Walaupun kecerdasan buatan muncul di dunia agak baru-baru ini, kebanyakan orang dan syarikat masih menggunakannya terutamanya dalam bentuk soalan dan jawapan dalam ChatGPT. Bagi ramai, ini adalah apa yang dikaitkan dengan konsep "menggunakan AI." Ini juga disahkan oleh data McKinsey, menurut yang lebih daripada 75% perniagaan sudah menguji AI, tetapi hampir 60% terhad kepada menggunakan model generatif untuk tugas asas - menulis teks, menganalisis data, atau bekerja dengan kod. Oleh itu, ChatGPT hanyalah salah satu daripada banyak perkhidmatan AI, yang dicipta untuk menjawab soalan, mengedit teks, dan mencipta imej. Banyak syarikat terkemuka di dunia telah mula mewujudkan model dan produk AI mereka sendiri untuk aplikasi praktikal. Ini telah memberi peluang kepada syarikat-syarikat untuk mengintegrasikan kecerdasan buatan ke dalam proses mereka dan meningkatkan kecekapan operasi. Sebagai contoh, menurut PwC, syarikat-syarikat yang telah mengintegrasikan AI ke dalam proses utama mengurangkan kos operasi sebanyak 20-40% dan meningkatkan produktiviti sebanyak 30%. Permintaan syarikat boleh berbeza. Sesetengah memerlukan chatbot AI yang menjawab pelanggan 24/7, meliputi sehingga 80% permintaan biasa, dan memindahkan perbualan kepada operator hanya apabila soalan itu terlalu spesifik. Menurut statistik IBM, perniagaan yang telah melaksanakan chatbot AI telah mengurangkan beban kerja pada operator sehingga 70% dan mengurangkan masa menunggu pelanggan sebanyak 90%. Bagi perniagaan, ini bermakna kelajuan perkhidmatan yang signifikan dan keupayaan untuk mengoptimumkan kos sokongan. Terdapat syarikat-syarikat kewangan yang perlu menjalankan pengesahan pengguna secara berkala. Ia perlu dicatat segera: modul pengesahan penuh adalah penyelesaian teknologi yang kompleks, tetapi perniagaan boleh melaksanakan bahagian-bahagian individu. Sebagai contoh, pengesahan dokumen boleh diintegrasikan bukan sahaja ke dalam perkhidmatan kewangan tetapi juga ke dalam kerja pendaftar nama domain atau pembekal perkhidmatan utiliti. Pasaran penyelesaian KYC (Know Your Customer) mencapai $12.4 bilion pada tahun 2024 dan, menurut ramalan, akan tumbuh sebanyak 22% setiap tahun. Sekarang, jika tindakan memerlukan pengesahan dokumen, ia adalah perlu bukan sahaja untuk memuat naik fail tetapi juga untuk mengekstrak maklumat daripadanya dan menyimpan data dalam profil pelanggan dan pangkalan data syarikat. Sebelum ini, ini memerlukan meminta pengguna untuk memasukkan semua data secara manual dan juga memuat naik dokumen.Sekarang proses ini boleh diotomatiskan: sistem mengekstrak maklumat yang diperlukan sendiri tanpa permintaan tambahan kepada pelanggan.Teknologi OCR dan analisis AI mengurangkan masa untuk pengesahan dokumen dari 5-10 minit kepada beberapa saat dan mengurangkan bilangan kesilapan dengan 80%, menurut Deloitte. Imej skrin daripada perkhidmatan Google Document AI rasmi: https://cloud.google.com/document-ai https://cloud.google.com/document-ai Seterusnya, kami akan melihat bagaimana untuk melaksanakan penyelesaian yang sama menggunakan Google Cloud, menggunakan Vertex AI dan perkhidmatan Document AI.Ini adalah pendekatan universal yang boleh disesuaikan untuk syarikat-syarikat dalam pelbagai sektor. Let’s break it down step by step using the example of Google Cloud: Vertex AI and Document AI. Di bawah ialah glossary untuk lebih memahami tujuan setiap perkhidmatan: - Digunakan untuk membaca dan mengenali data secara automatik daripada dokumen (ID, pasport, invois). Ia membolehkan untuk mendapatkan data terstruktur dalam format JSON tanpa input manual. Tujuan utama ialah pengeluaran automatik KYC/KYB, pemprosesan invois, dan pengesahan dokumen. Document AI API – direka untuk mewujudkan, melatih, dan mengimplementasikan model kecerdasan buatan. Ia membolehkan penggunaan ML untuk analisis, penilaian, pengesanan anomali, dan ramalan. Tujuan utama adalah pelaksanaan logik AI tersuai: dari penyelesaian anti-penipuan kepada cadangan yang dipersonalisasi. Vertex AI API Integration of Document AI and Vertex AI in your project: step by step 1) Mencipta projek awan Google Jika projek belum dicipta, tambahkan dalam Google Cloud, tetapkan pengiraan, dan mencipta Akaun Perkhidmatan dengan hak akses kepada perkhidmatan yang diperlukan. Link : cloud.google.com/document-ai cloud.google.com/document-ai ialah Membolehkan dua perkhidmatan utama: 
 
 
 Dokumen kepada API Vertex kepada API Seterusnya, anda perlu mengkonfigurasi Dokumen AI supaya sistem membaca dokumen dengan betul. 
 
 
 
 Mencipta Pemprosesan jenis Pemprosesan Dokumen ID (sesuai untuk memproses pasport dan lesen pemandu) Pilih kawasan di mana anda beroperasi (AS atau EU). Selepas penciptaan, anda akan menerima ID Pemproses. salinan - ia akan diperlukan untuk membuat permintaan melalui API. Seterusnya, laman web anda boleh mempunyai antara muka sendiri di mana pengguna akan memuat naik dokumen. JPEG, PNG, PDF. Mekanisme kerja kelihatan seperti ini: 
 
 
 
 Backend laman web anda menerima fail daripada pengguna. Kemudian ia menghantar fail ini ke Document AI API. Dalam badan permintaan, fail dihantar dalam format Base64. Contoh permintaan : POST https://documentai.googleapis.com/v1/projects/{project_id}/locations/{location}/processors/{processor_id}:process 
 Dokumen AI memproses data ini dan mengembalikannya dalam format JSON: 
 
 
 teks OCR (teks yang dikenali daripada dokumen) Data terstruktur: nama, nama, tarikh lahir, nombor dokumen, tarikh tamat tempoh. Contoh jawapan JSON daripada 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)
 Apa yang kita dapatkan dalam JSON? First Name: John
Last Name: Doe
Date of Birth: 1990-01-01
Document No: X1234567
Expiry: 2030-12-31
 Dengan data yang diperolehi, anda sudah boleh bekerja dan menambahkannya ke pangkalan data. Sebagai contoh, anda boleh menyimpannya dalam profil pelanggan supaya anda tidak lagi perlu meminta mereka untuk memasukkan maklumat ini. Imej skrin daripada perkhidmatan Google Document AI rasmi: https://cloud.google.com/document-ai https://cloud.google.com/document-ai Kami boleh memproses data ini lebih lanjut dan melakukan pengesahan. Dalam amalan, terdapat kes-kes di mana AI tidak mengenali unsur-unsur tertentu. Sebagai contoh, respons daripada Document AI mungkin tidak termasuk nama, walaupun ia terdapat dalam dokumen. Untuk mengelakkan keadaan di mana ia kelihatan bahawa semuanya telah selesai tetapi sebenarnya data hilang, ia adalah perlu untuk memeriksa sama ada semua medan kunci telah diisi.Selepas menerima entiti dari Dokumen AI (nama pertama, nama, tarikh lahir, nombor dokumen, tarikh tamat tempoh), pastikan bahawa tiada yang kosong.Jika sistem mendeteksi nilai-nilai yang hilang, anda boleh memulakan pemindaian semula dokumen dan mengisi medan yang hilang. - 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}")
 Atau untuk perkhidmatan anda, ia adalah penting bahawa pengguna berusia sekurang-kurangnya 18 tahun. Sebagai contoh, anda boleh memeriksa tarikh lahir (dalam format YYYY-MM-DD) dan memastikan bahawa umur adalah > 18 tahun (atau ambang yang lain yang ditetapkan). - 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.")
 Sehingga peringkat ini, anda terutamanya mengesahkan data statik yang diperolehi menggunakan AI. 2) Using Vertex AI Tetapi anda boleh pergi lebih jauh dan menggunakan modul Vertex AI, kerana sehingga kini anda hanya bekerja dengan Document AI untuk memindai dan mengenali dokumen. Screenshot daripada perkhidmatan Vertex AI rasmi: https://cloud.google.com/vertex-ai/generative-ai/docs/learn/overview https://cloud.google.com/vertex-ai/generative-ai/docs/learn/overview Contohnya, langkah seterusnya ialah menilai klien berdasarkan parameter. anda mungkin mempunyai data tambahan, seperti alamat IP atau negara dari mana anda tidak boleh mendaftar pengguna kerana dasar dalaman atau sekatan peraturan. Menghantar data kepada Vertex AI untuk skor: - 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)
 Pada peringkat ini, Vertex AI sudah mempunyai semua data yang diperolehi daripada Document AI: Data from the document (Document AI Output) 
 
 
 
 
 
 Nama pertama dan terakhir (pengesanan anomali, akaun duplikat). Tarikh lahir (untuk sekatan umur dan profil risiko). Nombor Dokumen (sesuatu yang unik dan corak). Tarikh tamat tempoh (Pengesanan validiti) Negara pengedar (negara berisiko tinggi) Tetapi anda juga menyediakan maklumat yang sistem anda kumpulkan mengenai klien. Di bawah ini adalah jumlah maklumat yang terhad. ia boleh menjadi lebih banyak, atau kurang, bergantung kepada keperluan. File metadata 
 
 
 
 Masa muat naik (waktu yang mencurigakan, contohnya, malam). Format fail (JPEG, PNG, PDF) Bilangan percubaan muat naik (tanda penipuan). User behavioral data 
 
 
 
 Kelajuan mengisi borang (terlalu cepat → kecurigaan bot) Alamat IP dan geolokasi (cocok dengan negara dokumen) VPN atau Proxy (tanda tersembunyi) Sistem Vertex AI Endpoint, yang digunakan sebagai model ML / AI, menganalisis data dan mengembalikan ramalan.Ini bukan logik hardcoded, tetapi gabungan data, algoritma, dan model statistik yang menghasilkan hasil berdasarkan latihan. Contohnya, jawapan mungkin kelihatan seperti ini: risk_score = 0.12.
 Peraturan pengambilan keputusan: If risk_score < 0.2 → approve.
If 0.2 ≤ risk_score < 0.5 → review.
If risk_score ≥ 0.5 → reject.
 Seterusnya, bergantung kepada tetapan laman web atau aplikasi anda, anda memaparkan hasil kepada klien, dan data terstruktur disimpan dalam pangkalan data syarikat (PostgreSQL, MySQL, Firestore, atau sesuatu yang lain). Anda juga boleh: 
 
 
 Mengubah status pelanggan dalam profil. Hantar Push atau notifikasi e-mel Ini adalah contoh bagaimana model AI tunggal boleh digunakan untuk menyelesaikan tugas perniagaan dan mempercepatkan proses untuk kedua-dua syarikat dan pelanggan. Model AI belum meliputi semua senario kehidupan sebenar, tetapi penyelesaian baru muncul setiap bulan. Tetap bersesuaian untuk kemas kini. Apa yang sudah tersedia boleh digunakan secara berkesan dalam kerja. Segala-galanya terhad hanya oleh keperluan dan kreativiti anda. Below are examples of AI models and ways to use them: OpenAI (ChatGPT, GPT-4/4o) 
 
 
 
 ChatGPT API – integrasi chat AI ke dalam aplikasi (support, automation). Asisten API – asisten tersuai untuk tugas perniagaan. Penerjemah Kod – analisis data dan skrip Python (analisis kewangan, dashboard). Google Cloud AI (Vertex AI) 
 
 
 
 Dokumen AI – penyelidikan dokumen (KYC, kontrak, pernyataan). AutoML – membina model tanpa kod (scoring, ramalan). AI Hub – model siap (pengesanan penipuan, penilaian kredit). AWS AI Services 
 
 
 
 Textract – OCR daripada PDF (faktur, dokumen kewangan). Memahami – analisis teks (pertimbangan, perasaan) SageMaker – melatih model tersuai (pengurusan risiko, ramalan). Microsoft Azure AI (Copilot) 
 
 
 Dokumen Kecerdasan - pengiktirafan borang dan laporan. Azure OpenAI Service – GPT dalam awan untuk penyelesaian enterprise. Anthropic (Claude) 
 
 Claude API – chat, pengeluaran teks, analisis data (dokumen undang-undang, pematuhan). Fireblocks 
 
 Analisis AI – pemantauan transaksi, AML, perlindungan penipuan dalam kripto. DocuSign AI 
 
 Insentif Pintar – Analisis Kontrak dan Risiko. Salesforce Einstein AI 
 
 Einstein GPT – prediksi jualan, automasi CRM. Kecerdasan buatan telah berhenti menjadi hanya trend dan telah menjadi alat sebenar untuk pengoptimuman perniagaan.Dari pengesahan pelanggan yang automatik kepada prediksi risiko dan penyesuaian perkhidmatan — AI menawarkan peluang kepada syarikat-syarikat untuk menjimatkan masa, mengurangkan kos, dan meningkatkan ketepatan. Contoh-contoh seperti Google Cloud dengan perkhidmatan Vertex AI dan Document AI menunjukkan bahawa melaksanakan penyelesaian sedemikian tidak lagi merupakan keistimewaan raksasa teknologi — ia tersedia kepada syarikat-syarikat dari mana-mana saiz dan industri. Igor Nikolaiev, Pengarah Produk Teknis dalam Fintech dan AI

Read My Stories

Audio ini dihasilkan dalam bahasa asal cerita!

Terlalu panjang; Untuk membaca

Make resilience your competitive advantage

AI boleh mengesahkan ID anda dalam hitungan saat - inilah cara ia berfungsi

About Author

KOMEN

GANTUNG TANDA

ARTIKEL INI DIBENTANGKAN DALAM

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps