Documento AI

Document AI , también conocida como Document Intelligence , se refiere a un campo de tecnología que emplea técnicas de aprendizaje automático (ML), como el procesamiento del lenguaje natural (NLP) . ^[1] Estas técnicas se utilizan para desarrollar modelos informáticos capaces de analizar documentos de una manera similar a la revisión humana.

A través del procesamiento del lenguaje natural, los sistemas informáticos son capaces de comprender las relaciones y los matices contextuales en el contenido de los documentos, lo que facilita la extracción de información y conocimientos. Además, esta tecnología permite la categorización y organización de los propios documentos. ^[2]

Las aplicaciones de Document AI se extienden al procesamiento y análisis de una variedad de documentos semiestructurados , como formularios, tablas, recibos, facturas, formularios de impuestos, contratos, acuerdos de préstamo e informes financieros .

El aprendizaje automático se utiliza en Document AI para extraer información de documentos tanto digitales como impresos. Esta tecnología reconoce texto, caracteres e imágenes en varios idiomas, lo que ayuda a extraer información de documentos no estructurados . El uso de esta tecnología puede mejorar la velocidad y la calidad de la toma de decisiones en el análisis de documentos. Además, la automatización de la extracción y validación de datos puede contribuir a aumentar la eficiencia en los procesos de análisis de documentos.

Una carta comercial contiene información en forma de texto, así como otros tipos de información, como la posición del texto. Por ejemplo, una carta típica contiene dos direcciones antes del cuerpo del texto. La dirección que aparece en la parte superior (a veces alineada a la derecha) es la dirección del remitente . Normalmente, a continuación aparece la fecha de la carta y el lugar de redacción. A continuación, aparece la dirección del destinatario .

La distinción entre la dirección del remitente y la dirección del destinatario se transmite únicamente por la posición de la dirección en la página, es decir, no hay ninguna indicación textual como Sender:delante de las direcciones.

Los datos se suelen distinguir entre datos espaciales y datos de series temporales. Los primeros pueden ser imágenes, mapas, gráficos, etc., mientras que los segundos pueden ser, por ejemplo, el precio de una acción o una grabación de voz. Document AI combina datos de texto, que tienen una dimensión temporal, con otros tipos de datos, como la posición de una dirección en una carta comercial, que es espacial.

Históricamente, en el aprendizaje automático, los datos espaciales se analizaban mediante una red neuronal convolucional y los datos temporales mediante una red neuronal recurrente . Con la llegada de la arquitectura de transformadores independientes del tipo de dimensión , estos dos tipos diferentes de dimensión se pueden combinar más fácilmente; Document AI es un ejemplo de ello.

• Mejorar la fiabilidad de la información empresarial reduciendo los errores de entrada manual de datos
• Utilización de IA para identificar anomalías en nuevas facturas de clientes establecidos
• Acelerando el proceso de tramitación de hipotecas
• Automatización del seguimiento de carteras de préstamos para la gestión del riesgo crediticio
• Permitir que los empleados se concentren en tareas de mayor valor
• Detección de moneda falsa y cheques fraudulentos
• Extracción y análisis de datos que antes eran inaccesibles en silos de documentos para tomar decisiones comerciales informadas
• Agilización del procesamiento de recibos a escala global
• Ayudar a las empresas a automatizar la evaluación de los impactos de los cambios regulatorios en los contratos
• En el sector inmobiliario , contribuir al desarrollo de una clasificación estandarizada de documentos y la extracción automatizada de información ^[3]