza possíveis discrepâncias de conformidade.
• Uma visão holística do histórico do contribuinte e uma educação tributária adequada com base nas suas atividades tributáveis, Analytics preditiva para garantir a otimização dos esforços de conformidade por parte da agência e uma pontuação completa de risco de fraude de forma contínua.

Reavalie o valor de propriedades residenciais usando dados de propriedades e vendas diariamente com maior velocidade, facilidade e precisão do que o método tradicional. O sistema fornece o valor real de cada fator considerado para uma propriedade, de acordo com outros fatores presentes na propriedade.

O valor dessa solução:

• Insights confiáveis e em tempo real.
• Aumento da receita.
• Complexidade reduzida.

Técnicas de IA usadas nesta solução:

• Análise avançada da árvore de regressão por ML.

Como a IA pode ajudar você:

• Fortaleça a tomada de decisões governamentais com uma visão integrada e em tempo real dos dados.
• Otimizar recursos e melhorar a efetividade do governo.
• Aumente a confiança pública, mantendo a privacidade dos dados e garantindo transparência na IA.
• Preparem-se melhor para responder rapidamente em tempos de disrupção e incerteza.

Os modelos de IA fornecem:

• Reconsideração diária de cada venda. Milhares de árvores de decisão são executadas diariamente usando dados de vendas de propriedades. A partir dessas árvores de decisão, os algoritmos extraem o value de cada fator para cada propriedade.
• Ranqueamento de fatores por importância. Os algoritmos identificam os fatores que são mais influentes no valor das propriedades.
• Reavaliação de todas as propriedades. O algoritmo de aprendizado de máquina calcula o valor de cada propriedade na comunidade. Isso permite que o escritório do avaliador compreenda as tendências de mercado para residências, bairros ou toda a comunidade.

Identificar e sinalizar fluxos de dados anômalos ou manipulados para melhorar a veracidade e a confiança dos dados. Em segurança nacional, nossa solução aborda os dados ceticamente porque os adversários frequentemente os alteram ativamente com a intenção de enganar e confundir.

O valor dessa solução:

• Governança de dados.
• Maior segurança.
• Insight confiável.

Técnicas de IA usadas nesta solução:

A solução utiliza uma abordagem analítica em camadas integrada ao SAS® Intelligent Decisioning, empregando várias técnicas de IA e aprendizado de máquina para detectar e alertar sobre injeções maliciosas de dados. A abordagem híbrida inclui:

• Modelagem preditiva: utiliza redes neurais, árvores de decisão e outros modelos para descobrir novos padrões a partir de dados herdados.
• Análise de texto: Extrai informações relevantes de grandes volumes de dados textuais não estruturados.
• Detecção de anomalias: Aplica técnicas como regressão, clustering e análise de sequência para identificar padrões anormais.
• Regras de negócios automatizadas: Filtra feeds de dados com base em regras sofisticadas que refletem padrões suspeitos.
• Análise de rede baseada em entidade: Identifica ligações entre as fontes de dados e as anomalias.
• Modelos de aprendizagem combinados: Use modelos de aprendizagem supervisionados, semissupervisionados e aprendizado não supervisionado juntos, o que dificulta a injeção de Dados maliciosos pelos adversários.

Como a IA pode ajudar você:

• Monitoramento dos fluxos de dados para gestão crítica da infraestrutura é essencial. Aumenta a resiliência, evitando o comprometimento dos sistemas. Infraestrutura crítica é um alvo conhecido para estados-nação adversários.
• A detecção precoce melhora a satisfação do cliente e a eficácia da missão. Dados anômalos podem indicar intenção maliciosa, instabilidade do sistema ou problemas de manutenção futuros.
• Monitorar constantemente a veracidade dos dados e implementar iniciativas de melhoria pode resultar em economias de custos. A análise baseada em dados ajuda a identificar as causas de raiz das ineficiências do sistema, permitindo melhorias rápidas e eficazes.

Os modelos de IA fornecem:

• Monitoramento constante da veracidade dos dados.
• Algoritmos de aprendizado de máquina facilitam a identificação de feeds de dados anômalos ou maliciosos, garantindo a qualidade de dados e a veracidade.
• Ingestão rápida e curadoria de novas fontes de dados para melhor execução da missão e análise eficiente da segurança do sistema usando o Processo SAS DataOps.
• Painéis de pontuação de veracidade de dados em tempo real para detectar injeções de dados maliciosas e outros problemas, apoiando sistemas a jusante.
• Monitoramento contínuo do desempenho e atualizações rápidas ou substituições de modelos à medida que as condições mudam e os adversários se adaptam, usando o Processo SAS ModelOps.