Automatización tradicional
La automatización tradicional comienza con una evaluación manual:
1. Un proyecto gestionado adecuadamente requiere un inventario de documentación para un prestamista dado y para cada tipo de préstamo.
2. A continuación, el personal recoge ejemplos de todos los tipos de documentos de diferentes fuentes.
3. Organizan cientos de estos documentos por tipo y los revisan para identificar características únicas para la identificación automática en un flujo de trabajo de aprobación de un préstamo típico.
4. Una vez que el personal identifica todas las características de los documentos, un analista las codifica como reglas dentro de un sistema de captura de documentos.
5. Las reglas deben ser probadas para descubrir cualquier clasificación errónea que requiera agregar nuevas reglas o afinar las ya existentes.
6. Después de completar las pruebas y ajustes, las reglas entran en el flujo de trabajo de producción.
7. A continuación, es necesario crear un reglas que busquen los datos necesarios dentro de los documentos antes de que se puedan extraer y validar los datos.
8. Se lleva a cabo un proceso similar de análisis, pruebas y ajustes para asegurar que se extrae la máxima cantidad de datos y para comprender la precisión que rige cuando se necesita una revisión manual.
9. Debido a que muchos documentos no están estandarizados, se debe crear una amplia gama de reglas.
Algunas soluciones de la industria ofrecen la automatización de la configuración del procesamiento de documentos como un paso inicial o durante el proceso de preproducción y producción. El flujo de trabajo implica localizar muestras de un tipo de documento determinado e ir paso a paso con el software, a través de la ubicación de cada campo. Si la solución de algún proveedor incluye un tipo de documento preconstruido, por ejemplo una factura, muchas reglas para localizar campos o datos están predefinidas y el usuario solo identifica muestras donde no se encontraron datos.
La localización de estos campos entrena al sistema. Aunque no es machine learning, el sistema incorpora las coordenadas de estos campos y crea una nueva plantilla para el documento o agrega reglas generales de ubicación. El resultado es una mezcla de beneficios de un sistema experto más tradicional, junto con las exigencias obtenidas de la función de entrenamiento.
Los pros
- La solución de problemas es sencilla. Las reglas son identificadas y calificadas por humanos. La comprensión de por qué el sistema proporciona cierta salida bajo diversas circunstancias es clara.
- Muchas veces los documentos son altamente estandarizados o son formas estructuradas. La aplicación de reglas basadas en plantillas asegura que los errores relacionados con la ubicación de los datos se eliminan en su mayoría. La precisión global puede ser mucho mayor que la proporcionada por un sistema de machine learning que intenta generalizar la ubicación de los datos.
Los contras
- Una desventaja de las reglas codificadas es el tiempo que se tarda en alcanzar un nivel aceptable de automatización. Desarrollar un rendimiento aceptable de datos semiestructurados como facturas lleva mucho tiempo.
- Otra desventaja es la necesidad de un experto en la materia para calificar el sistema. La disponibilidad de expertos puede ser difícil de conseguir, inicialmente, cuando el sistema debe ser revisado debido a los cambios en los requisitos.
Machine learning
Aquí es donde hay un área gris que se complica por el uso de varios proveedores acerca de los términos aprendizaje y formación. Examinemos el mismo conjunto de requisitos utilizando tecnologías de machine learning:
Para el descubrimiento inicial de documentos se puede usar una técnica llamado clustering para automatizar el agrupamiento lógico de documentos similares. Los documentos se pueden organizar automáticamente. Las aplicaciones pueden agruparse con otras aplicaciones. Las fotografías de licencias de conducir se agrupan con documentos de identificación, y así sucesivamente.
El resultado es un conjunto de documentos agrupados por similitud que luego pueden ser evaluados. Estos grupos forman la base de muestras de clases de documentos que se pone en el sistema, donde el software identifica automáticamente las características de cada uno y crea reglas.
La creación de reglas de extracción de datos es un enfoque similar. El requisito más importante es que la organización debe tener un mayor número de muestras, pero también tener datos reales, que son los resultados reales de lo que debería ser la extracción de datos.
Por ejemplo, un usuario suministra al sistema una muestra junto con los valores reales del campo que se deben extraer. De esta forma, se entrena automáticamente al software para localizar los datos coincidentes y derivar reglas de posición para cada campo de datos. Se debe hacer esto para cada muestra y luego, automáticamente, crear algoritmos basados en la ubicación exacta, cambios en la colocación de cada ejemplo y posición relativa a otros datos.
Los pros
- La creación de reglas es simple ya que el usuario no codifica las reglas.
- Además, los ajustes pueden ser manejados mediante la adición de muestras de los nuevos documentos junto con los datos asociados a la realidad.
- Los expertos y personas técnicas para codificar el sistema son menos necesarios.
Los contras
- Los inconvenientes de este tipo de enfoque son imágenes espejo del enfoque del sistema experto.
- Solucionar problemas de salida incorrecta es un reto y requiere agregar nuevas muestras y revisar los resultados para ver si han mejorado.
- Tener un sistema de aprendizaje para desarrollar sus propias reglas de ubicación de campos podría tener más errores que simplemente proporcionar coordenadas especialmente para formularios estructurados.
En última instancia, las ventajas y desventajas de ambos enfoques deben tenerse muy en cuenta antes de implementar un sistema de captura. Saber cómo funcionan estos enfoques ofrece la posibilidad de seleccionar el mejor con base en las necesidades específicas que se tengan en cada momento.
