La inteligencia artificial generativa está transformando la automatización en empresas, permitiendo que los sistemas de IA comprendan el contexto, tomen decisiones y actúen de manera autónoma. En este marco, los modelos de fundamentos de IA generativa se están convirtiendo en aliados poderosos para abordar problemas empresariales complejos. Amazon Web Services (AWS) está aprovechando estos modelos a través de Amazon Bedrock para impulsar la automatización de procesos difíciles de optimizar.
Un área en la que la IA generativa está demostrando su potencial es en el procesamiento documental, una tarea compleja que típicamente involucra tres categorías de documentos: estructurados, semi-estructurados y no estructurados. Los documentos estructurados, como formularios con campos fijos, son relativamente simples de gestionar, mientras que los semi-estructurados presentan un conjunto predecible de información pero varían en presentación. Por otro lado, los documentos no estructurados, como notas o párrafos de texto, representan un mayor desafío.
Tradicionalmente, el procesamiento de estos tipos variados de documentos ha sido un punto doloroso para muchas organizaciones. Los sistemas basados en reglas y los modelos de aprendizaje automático especializados suelen tener dificultades con la variabilidad de los documentos en el mundo real, especialmente en los casos de datos semi-estructurados y no estructurados.
AWS ha desarrollado una solución de procesamiento documental inteligente que utiliza los modelos de fundamentos de Amazon Bedrock para orquestar un flujo de trabajo complejo. Este enfoque incluye la capacidad de utilizar herramientas externas mediante la API Converse de Bedrock, lo que permite que los modelos no solo procesen texto, sino que también interactúen activamente con diversas herramientas y API externas para realizar tareas de análisis documental.
La solución emplea un enfoque multi-modelo, optimizando tanto el rendimiento como los costos al seleccionar el modelo más adecuado para cada tarea. Un ejemplo es el uso de Claude 3 Haiku de Anthropic como orquestador del flujo de trabajo, gracias a su bajo tiempo de respuesta y eficacia en costos. Este modelo se encarga de coordinar la pipeline de procesamiento, tomar decisiones de enrutamiento y gestionar el estado del flujo.
Otro modelo, Claude 3.5 Sonnet, se utiliza por sus avanzadas capacidades de razonamiento y procesamiento visual, lo que lo hace ideal para interpretar diseños complejos de documentos y extraer información de tablas y gráficos. La intercomunicación entre estos modelos se realiza de manera fluida a través de la API Converse de Amazon Bedrock, que permite invocar funciones de procesamiento y ejecutar tareas de transformación de contenido.
En la práctica, un caso de uso ilustrativo es el procesamiento de un paquete de información de salud de un paciente en una consulta médica. Este flujo de trabajo permite extraer y sintetizar información de los tres tipos de documentos mencionados, lo que no solo mejora la precisión de los datos, sino que también optimiza la eficiencia operativa.
La implementación de guardrails de Amazon Bedrock en la solución asegura políticas robustas de filtrado de contenido, detectando y enmascarando información sensible, como datos de salud personal y datos identificativos. Esto es fundamental para mantener el cumplimiento de las normativas del sector de la salud.
En conclusión, esta solución de procesamiento documental inteligente evidencia el poder de combinar modelos de fundamentos de IA generativa y capacidades de uso de herramientas para crear flujos de trabajo sofisticados y auto-orquestados. Al integrar modelos especializados, AWS ha demostrado que es posible manejar documentos estructurados, semi-estructurados y no estructurados con un alto grado de precisión y cumplimiento de normativas. La continua evolución de Amazon Bedrock promete integrar características avanzadas que mejorarán la eficiencia y la preparación de estas soluciones para ser adoptadas en diversos sectores.
vía: AWS machine learning blog
