Хотя искусственный интеллект появился в мире относительно недавно, большинство людей и компаний все еще используют его в основном в форме вопросов и ответов в ChatGPT. Для многих это то, что связано с концепцией «использования ИИ». Поэтому ChatGPT является лишь одним из многочисленных сервисов ИИ, созданных для ответа на вопросы, редактирования текстов и создания изображений. Многие ведущие компании в мире начали создавать свои собственные модели ИИ и продукты для практического применения.Это дало предприятиям возможность интегрировать искусственный интеллект в свои процессы и повысить оперативную эффективность.Например, согласно PwC, компании, которые интегрировали ИИ в ключевые процессы, снижают эксплуатационные затраты на 20-40% и повышают производительность на 30%. Некоторые нуждаются в чатботе ИИ, который отвечает клиентам 24/7, покрывает до 80% типичных запросов и передает разговор оператору только тогда, когда вопрос слишком специфичен. Согласно статистике IBM, компании, которые внедрили чатботы ИИ, сократили рабочую нагрузку на операторов до 70% и сократили время ожидания клиентов на 90%. Для предприятий это означает значительное ускорение обслуживания и возможность оптимизировать затраты на поддержку. Есть финансовые компании, которые нуждаются в периодической проверке пользователей. Следует сразу отметить: полнофункциональный модуль проверки является сложным технологическим решением, но предприятия могут реализовать отдельные его части. Например, проверка документов может быть интегрирована не только в финансовые услуги, но и в работу регистраторов доменных имен или провайдеров услуг. Рынок решений KYC (Know Your Customer) достиг $12,4 млрд в 2024 году и, согласно прогнозам, будет расти на 22% ежегодно. Теперь, если действие требует проверки документов, необходимо не только загрузить файл, но и извлечь из него информацию и сохранить данные в профиле клиента и базе данных компании. Раньше это требовало попросить пользователя вручную ввести все данные и дополнительно загрузить документ. Теперь этот процесс можно автоматизировать: система извлекает необходимую информацию самостоятельно без дополнительных запросов к клиенту. Технологии OCR и Аналитика ИИ сокращают время для проверки документов с 5-10 минут до нескольких секунд и уменьшают количество ошибок на 80%, по данным Deloitte. Скриншот из официального сервиса Google Document AI: https://cloud.google.com/document-ai https://cloud.google.com/document-ai Далее мы рассмотрим, как реализовать аналогичное решение с помощью Google Cloud, используя сервисы Vertex AI и Document AI. Let’s break it down step by step using the example of Google Cloud: Vertex AI and Document AI. Ниже приведен глоссарий для лучшего понимания цели каждой услуги: — используется для автоматического чтения и распознавания данных из документов (идентификаторы, паспорта, счета-фактуры). Он позволяет получать структурированные данные в формате JSON без ручного ввода. Document AI API — предназначен для создания, обучения и развертывания моделей искусственного интеллекта. Он позволяет использовать ML для анализа, оценки, обнаружения аномалий и прогнозирования.Основной целью является внедрение индивидуальной логики ИИ: от решений по борьбе с мошенничеством до персонализированных рекомендаций. Vertex AI API Integration of Document AI and Vertex AI in your project: step by step Создание Google Cloud Project Если проект еще не создан, добавьте его в Google Cloud, настройте расчет и создайте учетную запись Сервиса с правами доступа к необходимым услугам. Линк : cloud.google.com/document-ai cloud.google.com / Документы Позволяют два основных сервиса: 
 
 
 Документ о API Вертекс AI API Далее необходимо настроить ИИ документа так, чтобы система правильно читала документы. 
 
 
 
 Создание процессора типа ID Document Processor (подходит для обработки паспортов и водительских прав) Выберите регион, в котором вы работаете (США или ЕС). После создания вы получите идентификатор процессора. скопируйте его — он понадобится для выполнения запросов через API. Далее ваш сайт может иметь свой собственный интерфейс, где пользователи будут загружать документы. JPEG, PNG, PDF. Механизм работы выглядит так: 
 
 
 
 Бак-энд вашего сайта получает файл от пользователя. Затем он отправляет этот файл в API Document AI. В теле запроса файл передается в формате Base64. Пример запроса : POST https://documentai.googleapis.com/v1/projects/{project_id}/locations/{location}/processors/{processor_id}:process 
 Документ AI обрабатывает эти данные и возвращает их в формате JSON: 
 
 
 Текст OCR (признанный текст из документа) Структурированные данные: фамилия, фамилия, дата рождения, номер документа, дата истечения срока действия. Пример ответа JSON от 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)
 Что мы получили в JSON? First Name: John
Last Name: Doe
Date of Birth: 1990-01-01
Document No: X1234567
Expiry: 2030-12-31
 С полученными данными вы уже можете работать и добавлять их в базу данных. Например, вы можете сохранить их в профиле клиента, чтобы вам больше не нужно было просить их ввести эту информацию. Скриншот из официального сервиса Google Document AI: https://cloud.google.com/document-ai https://cloud.google.com/document-ai Мы можем далее обрабатывать эти данные и проводить проверку.На практике бывают случаи, когда ИИ не распознает определенные элементы. Например, ответ от Document AI может не включать фамилию, даже если она присутствует в документе. Чтобы избежать ситуации, когда кажется, что все завершено, но фактически данные отсутствуют, необходимо проверить, заполнены ли все ключевые поля.После получения субъектов от Document AI (первое имя, фамилия, дата рождения, номер документа, дата истечения срока действия), убедитесь, что ни один из них не пуст.Если система обнаруживает недостающие значения, вы можете инициировать пересканирование документа и заполнить недостающие поля. - 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}")
 Или для вашего сервиса важно, чтобы пользователю было не менее 18 лет, иначе вы не можете предоставить доступ к сервису. Например, вы можете проверить дату рождения (в формате YYYY-MM-DD) и убедиться, что возраст > 18 лет (или другой установленный порог). - 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.")
 До этого этапа вы в основном проверяли статические данные, полученные с помощью ИИ. 2) Using Vertex AI Но вы можете пойти еще дальше и использовать модуль Vertex AI, так как до этого момента вы работали только с Document AI для сканирования и распознавания документов. Скриншоты с официального сервиса Vertex AI: https://cloud.google.com/vertex-ai/generative-ai/docs/learn/overview https://cloud.google.com/vertex-ai/generative-ai/docs/learn/overview Например, следующим шагом является оценка клиента на основе параметров.У вас могут быть дополнительные данные, такие как IP-адреса или страны, из которых вы не можете зарегистрировать пользователей из-за внутренних правил или нормативных ограничений. Отправка данных в Vertex AI для оценки: - 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)
 На этом этапе Vertex AI уже имеет все данные, полученные из Document AI: Data from the document (Document AI Output) 
 
 
 
 
 
 Первое и последнее имя (открытие аномалий, дублированные учетные записи). Дата рождения (для возрастных ограничений и профиля риска). Номер документа (уникальность и модель) Дата истечения срока действия (проверка действительности). Страны эмитента (страны с высоким риском). Но вы также предоставляете информацию, которую ваша система собирает о клиенте. Ниже есть ограниченное количество информации. Это может быть гораздо больше, или меньше, в зависимости от потребностей. File metadata 
 
 
 
 Время загрузки (подозрительное время, например, ночь). Формат файла (JPEG, PNG, PDF) Количество попыток загрузки (знак мошенничества) User behavioral data 
 
 
 
 Скорость заполнения формы (слишком быстро → подозрение на бота) IP-адрес и географическое местоположение (соответствует стране документа) VPN или прокси (знак сокрытия) Система Vertex AI Endpoint, которая развертывается как модель ML/AI, анализирует данные и возвращает предсказание.Это не логика с жестким кодом, а сочетание данных, алгоритма и статистической модели, которая производит результат на основе обучения. Например, ответ может выглядеть так: risk_score = 0.12.
 Правила принятия решений: If risk_score < 0.2 → approve.
If 0.2 ≤ risk_score < 0.5 → review.
If risk_score ≥ 0.5 → reject.
 Далее, в зависимости от настроек вашего веб-сайта или приложения, вы показываете результат клиенту, а структурированные данные записываются в базу данных компании (PostgreSQL, MySQL, Firestore или что-то еще). Вы также можете: 
 
 
 Изменить статус клиента в профиле. Отправлять push или электронные уведомления. Это пример того, как единую модель ИИ можно использовать для решения бизнес-задач и ускорения процессов как для компании, так и для ее клиентов. Модели ИИ еще не охватывают все сценарии реальной жизни, но новые решения появляются каждый месяц. Будьте готовы к обновлениям. То, что уже доступно, можно эффективно использовать в работе. Все ограничено только вашими потребностями и творчеством. Below are examples of AI models and ways to use them: OpenAI (ChatGPT, GPT-4/4o) 
 
 
 
 ChatGPT API – интеграция AI чата в приложения (поддержка, автоматизация). API ассистентов – персонализированные ассистенты для деловых задач. Кодовый интерпретатор – анализ данных и скрипты Python (финансовый анализ, панели управления). Google Cloud AI (Vertex AI) 
 
 
 
 Документный АИ – анализ документов (KYC, контракты, заявления). AutoML – создание моделей без кода (показатели, прогнозы). AI Hub – готовые модели (открытие мошенничества, кредитный рейтинг). AWS AI Services 
 
 
 
 Textract – OCR из PDF-файлов (счетов, финансовых документов). Понимание – текстовый анализ (обзоры, настроение) SageMaker – обучение индивидуальным моделям (управление рисками, прогнозы). Microsoft Azure AI (Copilot) 
 
 
 Документальная разведка – распознавание форм и отчетов. Azure OpenAI Service — GPT в облаке для корпоративных решений. Anthropic (Claude) 
 
 Claude API – чат, текстовое генерирование, анализ данных (юридические документы, соответствие). Fireblocks 
 
 Аналитика ИИ – мониторинг транзакций, AML, защита от мошенничества в криптовалюте. DocuSign AI 
 
 Intelligent Insights – анализ контрактов и рисков. Salesforce Einstein AI 
 
 Эйнштейн GPT – прогнозирование продаж, автоматизация CRM. Искусственный интеллект перестал быть просто тенденцией и стал настоящим инструментом для оптимизации бизнеса.От автоматизации проверки клиентов до прогнозирования рисков и персонализации услуг — ИИ предлагает компаниям возможности для экономии времени, сокращения затрат и повышения точности.Примеры, такие как Google Cloud с его Vertex ИИ и услуги Document ИИ показывают, что внедрение таких решений больше не является прерогативой технологических гигантов — это доступно компаниям любого размера и отрасли. Игорь Николаев, технический продукт-лидер в области финтех и ИИ

Read My Stories

Этот звук создан на языке оригинала истории!

Слишком долго; Читать

Make resilience your competitive advantage

ИИ может проверить ваш идентификатор за считанные секунды — вот как это работает

About Author

КОММЕНТАРИИ

БИРКИ

ЭТА СТАТЬЯ БЫЛА ПРЕДСТАВЛЕНА В

Related Stories

Руководство архитектора по созданию эталонной архитектуры для озера данных AI/ML

Цифровые кочевники слушают: что нужно знать о новой визе DTV в Таиланде

Утечка информации о системе Claude Sonnet 3.5: судебно-медицинский анализ

Повысьте свою производительность с помощью этих 18 инструментов разработчика 🚀🔥

Руководство архитектора по созданию эталонной архитектуры для озера данных AI/ML

Цифровые кочевники слушают: что нужно знать о новой визе DTV в Таиланде

Утечка информации о системе Claude Sonnet 3.5: судебно-медицинский анализ

Повысьте свою производительность с помощью этих 18 инструментов разработчика 🚀🔥

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps