Проблема традиционной обработки документов
Организации во всех отраслях сталкиваются с общей трудностью: как точно, быстро и в больших масштабах преобразовывать неструктурированные документы и пакеты документов в пригодные для использования данные, готовые к интеграции в системы.
Рассмотрим типичную заявку на страхование от несчастных случаев на производстве. Весь пакет документов поступает в виде многостраничного PDF-файла, содержащего различные типы документов, такие как форма ACORD 130, отчеты об убытках за три года, перечень ценностей и дополнительное заявление. Обработка этого вручную обходится дорого, чревата ошибками и занимает много времени. Но альтернативные решения оказались ненамного лучше.
Традиционные решения IDP построены на хрупкой основе
Большинство из них полагаются на поддерживаемые разработчиками шаблоны, в которых жестко закодированы правила извлечения для каждого типа документа. Когда макеты форм меняются, шаблоны ломаются. Когда появляются новые типы документов, требуется вмешательство инженеров для создания нового конвейера обработки. В результате получается инфраструктура, которая плохо масштабируется, медленно адаптируется и создает постоянную зависимость от технических ресурсов для соответствия потребностям бизнеса.
Решения с поддержкой ИИ также не решили эту проблему полностью
Многие продукты предлагают модели машинного обучения поверх тех же жестких шаблонов, например, для повышения точности распознавания известных форм, но они по-прежнему требуют участия разработчиков для всего, что выходит за рамки предопределенных границ. Что еще важнее, они обрабатывают документы изолированно, упуская контекстные связи между документами внутри пакета, не могут проверять данные целостно и редко замыкают цикл с последующими системами, такими как Guidewire, системы андеррайтинга и т. д.
Разрыв носит структурный, а не инкрементальный характер
То, что нужно предприятиям — это прочная, масштабируемая основа, которая предлагает:
- Классификацию, которая работает без предварительного обучения на каждом варианте документа
- Возможность контекстного разделения объединенного документа, содержащего несколько форм или наборов информации
- Извлечение данных, которое является динамическим, учитывает контекст и не зависит от макета
- Проверку, которая работает на уровне пакета, а не только на уровне документа
- Интеграцию, которая подключается к системам учета без использования пользовательских коннекторов
Именно это и призван обеспечить AI-IDP — обобщенный, модульный подход к интеллектуальной обработке документов. AI-IDP не улучшает традиционную модель IDP, он переворачивает ее.
Вместо вопроса «каковы правила для этого типа документа?» он спрашивает: «Что ИИ видит в этом документе и какие данные важны для вашего бизнеса?»
Этот переход от жесткости, основанной на правилах, к гибкости, основанной на интеллекте, является фундаментом 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, идентифицирует все поля, доступные для извлечения, и выводит их на экран для проверки. Администратор выбирает, какие поля важны для его сценария использования.
Этот выбор становится повторно используемой схемой извлечения, которая сохраняется и готова к развертыванию.
Никакого кода. Никаких шаблонов. Никаких разработчиков.
Новый тип документа внедряется за полдня, а не в рамках спринта. Новое направление бизнеса запускается без заявки в инженерный отдел. Когда макеты меняются, схема адаптируется, а не ломается.
Конфигурация заменяет настройку. Бизнес-пользователи сами управляют настройками. Внимание инженеров переключается на создание ценности, а не на обслуживание.
Модули как возможности, а не ограничения:
Каждая возможность последующей обработки в AI-IDP — обнаружение мошенничества, андеррайтинг, автоматизация претензий, проверки на соответствие требованиям и системная интеграция — предлагается как независимый подключаемый модуль. Организации активируют только то, что требуется для их сценария.
Работаете с рабочим процессом в здравоохранении? Оценка повреждения транспортных средств остается выключенной. Нужна нативная интеграция с Guidewire? Включите ее за считанные минуты. Расширяетесь в новое направление бизнеса? Добавьте соответствующие модули, не затрагивая существующие конвейеры.
Каждый модуль работает независимо, опираясь на одну и ту же базу извлеченных данных, что обеспечивает согласованность всей платформы без создания взаимозависимостей, которые замедляют работу.
Вы не получаете платформу, перегруженную функциями, которыми никогда не будете пользоваться. Вы создаете именно тот стек возможностей, который нужен вашему бизнесу.
Карта функций AI-IDP:
Архитектура решения на AWS
AI-IDP полностью построен на бессерверных сервисах AWS, что позволяет автоматически масштабироваться от десятков документов в день до тысяч без серьезных изменений архитектуры.
Поток обработки:
- Прием документов: Загрузка через перетаскивание или по электронной почте в Amazon S3 с использованием подписанных URL-адресов для безопасной передачи. Поддерживаются как отдельные файлы, так и пакеты из нескольких документов.
- Асинхронная оркестрация: Amazon SQS отделяет загрузку от обработки, позволяя выполнять пакетные операции без ограничения скорости. Пользователи могут загружать несколько документов и продолжать работу, пока очередь обрабатывается в масштабе.
- Классификация и разделение: Агенты ИИ анализируют многостраничные PDF-файлы, рассуждают о переходах контента и границах форм и разделяют их на отдельные документы. Это интеллектуальное обнаружение границ, а не подсчет страниц на основе правил.
- 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: Amazon Textract/Агент извлечения выполняет OCR, извлечение пар «ключ-значение» и таблиц. Сущности структурируются, оцениваются по уровню достоверности и сохраняются. Поля с низкой достоверностью автоматически помечаются для проверки человеком.
- Агентная обработка: Amazon Bedrock обеспечивает оркестрацию нескольких агентов. В зависимости от пакета и контекста сценария использования вызываются соответствующие агенты, например: обнаружение мошенничества, три специализированных агента работают независимо: агент по анализу временных аномалий изучает закономерности дат, указывающие на преднамеренность, агент по несоответствию травм на работе сопоставляет коды профессий с заявленными травмами, а агент по обнаружению дубликатов сканирует историю заявителя у разных страховщиков; андеррайтинг, алгоритм оценки взвешивает полноту данных, качество соответствия сторонних данных, согласованность кодов классов и историю убытков для маршрутизации заявок в очереди приоритетов.
- Обнаружение мошенничества: три специализированных агента работают независимо: агент по анализу временных аномалий изучает закономерности дат, указывающие на преднамеренность, агент по несоответствию травм на работе сопоставляет коды профессий с заявленными травмами, а агент по обнаружению дубликатов сканирует историю заявителя у разных страховщиков.
- Андеррайтинг: алгоритм оценки взвешивает полноту данных, качество соответствия сторонних данных, согласованность кодов классов и историю убытков для маршрутизации заявок в очереди приоритетов.
- Участие человека: Пользователи проверяют извлеченные значения с подсветкой ограничивающих рамок в исходном документе. Все правки, внесенные человеком, проверяются и сохраняются. ИИ-помощник отвечает на вопросы в режиме реального времени относительно извлеченных данных.
- Интеграция: Извлеченные данные, оценки и резюме поступают на панель управления и передаются в подключенные системы учета с полными метаданными, классификацией и резюме, созданными ИИ.
Платформа в действии: сценарий страхования от несчастных случаев на производстве
Чтобы проиллюстрировать работу платформы, рассмотрим реальную реализацию для рабочего процесса приема заявок по страхованию от несчастных случаев на производстве.
Заключение
AI-IDP представляет собой переход от жесткой обработки документов на основе шаблонов к обобщенной платформе, где администраторы настраивают схемы извлечения данных, а возможности обработки активируются в виде модулей. Одна и та же бессерверная инфраструктура на AWS обрабатывает страховые заявки, медицинские записи, кредитные заявки и государственные разрешения, различаясь 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 барьеров, которые создают традиционные решения IDP.
Используемые сервисы AWS:
Построено на базе AWS: Lambda, Amazon Textract, Amazon Bedrock (Claude 3), DynamoDB, S3, SQS, Cognito. Интегрировано с Guidewire ClaimCenter.
