Purpose-Built AI Center (Centro de IA especializada)

Phoenix 1.0 es un modelo multimodal de vanguardia que combina el análisis avanzado de imágenes y texto mediante la integración de redes neuronales convolucionales (CNN) para procesar datos visuales con el modelo lingüístico RoBERTa de comprensión de textos. Phoenix cuenta con una innovadora canalización basada en IA que ofrece funciones de extracción de pares clave-valor sin intervención, automatizando las tareas más complejas de la formación de modelos de documentos. A diferencia de otros modelos lingüísticos más amplios que abordan una amplia gama de tareas de comprensión del lenguaje, Phoenix ofrece un marco más sólido para procesar documentos, sobre todo con datos multimodales. Ofrece capacidades mejoradas en la extracción de características, eficiencia en los flujos de trabajo de procesamiento y una comprensión más profunda del contexto que los modelos lingüísticos amplios, por sí solos, no son capaces de alcanzar plenamente. Esta especialización lo convierte en la opción ideal para casos prácticos que dependen en gran medida de la información transmitida mediante documentos, ya que garantiza que los datos se procesen con precisión y rapidez.

Phoenix se ha desarrollado con el objetivo de mejorar la eficiencia y eficacia de las tareas de procesamiento de documentos. Al aprovechar los puntos fuertes de las redes neuronales convolucionales para analizar imágenes junto con la comprensión lingüística avanzada de RoBERTa, esta integración permite una comprensión matizada de documentos complejos que contienen elementos tanto textuales como visuales. Gracias a este enfoque centrado, las empresas pueden lograr una precisión superior en la extracción y el análisis de la información en comparación con el uso de modelos de propósito general. Además, su diseño minimiza el consumo de recursos porque agiliza el flujo de trabajo de procesamiento, lo que, en última instancia, mejora la velocidad y reduce los costes operativos. Por consiguiente, las organizaciones pueden procesar los documentos de forma más eficiente, lo que aporta un valor considerable en el ámbito del procesamiento de documentos y mejora la productividad general.

Nuestro procesamiento inteligente de documentos utiliza una combinación de tecnologías para ofrecer un rendimiento inigualable. Una combinación de aprendizaje automático profundo y aprendizaje automático rápido maximiza la tasa de procesamiento directo (STP, por sus siglas en inglés). Con nuestros modelos de IA específicos según documento, preentrenados mediante aprendizaje automático profundo, nuestros clientes pueden alcanzar hasta un 90 % de precisión desde el primer momento. Y con la inclusión del aprendizaje automático rápido, esta precisión supera el 95 %. El aprendizaje automático rápido memorizará los valores atípicos que el aprendizaje automático profundo no logra gestionar y trabaja rápidamente con tan solo unas pocas variaciones de los documentos en cuestión. Ademas, a partir de la información que recopilamos de ese proceso, nuestro aprendizaje profundo mejora continuamente para ofrecer una precisión cada vez mayor con el paso del tiempo.

El aprendizaje profundo nos permite preentrenar modelos de IA específicos para tareas de procesamiento de documentos. A diferencia de los LLM de uso general o Gen AI, que están diseñados para una amplia gama de tareas, nuestros modelos de aprendizaje profundo destacan en su propósito especializado, proporcionando resultados más fiables y precisos.

• El aprendizaje automático profundo (ML, por sus siglas en inglés) utiliza CNN (redes neuronales convolucionales), RNN (redes neuronales recurrentes) y NLP (procesamiento del lenguaje natural) para extraer información de documentos semiestructurados. Generaliza los distintos formatos de documento, manejando eficazmente diseños desconocidos sin depender de plantillas. Aunque para una extracción precisa de los campos requiere una cantidad considerable de datos etiquetados (entre 500 y 10 000 documentos), este amplio proceso de entrenamiento garantiza una gran precisión, lo que la convierte en una potente herramienta para la interpretación de datos complejos.
• El aprendizaje automático rápido (ML, por sus siglas en inglés) se centra en patrones textuales y visuales y trabaja de manera eficaz incluso con tan solo uno o dos documentos por conjunto. Utiliza una tecnología que agrupa los documentos con un diseño de aspecto similar y entrena internamente un modelo de extracción de campos para cada grupo. A diferencia del ML profundo, este enfoque se centra en las variaciones en los documentos que ya ha "visto" en lugar de generalizar los patrones. Su clara ventaja es que acelera el proceso de aprendizaje, requiere menos potencia de CPU y los tiempos de procesamiento son más cortos.

ABBYY es pionera en tecnología de reconocimiento óptico de caracteres, ya que lleva investigando e innovando activamente en este campo desde 1993, cuando salió al mercado ABBYY FineReader, nuestro primer «sistema OCR omnifont». A lo largo de los años, la tecnología ha evolucionado desde el reconocimiento de caracteres individuales, la identificación de palabras y la reproducción de la estructura de la página hasta la aplicación de la tecnología de reconocimiento adaptativo de documentos (ADRT®), que comprende los documentos en su totalidad, incluido el diseño, la estructura multipágina y elementos como el encabezado, el pie de página y el índice.

Con los avances de la IA, los últimos años ABBYY ha desarrollado y consolidado su enfoque integral del OCR y el ICR. Este enfoque utiliza las mismas tecnologías que conforman la base de las herramientas de IA generativa: redes neuronales evolutivas, transformadores y modelos lingüísticos.

La red neuronal circunvolucional descompone una imagen de texto manuscrito o impreso en un documento en sus bits y bytes, intentando dar sentido a lo que realmente es. Toda esa información procedente de la CNN pasa a un transformador, que proporciona un posible pronóstico para una palabra. A continuación, introducimos nuestro propio LM, que se ha entrenado con miles de millones de parámetros y cuenta con la función específica de poder analizar el contexto de todas las palabras de un grupo y llegar a una conclusión en base a esa información. Esta técnica mejora drásticamente el rendimiento y la precisión de nuestras capacidades OCR e ICR en general, y se aplica en combinación con nuestro enfoque estadístico. Nuestra inteligencia artificial decidirá automáticamente qué enfoque se adapta mejor a los casos de uso de sus documentos para optimizar sobre la marcha la coherencia, la precisión y la velocidad, lo que se traduce en mejores índices de procesamiento directo.

ABBYY convierte la avanzada tecnología de visión por ordenador en uno de los componentes clave de sus soluciones de procesamiento inteligente de documentos para mejorar la automatización y la extracción de datos de documentos complejos. Mediante la integración de redes neuronales, incluidas las redes neuronales circunvolucionales (CNN) y transformadores, ABBYY procesa contenidos visuales como texto, imágenes e incluso documentos manuscritos. Las CNN descomponen los elementos visuales de los documentos, identificando patrones en el texto impreso o manuscrito, mientras que los transformadores analizan el contexto para mejorar la precisión del reconocimiento de palabras y caracteres. Esta tecnología permite a ABBYY interpretar y clasificar con precisión una amplia gama de tipos de documentos, desde formularios estructurados hasta contenidos no estructurados con mucho texto.

Además, las soluciones de ABBYY incorporan técnicas de detección de objetos para identificar características como códigos de barras, firmas y sellos, esenciales para aplicaciones en sectores como los seguros y la logística. Al combinar la visión por ordenador con modelos lingüísticos y otras tecnologías de IA, ABBYY mejora las capacidades de procesamiento de documentos, lo que permite a las empresas automatizar los flujos de trabajo de forma más eficaz, reducir los errores manuales y mejorar las tasas de procesamiento directo.