Impulsar la automatización, precisión y ROI con Document Understanding

Document Understanding busca liberar datos atrapados en documentos para otorgar a tu organización una precisión mucho mayor en los datos extraídos, mayor productividad y un ROI creciente de la Automatización Robótica de Procesos (RPA). Se sitúa en la intersección del procesamiento de documentos y la inteligencia artificial (IA), que juntas contribuyen a un futuro donde casi todo puede automatizarse.

El ecosistema de Document Understanding incluye tecnologías que pueden interpretar información y significado de una amplia gama de tipos de documentos, incluso escritura a mano, casillas de verificación y sellos. El machine learning (ML) está impulsando la innovación continua en Document Understanding, que es una de las áreas de automatización de más rápido crecimiento.

Las organizaciones ya pueden estar trabajando con soluciones o proveedores específicos. Aun así, pueden necesitar otras tecnologías o nueva experiencia para expandir Document Understanding a otras funciones de negocio. Puede ser difícil encontrar un proveedor que tenga una solución universal que funcione con todo tipo de documentos. Típicamente se centran en tipos de documentos o industrias particulares, como seguros, finanzas y salud. También hay proveedores que ofrecen soluciones basadas en ML como modelos preentrenados para documentos específicos. Sin embargo, esos modelos no pueden modificarse fácilmente para adaptarse a documentos fuera de esos dominios.

Actualmente es difícil encontrar un proveedor que ofrezca una solución universal que funcione con cualquier documento imaginable. En cambio, UiPath ofrece a las empresas una forma de abordar los desafíos y posibilidades del procesamiento automatizado de documentos. Para empezar, están nuestras capacidades nativas de IA que puedes probar a través de la prueba empresarial de UiPath.

Las capacidades de la plataforma UiPath Enterprise RPA se mejoran con ofertas complementarias de socios que permiten un procesamiento de documentos fluido de extremo a extremo, disponibles en UiPath Marketplace. El Marketplace ofrece un ecosistema abierto con soluciones de socios que, combinadas con la plataforma UiPath RPA, pueden abordar una amplia gama de casos de uso.

Echemos un vistazo más de cerca a estas tecnologías del ecosistema y los principales proveedores que las ofrecen.

Múltiples tecnologías pueden desbloquear el poder de Document Understanding

Estas son algunas de las tecnologías más utilizadas en Document Understanding, junto con socios de UiPath que construyen soluciones alrededor de ellas:

Reconocimiento óptico de caracteres (OCR)

El OCR convierte imágenes de texto escrito a máquina, a mano o impreso en texto codificado por máquina que puede procesarse para extraer los datos deseados. La tecnología suele extraer también información sobre el diseño y estructura del contenido. Puede que ocasionalmente te hayas visto ralentizado trabajando con documentos PDF en los que no puedes copiar texto ni buscar porque las páginas de PDF son básicamente imágenes. Del mismo modo, puedes tener un escaneo, una foto o una captura de pantalla de un recibo, por ejemplo, en formatos gráficos típicos como JPEG o TIFF. El OCR puede recopilar fácilmente toda la información necesaria de estos archivos sin necesidad de que un humano lea todos los documentos por su cuenta.

Muchos de los motores OCR más conocidos del mercado están integrados con UiPath. Estos incluyen ABBYY FineReader, Tesseract (un OCR de código abierto proporcionado por Google), Kofax OmniPage, Microsoft OCR y Google OCR. Además, UiPath Document OCR se ha lanzado recientemente como otra gran opción para clientes.

Extractores basados en plantillas (TBEs)

Los TBEs extraen datos usando reglas fijas aplicadas a plantillas creadas por un usuario o una máquina. Los TBEs pueden no funcionar para documentos cuya estructura cambia frecuentemente o requiere diferentes variaciones de plantilla. Esto significa que no es una opción cuando trabajas con muchas organizaciones diferentes y lidias con varias plantillas de facturas o recibos que envían. Al mismo tiempo, la tecnología es ideal para gestionar un número relativamente pequeño de plantillas para documentos estables. No dudes en usarla cuando tienes un conjunto predefinido de plantillas fijas y no se esperan exclusiones. Cuando sea necesario un cambio de formato de documento, es fácil cambiar la plantilla manualmente.

Hay muchos proveedores que ofrecen TBEs. Al evaluar qué solución elegir, debes prestar atención a qué tan fácil es configurar una plantilla y cómo dependen los resultados de extracción de la calidad de la imagen. Algunas de las mejores empresas ofrecen tecnologías que crean las plantillas de forma semi-automática usando un proceso humano en el bucle que solo confirma la elección.

Un gran ejemplo de TBE es ABBYY FlexiCapture, integrado en UiPath Studio. También hay un extractor de plantillas de UiPath disponible como parte de UiPath Document Understanding.

Extractores de machine learning basados en aprendizaje supervisado (SMLEs)

Los SMLEs pueden usarse para documentos estructurados y semi-estructurados. Estos últimos pueden no tener un diseño estricto como los documentos estructurados pero podrían incluir contenidos similares. Un buen ejemplo son facturas y órdenes de compra. Los SMLEs funcionan etiquetando un conjunto de documentos de muestra, es decir, asociando los elementos de datos a extraer con el área en el documento de donde se extraen los datos.

Actualmente, UiPath tiene extractores basados en ML para facturas, recibos y órdenes de compra. Otros modelos preentrenados estarán disponibles pronto. UiPath también está integrado con ABBYY Flexicapture Distributed y Flexicapture for Invoices que aprovechan modelos ML preentrenados para facturas y documentos similares. Además, UiPath está integrado con Hyperscience, Ephesoft, Vidado, Rossum, Omnius, Microsoft Form Recognizer y Amazon Textract. Todas las integraciones ofrecen técnicas para documentos estructurados y semi-estructurados.

Al considerar opciones SMLE, pregunta al proveedor cuántas muestras se requieren para entrenar los modelos. Si el número es grande, el proceso podría implicar un alto coste debido a las tareas de etiquetado y la necesidad de muchas muestras.

Aprendizaje no supervisado (USL)

Esta técnica consiste en analizar un conjunto de datos sin requerir pre-etiquetado de datos. USL utiliza modelos preentrenados o diferentes representaciones de conocimiento amigables para computadoras para procesar documentos no estructurados. Casos de uso comunes incluyen análisis de estados financieros, contratos y correos electrónicos.

UiPath tiene varios socios que ofrecen soluciones USL, incluyendo Indico, SortSpoke, Botminds AI Technologies y Xtracta. Indico, por ejemplo, ofrece una herramienta de etiquetado asistido por computadora que sugiere etiquetas asociadas con datos en los documentos. Todo lo que el usuario necesita hacer es aprobarlas o sobrescribirlas.

Procesamiento de lenguaje natural (NLP)

Las tecnologías NLP ayudan a las computadoras a entender el lenguaje humano. NLP a menudo se combina con otras tecnologías para realizar una gama de tareas. Permite a las organizaciones ejecutar análisis de texto, extracción de entidades y automatizar procesos definiendo intención en documentos no estructurados como correos electrónicos. Si quieres extraer la Fecha de Inicio y Fecha de Fin de un documento no estructurado, tienes que poder mapear la línea de tiempo del trabajo porque muchas fechas son sinónimos. NLP te ayuda a hacer esto porque puede determinar y analizar sinónimos. Además, puede estar analizando el sentimiento de un texto, es decir, definiendo si es positivo, negativo o neutral. Esto puede ser especialmente valioso para interpretar contenido en noticias, redes sociales o correspondencia. Socios y tecnologías NLP integrados con UiPath incluyen Expert System, Amazon Comprehend y el Grupo NLP de Stanford.

Alternativas emergentes: externalización de procesos de negocio y humano en el bucle

Junto con las tecnologías y empresas establecidas listadas arriba, hay una emergencia de proveedores que ofrecen externalización de procesos de negocio (BPO) y procesos humano-en-el-bucle (HITL) para mejorar Document Understanding.

Por ejemplo, Ocrolus y Contract Wrangler tienen poderosas tecnologías basadas en ML para Document Understanding. Sin embargo, involucran una fuerza humana colaborativa que ayuda a corregir resultados de extracción de documentos que no alcanzan el umbral de precisión deseado. Ambas empresas son disruptivas porque garantizan hasta 99,99 % de precisión y un compromiso de tiempo de entrega. Por supuesto, mayor precisión y requisitos de tiempo más cortos pueden implicar costes más altos para los clientes.

Además, la solución UiPath Document Understanding proporciona la Validation Station. Esta herramienta permite a los usuarios revisar y, si es necesario, corregir resultados de clasificación de documentos y extracción automática de datos.

Reflexiones finales sobre la elección de una solución

Elegir una solución que cumpla todas tus necesidades de negocio para Document Understanding puede suponer un gran reto. Suele llevar a evaluar opciones para implementar varias soluciones simultáneamente y buscar las mejores formas de integrarlas. Por eso UiPath trabaja e integra con una amplia gama de proveedores líderes de la industria. Hemos establecido un rico ecosistema de Document Understanding que complementa la plataforma UiPath RPA.

Para información más profunda, únete a nuestro webinar "Product Spotlight: Automatizaciones mejoradas con IA – Combinando capacidades transformadoras". Verás cómo UiPath Document Understanding y otras soluciones basadas en ML pueden llevar tus automatizaciones a un nivel completamente nuevo, impulsadas por IA. También puedes probar estas capacidades para ayudar a automatizar tus procesos de negocio registrándote en la prueba empresarial de UiPath.