Combinando OCR com IA e RPA para análise avançada de dados

Esta postagem foi coautoria de Cosmin Nicolae. Nicolae é gerente de produto da UiPath.

Os dados não estruturados estão em toda parte, escondidos em locais como documentos, arquivos de áudio, vídeos, e-mails, imagens e arquivos de log — a lista continua. Na verdade, os dados não estruturados agora representam cerca de 80 a 90% de todos os dados. No entanto, apesar de sua abundância e valor, os dados não estruturados continuam sendo um dos recursos empresariais mais desperdiçados porque as empresas não possuem as ferramentas necessárias para extraí-los e analisá-los.

Isso está mudando, à medida que a demanda está aumentando para análise de big data e automação de fluxo de trabalho – ambos exigem dados estruturados. Um número crescente de empresas está aproveitando uma tecnologia chamada reconhecimento óptico de caracteres (OCR), que possibilita a conversão de texto impresso ou manuscrito em texto codificado por máquina. Como uma tecnologia autônoma, o OCR é um pouco limitado (mais sobre isso abaixo). No entanto, por meio da tríade de OCR, Robotic Process Automation (RPA) e inteligência artificial (AI), as empresas podem permitir níveis altamente avançados de processamento e automação de dados.

OCR é um dos principais componentes dentro de duas soluções UiPath:

1. 
   UiPath Document Understanding permitindo o processamento automatizado de uma ampla variedade de documentos
   
2. 
   UiPath AI Computer Vision, que permite aos desenvolvedores automatizar em desktops virtuais e em interfaces dinâmicas
   

Este blog fornecerá uma visão geral do OCR enquanto explora como o UiPath está usando a tecnologia para permitir o processamento e a análise de dados da próxima geração.

Primeiro, aqui está uma cartilha rápida sobre OCR.

OCR:uma visão geral

Em termos leigos, OCR é um processo que converte texto de imagens em documentos editáveis.

O OCR pode reduzir e até eliminar o trabalho manual para determinadas tarefas. Como resultado, ele pode agilizar os fluxos de trabalho de back-end enquanto libera os trabalhadores para assumir responsabilidades mais importantes.

Aqui estão algumas maneiras comuns pelas quais as empresas estão usando o OCR.

1. Automatizando a entrada de dados

A entrada manual de dados é demorada e propensa a erros. Ao usar o OCR, as empresas podem digitalizar a papelada, minimizando a necessidade de intervenção humana e aumentando a integridade de seus dados.

2. Editando documentos (digitalizados ou PDF)

Os funcionários geralmente recebem documentos digitalizados e notificações por fax que não estão em um formato editável. Esse é um caso comum em departamentos como finanças, gerenciamento de suprimentos, recursos humanos, jurídico e conformidade. Os scanners tradicionais só podem exportar documentos como imagens ou PDFs. Por exemplo, você não pode digitalizar um contrato ou pedido de compra e editá-lo no Microsoft Word ou no Google Docs. No entanto, utilizando um mecanismo de OCR, é possível reconhecer o texto e exportá-lo para um formato legível por máquina para posterior edição e processamento.

3. Habilitando funcionários com deficiência visual

Os funcionários com deficiência visual geralmente precisam converter documentos em papel em formatos digitais. O OCR pode ajudar convertendo texto escrito em texto para fala, agilizando o processo.

4. Organização de documentos

O OCR pode classificar automaticamente várias pilhas de documentos e organizá-los de acordo com regras específicas. Um exemplo clássico seria organizar faturas com base no tipo ou fornecedor. Ou em processos críticos, como a utilização de OCR de várias linhas (MLOCR) em uma máquina de classificação de correspondência que verifica endereços e determina como encaminhar as correspondências pelo sistema postal.

5. Entendendo texto sobre interfaces

O OCR possibilita o processamento de dados em interfaces remotas, tornando mais rápida e fácil a colaboração de equipes remotas.

As limitações do OCR

Embora o OCR seja muito poderoso, ele tem várias limitações quando usado como uma tecnologia independente.

Aqui estão algumas das principais limitações do OCR.

1. O OCR não consegue entender os dados por conta própria

Em primeiro lugar, o OCR só pode digitalizar texto de documentos e torná-lo legível por máquina. O OCR não pode entender ou interpretar dados sem um mecanismo complementar. Como tal, o OCR é frequentemente utilizado como um componente dentro de uma solução maior e mais inteligente. Para permitir a verdadeira automação de processos em escala, OCR e RPA são combinados com IA.

2. OCR não tem contexto

Os sistemas OCR também carecem de contexto. Por exemplo, um sistema OCR pode transcrever uma palavra como fiança quando a palavra real é bola. Um mecanismo de OCR por si só não terá a capacidade cognitiva necessária para escanear o resto da frase para ver qual palavra deve ser usada. Por esse motivo, o OCR como uma tecnologia autônoma é altamente propenso a erros. Ele requer um componente humano no loop para verificar a precisão das entradas. Como resultado, o OCR por si só carece de valor ideal como ferramenta de automação.

3. OCR não consegue lidar com variabilidade

Além disso, o OCR não consegue lidar com a variabilidade no texto ou no layout de um documento, o que é um grande problema ao processar documentos que variam em estrutura.

4. OCR não pode separar documentos

Outros problemas podem surgir se os arquivos precisarem ser separados em documentos antes da inclusão em um processo de automação ou se houver repetição nos campos de índice ou valores-chave de um fluxo de trabalho.

5. OCR não é preciso ou escalável

No final das contas, o OCR puro não é preciso ou escalável o suficiente para processos complexos e cognitivos. As empresas exigem soluções maduras e flexíveis, em oposição a componentes limitados e propensos a erros.

Como você pode ver, o OCR como uma tecnologia autônoma não é sofisticado o suficiente para dar suporte aos fluxos de trabalho corporativos avançados de hoje. No entanto, quando combinado com software RPA e IA, o OCR pode ser uma ferramenta extremamente útil. A próxima seção explorará como o UiPath está usando o OCR para permitir uma automação altamente precisa.

Caso de uso:OCR no entendimento do documento UiPath

O UiPath Document Understanding usa RPA e IA para digitalizar dados de documentos para que possam ser processados ​​e analisados. O Document Understanding pode lidar com dados estruturados e não estruturados e funciona com uma variedade de objetos, como manuscrito, tabelas, caixas de seleção e assinaturas.

O Document Understanding oferece muitos benefícios, como processamento de documentos preciso e flexível, maior eficiência operacional, redução do risco de erro humano, bem como automação de ponta a ponta de processos complexos.

Deve-se notar que a tecnologia de compreensão de documentos não é OCR. O fato de que os dois são um no mesmo é um equívoco comum. Em vez disso, a compreensão de documentos é uma tecnologia avançada que utiliza OCR para digitalizar texto em documentos não digitais.

Uma distinção notável é que o UiPath dissocia o OCR da extração de dados. Muitas empresas neste espaço incluem OCR com extração. Ao desacoplar os dois, o UiPath oferece maior escolha, flexibilidade e precisão, pois torna-se possível selecionar um mecanismo de OCR diferente, se necessário, sem interromper o que está acontecendo no lado da extração. Também é possível usar contratos públicos UiPath OCR para implantar seu próprio mecanismo de OCR, se desejado.

Como o Document Understanding usa OCR

O OCR entra em ação no início do processo de compreensão do documento — imediatamente após a taxonomia ser carregada no fluxo de trabalho e todos os arquivos e dados serem definidos para extração.

O Document Understanding usa mecanismos de OCR para detectar e digitalizar texto, tornando-o legível por um robô. A partir daí, os documentos são classificados de listas especificadas, os dados são extraídos e, se necessário, um humano pode confirmar os dados extraídos antes de exportá-los para o repositório relevante.

O UiPath Document Understanding pode utilizar o UiPath Document OCR, bem como mecanismos de OCR de terceiros para digitalizar texto. Os clientes podem escolher o mecanismo que funciona com mais precisão para seu caso de uso.



Como esta figura demonstra, o OCR faz parte da estrutura UiPath Document Understanding. Seu único objetivo é tornar o texto legível por máquina.

Caso de uso:OCR no UiPath AI Computer Vision

O UiPath AI Computer Vision resolve um dos principais desafios em RPA, que é automatizar a infraestrutura de desktop virtual (VDI) como Citrix, VMware e Microsoft Windows Remote Desktop.

A AI Computer Vision permite que robôs de software vejam e compreendam todos os elementos em uma tela de computador, em vez de depender de propriedades ocultas para tomar decisões. Usando AI Computer Vision, empresas e desenvolvedores de RPA podem habilitar a automação para VDIs - independentemente da estrutura ou sistema operacional.

O AI Computer Vision permite a automação que inclui elementos dinâmicos da interface do usuário (UI), como menus suspensos e caixas de seleção; suportando uma ampla gama de tipos de interface. Essa solução pode reduzir o tempo de implementação ao automatizar máquinas virtuais e aumentar a resiliência e a confiabilidade das automações.

Embora o AI Computer Vision utilize OCR, ele não é usado para digitalizar documentos. Este é um equívoco sutil, mas comum.

Como o UiPath AI Computer Vision usa OCR

É impossível automatizar em ambientes virtuais usando OCR e RPA padrão porque uma área de trabalho remota é, em última análise, apenas um feed de vídeo. Soluções avançadas são necessárias para interpretar texto e, mais importante ainda, entender seu tipo e finalidade dentro de uma interface.

A AI Computer Vision utiliza uma rede neural avançada com um OCR de tela personalizado desenvolvido na UiPath nos últimos anos para analisar uma interface do usuário em um feed de desktop virtual e entendê-la, como um humano faria. Essa solução pode navegar facilmente em qualquer interface disponível, clicando em botões, mas também realizando interações complexas, como extrair tabelas inteiras e interagir com menus suspensos.

Para identificação de elementos, a AI Computer Vision usa uma técnica de interpretação de texto chamada correspondência difusa. Essa técnica permite que os robôs UiPath identifiquem o elemento correto a cada vez, mesmo com inconsistências nos resultados de OCR, melhorando assim a confiabilidade das automações resultantes e reduzindo o tempo de desenvolvimento.

Leve o OCR para o próximo nível com o UiPath

Como você pode ver, há um enorme valor em usar uma solução baseada em IA que incorpora OCR. As ferramentas UiPath Document Understanding e UiPath Computer Vision vão muito além do OCR básico, permitindo uma automação rápida e confiável com escalabilidade empresarial, o que permite liberar todo o valor de seus dados, incluindo o que não está estruturado ou bloqueado por uma VDI.

Aqui está um gráfico para ajudá-lo a decidir se Compreensão de Documentos ou Visão Computacional é adequado para suas necessidades:



Pronto para começar a colocar seus dados de documentos e sistemas VDI para funcionar?

Para começar, registre-se no UiPath Automation Cloud, onde você pode começar a usar o UiPath Document Understanding e o UiPath AI Computer Vision hoje.

Inicie sua avaliação gratuita do UiPath Automation Cloud para descobrir como é fácil aproveitar seus dados não estruturados para trazer mais estrutura e eficiência aos seus processos de negócios.