Aínda que a intelixencia artificial apareceu no mundo relativamente recentemente, a maioría das persoas e empresas aínda a usan principalmente en forma de preguntas e respostas en ChatGPT. Para moitos, este é o que está asociado co concepto de "utilizar AI". Isto tamén é confirmado polos datos de McKinsey, segundo os cales máis do 75% das empresas xa están experimentando con AI, pero case o 60% están limitados a usar modelos xerativos para tarefas básicas - escribir textos, analizar datos ou traballar con código. Polo tanto, ChatGPT é só un dos numerosos servizos de IA, creados para responder a preguntas, editar textos e xerar imaxes. Moitas empresas líderes do mundo comezaron a crear os seus propios modelos e produtos de IA para aplicacións prácticas. Isto deu ás empresas a oportunidade de integrar a intelixencia artificial nos seus procesos e aumentar a eficiencia operativa. Algúns necesitan un chatbot de IA que responda aos clientes 24/7, cubra ata o 80% das consultas típicas e transmite a conversación a un operador só cando a pregunta é demasiado específica. Segundo as estatísticas de IBM, as empresas que implementaron chatbots de IA reduciron a carga de traballo nos operadores ata un 70% e reduciron o tempo de espera do cliente nun 90%. Para as empresas, isto significa unha aceleración significativa do servizo e a capacidade de optimizar os custos de soporte. Hai empresas financeiras que necesitan realizar verificacións periódicas de usuarios. Debe notarse inmediatamente: un módulo de verificación completo é unha solución tecnolóxica complexa, pero as empresas poden implementar partes individuais dela. Por exemplo, a verificación de documentos pode ser integrada non só nos servizos financeiros, senón tamén no traballo dos rexistradores de nomes de dominio ou provedores de servizos de utilidade. O mercado de solucións KYC (Coñece o teu Cliente) alcanzou US $ 12,4 millóns en 2024 e, segundo as previsións, crecerá nun 22% ao ano. Agora, se unha acción require a verificación de documentos, é necesario non só cargar o ficheiro, senón tamén extraer información del e gardar os datos no perfil do cliente e na base de datos da empresa. Anteriormente, isto requiría pedir ao usuario que introduza manualmente todos os datos e, ademais, cargue o documento. Agora este proceso pode ser automatizado: o sistema extrae a información necesaria por si só sen solicitudes adicionais ao cliente. Tecnoloxías OCR e análise AI reducen o tempo para a verificación de documentos de 5-10 minutos a uns segundos e reducen o número de erros en 80%, segundo Deloitte. Captura de pantalla do servizo oficial de Google Document AI: https://cloud.google.com/document-ai https://cloud.google.com/document-ai A continuación, examinaremos como implementar unha solución similar usando Google Cloud, utilizando os servizos Vertex AI e Document AI. Let’s break it down step by step using the example of Google Cloud: Vertex AI and Document AI. Abaixo está un glosario para comprender mellor o propósito de cada servizo: Utilízase para a lectura e recoñecemento automático de datos de documentos (IDs, pasaportes, facturas). Permite obter datos estruturados en formato JSON sen entrada manual. Document AI API Deseñado para crear, adestrar e implantar modelos de intelixencia artificial. Permite o uso de ML para análise, puntuación, detección de anomalías e predición. O obxectivo principal é a implementación de lóxica de IA personalizada: desde solucións anti-fraude ata recomendacións personalizadas. Vertex AI API Integration of Document AI and Vertex AI in your project: step by step Creación dun proxecto Google Cloud Se o proxecto aínda non foi creado, engádelo a Google Cloud, configura a facturación e crea unha conta de servizo con dereitos de acceso aos servizos necesarios. Enlace ao: cloud.google.com/document-ai Páxina web cloud.google.com/document-ai Páxina web Facilitar os dous principais servizos: 
 
 
 Páxina oficial: API Xestión de API A continuación, ten que configurar Document AI para que o sistema lea correctamente os documentos. 
 
 
 
 Crear un procesador do tipo Procesador de documentos de identificación (apto para procesar pasaportes e licenzas de condutor) Seleccione a rexión na que está a operar (EE.UU. ou UE). Despois da creación, recibirás un ID de procesador. Copia-lo - será necesario para realizar solicitudes a través da API. A continuación, o seu sitio web pode ter a súa propia interface onde os usuarios subirán documentos. JPEG, PNG, PDF. O mecanismo de traballo é así: 
 
 
 
 O backend do seu sitio web recibe o ficheiro do usuario. A continuación, envía este ficheiro á API Document AI. No corpo da solicitude, o ficheiro é transmitido en formato Base64. Exemplo dunha solicitude: POST https://documentai.googleapis.com/v1/projects/{project_id}/locations/{location}/processors/{processor_id}:process 
 Document AI procesa estes datos e devolveos en formato JSON: 
 
 
 Texto OCR (texto recoñecido do documento) Datos estruturados: nome, apelido, data de nacemento, número de documento, data de caducidade. Exemplo dunha resposta 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)
 Que atopamos no JSON? First Name: John
Last Name: Doe
Date of Birth: 1990-01-01
Document No: X1234567
Expiry: 2030-12-31
 Cos datos obtidos, xa podes traballar e engadilo á base de datos. Por exemplo, podes gardalo no perfil do cliente para que xa non teñas que pedirlle que introduza esta información. Captura de pantalla do servizo oficial de Google Document AI: https://cloud.google.com/document-ai https://cloud.google.com/document-ai Podemos procesar estes datos e realizar verificacións.Na práctica, hai casos en que a IA non recoñece certos elementos.Por exemplo, a resposta de Document AI pode non incluír o apelido, aínda que estea presente no documento. Para evitar unha situación na que parece que todo está rematado pero en realidade os datos están ausentes, é necesario comprobar se todos os campos clave están cubertos.Despois de recibir as entidades de Document AI (nome, apelido, data de nacemento, número de documento, data de caducidade), asegúrese de que ningún deles estea baleiro. - 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}")
 Ou para o seu servizo, é importante que o usuario teña polo menos 18 anos de idade. Por exemplo, pode comprobar a data de nacemento (no formato YYYY-MM-DD) e asegurarse de que a idade é > 18 anos (ou outro limiar 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.")
 Ata esta fase, vostede foi principalmente a verificación de datos estáticos obtidos usando AI. 2) Using Vertex AI Pero pode ir aínda máis lonxe e usar o módulo Vertex AI, xa que ata este punto só traballou con Document AI para escanear e recoñecer documentos. Captura de pantalla do servizo 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 exemplo, o seguinte paso é avaliar o cliente en función de parámetros. pode ter datos adicionais, como enderezos IP ou países dos que non pode rexistrar usuarios debido a políticas internas ou restricións regulatorias. Envío de datos a Vertex AI para a 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)
 Nesta fase, Vertex AI xa ten todos os datos obtidos de Document AI: Data from the document (Document AI Output) 
 
 
 
 
 
 Primeiro e último nome (detección de anomalías, contas duplicadas). Data de nacemento (para restricións de idade e perfil de risco). Número de documento (unicidade e patrón). Data de caducidade (verificación de validez). Países de emisión (países de alto risco). Pero tamén proporciona información que o seu sistema recolle sobre o cliente. Abaixo está unha cantidade limitada de información. Pode ser moito máis, ou menos, dependendo das necesidades. File metadata 
 
 
 
 Tempo de carga (hora sospeitosa, por exemplo, noite). Formato de ficheiro (JPEG, PNG, PDF) Número de intentos de carga (sinal de fraude). User behavioral data 
 
 
 
 Velocidade de enchido do formulario (demasiado rápido → sospeita dun bot) Dirección IP e xeolocalización (corresponde ao país do documento) VPN ou Proxy (signo de ocultación). O sistema Vertex AI Endpoint, que se implementa como un modelo ML/AI, analiza os datos e devolve unha predición.Esta non é unha lóxica codificada, senón unha combinación de datos, un algoritmo e un modelo estatístico que produce o resultado baseado na formación. Por exemplo, a resposta podería parecer así: risk_score = 0.12.
 Regras de toma de decisións: If risk_score < 0.2 → approve.
If 0.2 ≤ risk_score < 0.5 → review.
If risk_score ≥ 0.5 → reject.
 A continuación, dependendo das configuracións do seu sitio web ou aplicación, mostra o resultado ao cliente, e os datos estruturados son rexistrados na base de datos da empresa (PostgreSQL, MySQL, Firestore ou algo máis). Tamén podes: 
 
 
 Cambiar o estado do cliente no perfil. Enviar notificacións push ou por correo electrónico. Este é un exemplo de como un único modelo de IA pode ser usado para resolver tarefas de negocio e acelerar procesos tanto para a empresa como para os seus clientes. Os modelos de IA aínda non cubren todos os escenarios da vida real, pero novas solucións están emerxendo cada mes. Mantéñase atento ás actualizacións. O que xa está dispoñible pode ser utilizado de forma eficaz no traballo. Below are examples of AI models and ways to use them: OpenAI (ChatGPT, GPT-4/4o) 
 
 
 
 ChatGPT API - integración de chat de IA en aplicacións (suporte, automatización). Asistentes API - asistentes personalizados para tarefas de negocio. Interpretación de código - análise de datos e scripts de Python (análise financeira, dashboards). Google Cloud AI (Vertex AI) 
 
 
 
 Document AI - análise de documentos (KYC, contratos, declaracións). AutoML – construción de modelos sen código (score, previsións). AI Hub - modelos preparados (detección de fraudes, puntuación de crédito). AWS AI Services 
 
 
 
 Textract - OCR a partir de PDFs (facturas, documentos financeiros). Comprender - análise de texto (revisións, sentimentos). SageMaker – formación de modelos personalizados (xestión de riscos, previsións). Microsoft Azure AI (Copilot) 
 
 
 Intelixencia de documentos - recoñecemento de formularios e informes. Azure OpenAI Service - GPT na nube para solucións empresariais. Anthropic (Claude) 
 
 Claude API - chat, xeración de texto, análise de datos (documentos legais, cumprimento). Fireblocks 
 
 Análise de IA - monitorización de transaccións, AML, protección contra fraudes en criptografía. DocuSign AI 
 
 Insights intelixentes - análise de contratos e riscos. Salesforce Einstein AI 
 
 Einstein GPT - Predición de vendas, automatización de CRM. A intelixencia artificial deixou de ser só unha tendencia e converteuse nunha verdadeira ferramenta para a optimización empresarial. Desde a automatización da verificación do cliente ata a predición de riscos e a personalización do servizo, a IA ofrece ás empresas oportunidades para aforrar tempo, reducir custos e mellorar a precisión. Exemplos como Google Cloud cos seus servizos Vertex AI e Document AI mostran que a implementación de tales solucións xa non é a prerrogativa dos xigantes da tecnoloxía - está dispoñible para empresas de calquera tamaño e industria. Igor Nikolaiev, Líder de produto técnico en fintech e AI

Read My Stories

Este audio está producido na lingua orixinal da historia!

Demasiado longo; Ler

Make resilience your competitive advantage

A AI pode verificar a túa identificación en segundos - Aquí está como funciona

About Author

COMENTARIOS

Etiquetas colgantes

ESTE ARTIGO FOI PRESENTADO EN

Related Stories

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Tech Companies Community!

HackerNoon Decoded 2024: Celebrating Our Writing Community!

R Systems BlogBook—Chapter 1: Round 2 is Now Open for Submissions🎉

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Tech Companies Community!

HackerNoon Decoded 2024: Celebrating Our Writing Community!

R Systems BlogBook—Chapter 1: Round 2 is Now Open for Submissions🎉

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps