Aproveitando o ecossistema de entendimento do documento

O entendimento de documentos visa liberar dados presos em documentos para garantir à sua organização uma precisão muito maior dos dados extraídos, maior produtividade e ROI crescente da Robotic Process Automation (RPA). Encontra-se na intersecção do processamento de documentos e inteligência artificial (IA) que juntos contribuem para um futuro onde quase tudo pode ser automatizado.

O ecossistema de compreensão de documentos inclui tecnologias que podem interpretar informações e significados de uma ampla variedade de tipos de documentos — até manuscritos, caixas de seleção e carimbos. O aprendizado de máquina (ML) está estimulando a inovação contínua na compreensão de documentos, que é uma das áreas de automação de crescimento mais rápido.

As organizações podem já estar trabalhando com soluções ou fornecedores específicos. Ainda assim, eles podem precisar de outras tecnologias ou novos conhecimentos para expandir a compreensão de documentos para outras funções de negócios. Pode ser difícil encontrar um fornecedor que tenha uma solução universal que funcione com todos os tipos de documentos. Eles normalmente se concentram em tipos específicos de documentos ou setores, como seguros, finanças e assistência médica. Há também fornecedores que oferecem soluções baseadas em ML, como modelos pré-treinados para documentos específicos. No entanto, esses modelos não podem ser facilmente modificados para ajustar documentos fora desses domínios.

Atualmente, é difícil encontrar um fornecedor que ofereça uma solução universal que funcione com qualquer documento imaginável. Por sua vez, o UiPath oferece às empresas uma maneira de enfrentar os desafios e possibilidades do processamento automatizado de documentos. Para começar, existem nossos recursos de IA nativos que você pode experimentar por meio da avaliação do UiPath Enterprise.

Os recursos da UiPath Enterprise RPA Platform são aprimorados por ofertas complementares de parceiros, permitindo o processamento de documentos de ponta a ponta sem problemas – esses estão disponíveis no UiPath Marketplace. O Marketplace oferece um ecossistema aberto com soluções de parceiros que, combinadas com a plataforma UiPath RPA, podem atender a uma ampla variedade de casos de uso.

Vamos dar uma olhada mais de perto nessas tecnologias de ecossistema e nos principais fornecedores que as fornecem.

Várias tecnologias podem liberar o poder da compreensão de documentos

Estas são algumas das tecnologias mais usadas na compreensão de documentos, juntamente com os parceiros UiPath que criam soluções em torno delas:

Reconhecimento óptico de caracteres (OCR)

OCR converte imagens de texto digitado, manuscrito ou impresso em texto codificado por máquina que pode ser processado para extrair os dados desejados. A tecnologia geralmente extrai também informações sobre o layout e a estrutura do conteúdo. Você pode ter ficado ocasionalmente mais lento ao trabalhar com documentos PDF nos quais não pode copiar texto ou aplicar pesquisa porque as páginas PDF são basicamente imagens. Da mesma forma, você pode ter uma digitalização, uma foto ou uma captura de tela de um recibo, por exemplo, em formatos gráficos típicos como JPEG ou TIFF. O OCR pode coletar facilmente todas as informações necessárias desses arquivos sem a necessidade de um humano ler todos os documentos por conta própria.

Muitos dos mecanismos de OCR mais conhecidos do mercado são integrados ao UiPath. Isso inclui ABBYY FineReader, Tesseract (um OCR de código aberto fornecido pelo Google), Kofax OmniPage, Microsoft OCR e Google OCR. Além disso, o UiPath Document OCR foi lançado recentemente como outra ótima opção para os clientes.

Extratores baseados em modelo (TBEs)

Os TBEs extraem dados usando regras fixas que são aplicadas a modelos criados por um usuário ou uma máquina. Os TBEs podem não funcionar para documentos cuja estrutura seja alterada com frequência ou exija diferentes variações de modelo. Isso significa que não é uma opção quando você trabalha com muitas organizações diferentes e lida com vários modelos de faturas ou recibos que elas enviam. Ao mesmo tempo, a tecnologia é ideal para gerenciar um número relativamente pequeno de modelos para documentos estáveis. Não hesite em fazer isso quando você tiver um conjunto predefinido de modelos fixos e nenhuma exclusão for esperada. Quando uma alteração no formato do documento é necessária, é fácil alterar manualmente o modelo.

Existem muitos fornecedores que oferecem TBEs. Ao avaliar qual solução escolher, você deve prestar atenção em como é fácil configurar um modelo e como os resultados da extração dependem da qualidade da imagem. Algumas das melhores empresas oferecem tecnologias que criam os templates de forma semiautomática usando um processo human-in-the-loop que apenas confirma a escolha.

Um ótimo exemplo de TBE é o ABBYY FlexiCapture, que é integrado ao UiPath Studio. Há também um extrator de modelo UiPath que está disponível como parte do UiPath Document Understanding.

Extratores de aprendizado de máquina baseados em aprendizado supervisionado (SMLEs)

SMLEs podem ser usados ​​para documentos estruturados e semiestruturados. Este último pode não ter um layout rígido como os documentos estruturados, mas pode incluir conteúdos semelhantes. Um bom exemplo são as faturas e pedidos de compra. Os SMLEs funcionam rotulando um conjunto de documentos de amostra, ou seja, associando os elementos de dados a serem extraídos à área do documento de onde os dados são extraídos.

Atualmente, o UiPath possui extratores baseados em ML para faturas, recibos e pedidos de compra. Outros modelos pré-treinados estarão disponíveis em breve. O UiPath também é integrado ao ABBYY Flexicapture Distributed e Flexicapture for Invoices, que utilizam modelos de ML pré-treinados para faturas e documentos semelhantes. Além disso, o UiPath é integrado ao Hyperscience, Ephesoft, Vidado, Rossum, Omnius, Microsoft Form Recognizer e Amazon Textract. Todas as integrações oferecem técnicas para documentos estruturados e semiestruturados.

Ao considerar as opções SMLE, pergunte ao fornecedor quantas amostras são necessárias para treinar os modelos. Se o número for grande, o processo pode acarretar um alto custo devido às tarefas de rotulagem e à necessidade de muitas amostras.

Aprendizado não supervisionado (USL)

Esta técnica consiste em analisar um conjunto de dados sem a necessidade de pré-rotulagem de dados. A USL utiliza modelos pré-treinados ou diferentes representações de conhecimento amigáveis ​​ao computador para processar documentos não estruturados. Os casos de uso comuns incluem a análise de demonstrações financeiras, contratos e e-mails.

A UiPath possui vários parceiros que oferecem soluções USL, incluindo Indico, SortSpoke, Botminds AI Technologies e Xtracta. A Indico, por exemplo, oferece uma ferramenta de rotulagem assistida por computador que sugere rótulos associados a dados nos documentos. Tudo o que o usuário precisa fazer é aprová-los ou substituí-los.

Processamento de linguagem natural (PLN)

As tecnologias de PNL ajudam os computadores a entender a linguagem humana. A PNL é frequentemente combinada com outras tecnologias para realizar uma série de tarefas. Ele permite que as organizações executem análises de texto, extração de entidades e automatizem processos definindo a intenção em documentos não estruturados, como e-mails. Se você deseja extrair a data de início e a data de término de um documento não estruturado, é necessário mapear a linha do tempo de trabalho, pois muitas datas são sinônimos. A PNL ajuda você a fazer isso, pois pode determinar e analisar sinônimos. Além disso, pode estar analisando o sentimento de um texto – em outras palavras, definindo se é positivo, negativo ou neutro. Isso pode ser especialmente valioso para interpretar o conteúdo de notícias, mídia social ou correspondência. Os parceiros e tecnologias de NLP integrados ao UiPath incluem o Expert System, o Amazon Comprehend e o Stanford NLP Group.

Alternativas emergentes — terceirização de processos de negócios e human in the loop

Juntamente com as tecnologias e empresas estabelecidas listadas acima, há um surgimento de fornecedores que oferecem processos de terceirização de processos de negócios (BPO) e processos human-in-the-loop (HITL) para aprimorar a compreensão dos documentos.

Por exemplo, Ocrolus e Contract Wrangler têm tecnologias poderosas baseadas em ML para compreensão de documentos. No entanto, eles envolvem uma força humana de crowdsourcing que ajuda a corrigir os resultados da extração de documentos que não atendem ao limite de precisão desejado. Ambas as empresas são disruptivas porque garantem até 99,99% de precisão e um compromisso de tempo de entrega. Obviamente, maior precisão e requisitos de tempo mais curtos podem acarretar custos mais altos para os clientes.

Além disso, a solução UiPath Document Understanding fornece a Validation Station. Essa ferramenta permite que os usuários revisem e, se necessário, corrijam a classificação de documentos e os resultados da extração automática de dados.

Considerações finais sobre a escolha de uma solução

Escolher uma solução que atenda a todas as suas necessidades de negócios para compreensão de documentos pode representar um grande desafio. Geralmente leva a avaliar opções para implementar algumas soluções simultaneamente e procurar as melhores maneiras de integrá-las. É por isso que o UiPath funciona e se integra a uma ampla variedade de fornecedores líderes do setor. Estabelecemos um rico ecossistema de compreensão de documentos que complementa a plataforma UiPath RPA.

Para obter informações mais detalhadas, associe-se ao nosso webinar "Produto em destaque:Automações aprimoradas por IA - Combinando capacidades transformadoras". Você verá como o UiPath Document Understanding e outras soluções baseadas em ML podem ajudar a levar suas automações a um nível totalmente novo, com tecnologia de IA. Você também pode experimentar esses recursos para ajudar a automatizar seus processos de negócios registrando-se na avaliação do UiPath Enterprise.