Проблема традиционной обработки документов
Организации в различных отраслях сталкиваются с общей узкой горлышком: необходимостью точно, быстро и в больших масштабах преобразовывать неструктурированные документы и пакеты документов в пригодные для использования системные данные.
Рассмотрим типичную заявку на компенсацию работникам (Workers’ Compensation) в страховании. Один пакет поступает в виде многостраничного PDF-файла, содержащего различные типы документов, такие как форма ACORD 130, данные о страховых выплатах за три года, опись стоимости и дополнительное заявление. Обработка этого вручную стоит дорого, подвержена ошибкам и происходит медленно. Но альтернатива была ненамного лучше.
Традиционные решения IDP построены на хрупких основах
Большинство из них полагаются на поддерживаемые разработчиками шаблоны, которые имеют жестко закодированные правила извлечения для каждого типа документов. Когда макеты форм меняются, шаблоны ломаются. Когда появляются новые типы документов, инженерам приходится вмешиваться для создания нового конвейера. В результате получается инфраструктура, которая плохо масштабируется, медленно адаптируется и создает постоянную зависимость от технических ресурсов для поспевания за потребностями бизнеса.
Решения на базе ИИ тоже не полностью решили эту проблему
Множество продуктов предлагают модели машинного обучения поверх тех же жестких шаблонов, например, повышая точность в рамках известных форм, но все равно требуют участия разработчиков для всего, что выходит за рамки заранее определенных границ. Что еще более важно, они обрабатывают документы изолированно, упускают контекстуальные связи между документами в пакете, не могут целостно проверить данные и редко замыкают цикл на нисходящие системы, такие как Guidewire, андеррайтинг и т.д.
Разрыв носит структурный, а не поэтапный характер
Что необходимо предприятиям, так это прочная, масштабируемая основа, которая предлагает:
- Классификацию, которая работает без предварительного обучения на каждом варианте документа
- Способность контекстуально разделять объединенный документ, содержащий несколько форм/наборов информации
- Извлечение, которое является динамичным, учитывающим контекст и не зависящим от макета
- Проверку, которая работает на уровне пакета, а не только на уровне документа
- Интеграцию, которая изначально подключается к системам учета без пользовательских коннекторов
Именно для этого создана AI-IDP — универсальный, модульный подход к интеллектуальной обработке документов. AI-IDP не улучшает традиционную модель IDP, она переворачивает ее.
Вместо того чтобы спрашивать «каковы правила для этого типа документов?», она спрашивает «Что ИИ видит в этом документе и какие данные важны для вашего бизнеса?»
Этот переход от жесткости, управляемой правилами, к гибкости, управляемой интеллектом, лежит в основе всего, что делает AI-IDP.
Платформа построена на двух основных принципах:
Схема как конфигурация, а не код:
Администратор загружает образец документа. Любого документа, из любой отрасли. ИИ анализирует его, определяет каждое поле, доступное для извлечения, и выводит их на рассмотрение. Администратор выбирает, какие поля важны для его сценария использования.
Этот выбор становится многоразовой схемой извлечения, которая сохраняется и готова к развертыванию.
Никакого кода. Никаких шаблонов. Не требуется разработчик.
Новый тип документа подключается во второй половине дня, а не как часть цикла спринта. Новое бизнес-направление начинает работу без инженерного тикета. Когда макеты меняются, схема адаптируется, а не ломается.
Конфигурация заменяет кастомизацию. Бизнес-пользователи сами управляют настройкой. Фокус инженерии смещается на ценность, а не на обслуживание.
Модули как возможности, а не ограничения:
Каждая последующая функция обработки в AI-IDP — обнаружение мошенничества, триаж андеррайтинга, автоматизация претензий, проверки на соответствие требованиям и системная интеграция — предлагается в виде независимого подключаемого модуля. Организации активируют только то, что требует их сценарий использования.
Запускаете рабочий процесс в здравоохранении? Оценка ущерба транспортному средству отключена. Нужна нативная интеграция с Guidewire? Включите ее за считанные минуты. Расширяетесь на новое бизнес-направление? Добавьте соответствующие модули, не затрагивая существующие конвейеры.
Каждый модуль работает независимо, используя ту же основу извлеченных данных, что обеспечивает согласованность всей платформы без создания взаимозависимостей, которые вас замедляют.
Вы не наследуете платформу, перегруженную функциями, которые вы никогда не будете использовать. Вы создаете именно тот стек возможностей, который нужен вашему бизнесу.
Карта функций AI-IDP:
Архитектура решения на AWS
AI-IDP построена полностью на бессерверных сервисах AWS, что обеспечивает автоматическое масштабирование от десятков документов в день до тысяч без серьезных изменений архитектуры.
Поток обработки:
- Прием документов: Загрузка с помощью перетаскивания (drag-and-drop) или получения по электронной почте в Amazon S3 с предварительно подписанными URL-адресами для безопасной передачи. Поддерживает отдельные файлы и пакеты из нескольких документов
- Асинхронная оркестрация: Amazon SQS отделяет загрузку от обработки, обеспечивая пакетные операции без ограничения пропускной способности. Пользователи могут загружать несколько документов и продолжать работу, пока очередь обрабатывается в масштабе
- Классификация и разделение: ИИ-агенты анализируют многостраничные PDF-файлы, рассуждают о переходах контента и границах форм и разделяют их на отдельные документы. Это интеллектуальное определение границ, а не основанный на правилах подсчет страниц
- Поиск схемы: Система извлекает настроенную схему извлечения для каждого классифицированного типа документа из DynamoDB. Целевыми являются только те поля, которые администраторы выбрали во время настройки
- Агент извлечения: Агент Amazon Textract/Extraction выполняет распознавание текста (OCR), извлечение пар ключ-значение и таблиц. Сущности структурируются, оцениваются по степени достоверности и сохраняются. Поля с низкой достоверностью автоматически помечаются для проверки человеком
- Агентная обработка: Amazon Bedrock управляет многоагентной оркестрацией. На основе пакета и контекста сценария использования вызываются соответствующие агенты, например:Обнаружение мошенничества, три специализированных агента работают независимо: агент аномалий во времени анализирует закономерности дат, предполагающие предварительное планирование, агент несоответствия работы и травмы сопоставляет коды профессий с заявленными травмами, а агент обнаружения дубликатов сканирует историю заявителя у разных страховщиковТриаж андеррайтинга, алгоритм оценки сопоставляет полноту данных, качество совпадения с третьими сторонами, соответствие кодов классов и историю убытков для направления заявок в приоритетные очереди
- Обнаружение мошенничества, три специализированных агента работают независимо: агент аномалий во времени анализирует закономерности дат, предполагающие предварительное планирование, агент несоответствия работы и травмы сопоставляет коды профессий с заявленными травмами, а агент обнаружения дубликатов сканирует историю заявителя у разных страховщиков
- Триаж андеррайтинга, алгоритм оценки сопоставляет полноту данных, качество совпадения с третьими сторонами, соответствие кодов классов и историю убытков для направления заявок в приоритетные очереди
- Человек в контуре (Human-in-the-loop): Пользователи просматривают извлеченные значения с выделением ограничивающими рамками в исходном документе. Все исправления человека проверяются и сохраняются. ИИ-ассистент отвечает на вопросы в реальном времени об извлеченных данных
- Интеграция: Извлеченные данные, оценки и сводки поступают в интерфейсную панель управления и передаются в подключенные системы учета с полными метаданными, классификацией и созданными ИИ сводками
Платформа в действии: Сценарий использования компенсации работникам
Чтобы проиллюстрировать работу платформы в действии, рассмотрим реальную реализацию рабочего процесса приема заявок на компенсацию работникам.
Заключение
AI-IDP представляет собой переход от жесткой обработки документов на основе шаблонов к универсальной платформе, где администраторы настраивают схемы извлечения, а возможности обработки активируются в виде модулей. Та же бессерверная инфраструктура на базе AWS обрабатывает страховые заявки, медицинские карты, кредитные заявки и государственные разрешения, отличаясь только конфигурацией.
Организации, стремящиеся модернизировать обработку документов в различных направлениях бизнеса или отраслях, могут использовать этот подход для снижения операционных расходов, ускорения времени обработки и устранения инженерных узких мест, которые создают традиционные решения IDP.
Используемые сервисы AWS:
Создано на базе AWS: Lambda, Amazon Textract, Amazon Bedrock (Claude 3), DynamoDB, S3, SQS, Cognito. Интегрировано с Guidewire ClaimCenter.
