Aunque la inteligencia artificial apareció en el mundo relativamente recientemente, la mayoría de las personas y empresas todavía la utilizan principalmente en forma de preguntas y respuestas en ChatGPT. Para muchos, esto es lo que está asociado con el concepto de “utilizar IA”. Esto también se confirma por los datos de McKinsey, según los cuales más del 75% de las empresas ya están experimentando con IA, pero casi el 60% se limita a usar modelos generativos para tareas básicas: escribir textos, analizar datos o trabajar con código. Por lo tanto, ChatGPT es sólo uno de los numerosos servicios de IA, creados para responder a preguntas, editar textos y generar imágenes. Muchas empresas líderes en el mundo han comenzado a crear sus propios modelos y productos de IA para aplicaciones prácticas.Esto ha dado a las empresas la oportunidad de integrar la inteligencia artificial en sus procesos y aumentar la eficiencia operativa.Por ejemplo, según PwC, las empresas que han integrado la IA en los procesos clave reducen los costes operativos en un 20-40% y aumentan la productividad en un 30%. Algunos necesitan un chatbot de IA que responda a los clientes 24/7, cubra hasta el 80% de las consultas típicas y transfiera la conversación a un operador sólo cuando la pregunta es demasiado específica. Según las estadísticas de IBM, las empresas que han implementado chatbots de IA han reducido la carga de trabajo en los operadores hasta en un 70% y han reducido el tiempo de espera del cliente en un 90%. Para las empresas, esto significa una aceleración significativa del servicio y la capacidad de optimizar los costes de soporte. Hay empresas financieras que necesitan realizar verificaciones periódicas de usuarios. Debe notarse de inmediato: un módulo de verificación integral es una solución tecnológica compleja, pero las empresas pueden implementar partes individuales de ella. Por ejemplo, la verificación de documentos puede integrarse no solo en los servicios financieros, sino también en el trabajo de los registradores de nombres de dominio o proveedores de servicios de utilidad. El mercado de soluciones KYC (Conoce a tu Cliente) alcanzó los 12.400 millones de dólares en 2024 y, según las previsiones, crecerá en un 22% anualmente. Ahora, si una acción requiere verificación de documentos, es necesario no solo cargar el archivo, sino también extraer información de él y guardar los datos en el perfil del cliente y en la base de datos de la empresa. Anteriormente, esto requería pedir al usuario que introdujera manualmente todos los datos y cargase el documento. Ahora este proceso puede ser automatizado: el sistema extrae la información necesaria por sí mismo sin requerimientos adicionales al cliente. tecnologías OCR y análisis de IA reducen el tiempo para la verificación de documentos de 5-10 minutos a unos segundos y reducen el número de errores en un 80%, según Deloitte. Imagen de pantalla del servicio oficial de Google Document AI: https://cloud.google.com/document-ai https://cloud.google.com/document-ai A continuación, examinaremos cómo implementar una solución similar utilizando Google Cloud, utilizando los servicios Vertex AI y Document AI. Let’s break it down step by step using the example of Google Cloud: Vertex AI and Document AI. A continuación se muestra un glosario para comprender mejor el propósito de cada servicio: Se utiliza para la lectura y reconocimiento automático de datos de documentos (ID, pasaportes, facturas). Permite obtener datos estructurados en formato JSON sin introducir manualmente. Document AI API — diseñado para crear, entrenar y desplegar modelos de inteligencia artificial. Permite el uso de ML para análisis, puntuación, detección de anomalías y predicción. El propósito principal es la implementación de lógica de IA personalizada: desde soluciones anti-fraude hasta recomendaciones personalizadas. Vertex AI API Integration of Document AI and Vertex AI in your project: step by step Creación de un proyecto de Google Cloud Si el proyecto aún no se ha creado, añádelo a Google Cloud, configura la facturación y crea una cuenta de servicio con derechos de acceso a los servicios necesarios. Enlace : cloud.google.com/document-ai cloud.google.com / Documentación Permite los dos servicios principales: 
 
 
 Documentos sobre el fuego Vertex con API A continuación, debe configurar el Documento AI para que el sistema lea correctamente los documentos. 
 
 
 
 Crear un procesador del tipo Procesador de documentos de identificación (adecuado para el procesamiento de pasaportes y permisos de conducir) Seleccione la región en la que está operando (EE.UU. o UE). Después de la creación, recibirá un ID de procesador. Copiarlo - será necesario para realizar solicitudes a través de la API. A continuación, su sitio web puede tener su propia interfaz donde los usuarios subirán documentos. JPEG, PNG, PDF. El mecanismo de trabajo se ve así: 
 
 
 
 El backend de su sitio web recibe el archivo del usuario. Luego envía este archivo a la API de Documento AI. En el cuerpo de la solicitud, el archivo se transmite en formato Base64. Ejemplo de una solicitud: POST https://documentai.googleapis.com/v1/projects/{project_id}/locations/{location}/processors/{processor_id}:process 
 Document AI procesa estos datos y los devuelve en formato JSON: 
 
 
 Texto OCR (texto reconocido del documento) Datos estructurados: nombre, apellido, fecha de nacimiento, número de documento, fecha de caducidad. Ejemplo de respuesta JSON de Document AI + Entities:
! First Name: John (confidence 0.99)
! Last Name: Doe (confidence 0.98)
! Date of Birth: 1990-01-01 (confidence 0.97)
! Document Number: X1234567 (confidence 0.96)
! Expiry Date: 2030-12-31 (confidence 0.95)
 ¿Qué encontramos en el JSON? First Name: John
Last Name: Doe
Date of Birth: 1990-01-01
Document No: X1234567
Expiry: 2030-12-31
 Con los datos obtenidos, ya puedes trabajar y añadirlos a la base de datos. Por ejemplo, puedes guardarlos en el perfil del cliente para que ya no tengas que pedirles que introduzcan esta información. Imagen de pantalla del servicio oficial de Google Document AI: https://cloud.google.com/document-ai https://cloud.google.com/document-ai Podemos procesar estos datos y realizar verificaciones.En la práctica, hay casos en los que la IA no reconoce ciertos elementos.Por ejemplo, la respuesta de la IA Document puede no incluir el apellido, aunque esté presente en el documento. Para evitar una situación en la que parece que todo está completado pero en realidad los datos están faltando, es necesario comprobar si se cumplen todos los campos clave.Después de recibir las entidades de Document AI (nombre, apellido, fecha de nacimiento, número de documento, fecha de caducidad), asegúrese de que ninguno de ellos esté vacío.Si el sistema detecta los valores faltantes, puede iniciar una revisión del documento y rellenar los campos faltantes. - required_fields = ["first_name", "last_name", "date_of_birth", "document_number"] 
+ for field in required_fields:  
! if field not in extracted_data or not extracted_data[field]:
# raise ValueError(f"Missing required field: {field}")
 O para su servicio, es importante que el usuario tenga al menos 18 años de edad. De lo contrario, no puede conceder acceso al servicio. Por ejemplo, puede verificar la fecha de nacimiento (en el formato YYYY-MM-DD) y asegurarse de que la edad es > 18 años (o otro umbral establecido). - from datetime import datetime
+ dob = datetime.strptime(extracted_data["date_of_birth"], "%Y-%m-%d")
! age = (datetime.now() - dob).days // 365
# if age < 18:
# raise ValueError("Client must be over 18.")
 Hasta esta etapa, usted ha estado verificando principalmente los datos estáticos obtenidos con AI. 2) Using Vertex AI Pero puede ir aún más lejos y usar el módulo Vertex AI, ya que hasta este punto sólo ha estado trabajando con Document AI para escanear y reconocer documentos. Imagen de pantalla del servicio oficial Vertex AI: https://cloud.google.com/vertex-ai/generative-ai/docs/learn/overview https://cloud.google.com/vertex-ai/generative-ai/docs/learn/overview Por ejemplo, el siguiente paso es evaluar el cliente en función de los parámetros.Usted puede tener datos adicionales, como direcciones IP o países desde los que no puede registrar usuarios debido a políticas internas o restricciones regulatorias. Envío de datos a Vertex AI para la puntuación: - from google.cloud import aiplatform endpoint = aiplatform.
+ Endpoint(endpoint_name="projects/your-project/locations/us-central1/endpoints/123456789") 
! response = endpoint.predict(instances=[{ 
! "document_number": "X1234567", 
! "age": 32, 
! "country": "UK", 
! "upload_time": 2.5 }])
# print(response)
 En esta etapa, Vertex AI ya tiene todos los datos obtenidos de Document AI: Data from the document (Document AI Output) 
 
 
 
 
 
 Primer y último nombre (detección de anomalías, cuentas duplicadas). Fecha de nacimiento (para restricciones de edad y perfil de riesgo). Número de documento (unicidad y patrón). Fecha de expiración (verificación de validez). País de emisión (países de alto riesgo). Pero también proporciona información que su sistema recopila sobre el cliente. Abajo está una cantidad limitada de información. Puede ser mucho más, o menos, dependiendo de las necesidades. File metadata 
 
 
 
 Tiempo de carga (hora sospechosa, por ejemplo, noche). Formato de archivo (JPEG, PNG, PDF) Número de intentos de carga (signo de fraude). User behavioral data 
 
 
 
 Velocidad de relleno de formulario (demasiado rápido → sospecha de un bot) Dirección IP y geolocalización (cumple con el país del documento) VPN o Proxy (signo de ocultación). El sistema Vertex AI Endpoint, que se implementa como un modelo ML/AI, analiza los datos y devuelve una predicción.Esta no es una lógica codificada, sino una combinación de datos, un algoritmo y un modelo estadístico que produce el resultado basado en la formación. Por ejemplo, la respuesta podría parecer así: risk_score = 0.12.
 Reglas de toma de decisiones: If risk_score < 0.2 → approve.
If 0.2 ≤ risk_score < 0.5 → review.
If risk_score ≥ 0.5 → reject.
 A continuación, dependiendo de las configuraciones de su sitio web o aplicación, muestra el resultado al cliente, y los datos estructurados se registran en la base de datos de la empresa (PostgreSQL, MySQL, Firestore o algo más). También puedes: 
 
 
 Cambiar el estado del cliente en el perfil. Enviar notificaciones push o por correo electrónico. Este es un ejemplo de cómo un único modelo de IA puede ser usado para resolver tareas de negocio y acelerar procesos tanto para la empresa como para sus clientes. Los modelos de IA aún no cubren todos los escenarios de la vida real, pero cada mes aparecen nuevas soluciones. Manténgase atento a las actualizaciones. Lo que ya está disponible puede utilizarse de manera efectiva en el trabajo. Below are examples of AI models and ways to use them: OpenAI (ChatGPT, GPT-4/4o) 
 
 
 
 ChatGPT API – integración de chat de IA en aplicaciones (suporte, automatización). API de asistentes – asistentes personalizados para tareas de negocio. Interpretación de código - análisis de datos y scripts de Python (analítica financiera, dashboards). Google Cloud AI (Vertex AI) 
 
 
 
 Documento AI – análisis de documentos (KYC, contratos, declaraciones). AutoML – Construir modelos sin código (score, predicciones). AI Hub – modelos preparados (detección de fraudes, puntuación de crédito). AWS AI Services 
 
 
 
 Textract – OCR de PDFs (facturas, documentos financieros). Comprender – análisis de texto (revisiones, sentimientos). SageMaker – capacitación de modelos personalizados (gestión de riesgos, previsiones). Microsoft Azure AI (Copilot) 
 
 
 Document Intelligence – reconocimiento de formularios y informes. Azure OpenAI Service – GPT en la nube para soluciones empresariales. Anthropic (Claude) 
 
 Claude API – chat, generación de texto, análisis de datos (documentos legales, cumplimiento). Fireblocks 
 
 Análisis de IA – monitoreo de transacciones, AML, protección contra fraudes en criptografía. DocuSign AI 
 
 Intelligent Insights: análisis de contratos y riesgos. Salesforce Einstein AI 
 
 Einstein GPT – predicción de ventas, automatización de CRM. La inteligencia artificial ha dejado de ser sólo una tendencia y se ha convertido en una verdadera herramienta para la optimización de negocios.De la automatización de la verificación del cliente a la predicción de riesgos y la personalización del servicio, la IA ofrece a las empresas oportunidades para ahorrar tiempo, reducir costos y mejorar la precisión.Ejemplos como Google Cloud con sus servicios Vertex AI y Document AI muestran que la implementación de tales soluciones ya no es la prerrogativa de los gigantes tecnológicos - está disponible para empresas de cualquier tamaño y industria.La clave es comenzar con una estrategia clara y el conjunto correcto de herramientas. Igor Nikolaiev, Líder de Productos Técnicos en Fintech y AI

Read My Stories

Este audio es producido en el idioma original de la historia!

La IA puede verificar tu ID en segundos: así es como funciona

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

El modelo Bitcoin UTXO, impulsando un ecosistema único

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

El modelo Bitcoin UTXO, impulsando un ecosistema único

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps