Francisco Rojas.

En digitalización de documentos, ¿cuál es la situación actual de las empresas?
Los datos no estructurados -texto de documentos, voz, imágenes, videosrepresentan casi el 80% de los datos de una empresa y contienen un alto valor sin explotar, pero extraer información de ellos es difícil, porque implica laboriosos procesos de análisis de datos. La comprensión inteligente de documentos está cambiando esta situación.

¿De qué se trata la compresión inteligente de documentos?
Las soluciones de comprensión inteligente de documentos combinan la búsqueda y el análisis con el Procesamiento del Lenguaje Natural (PLN) y el Aprendizaje Automático (ML) para extraer automáticamente información relevante de los datos no estructurados. Las empresas pueden entonces acceder a información crítica en tiempo real, ahorrando tiempo y recursos significativos que habrían sido necesarios para buscar manualmente en datos masivos. De esa forma, se mejora el cumplimiento y la gestión de riesgos; se aumenta la eficiencia operativa; y se mejoran los procesos empresariales mediante la automatización.

¿Qué desafíos observa entre las empresas en la gestión de data?
Cuando se trata de la gestión de datos, la mayoría de las organizaciones tiene problemas. Esto se debe a que sus prácticas de mantenimiento de registros, intercambio e integración de datos aún no son lo que podrían ser; los “silos de datos”, los documentos en papel y la falta de conocimiento son muy comunes. De hecho, ocho de cada diez ejecutivos a nivel mundial estiman que actualmente la mayoría de sus datos son incluso inaccesibles. Eso es un enorme obstáculo para la productividad, la flexibilidad y la innovación. La digitalización y la integración pueden ayudar a organizar la información fragmentada e inaccesible y, de este modo, las organizaciones obtienen un valor considerable, ya que la digitalización y la integración de los datos son una base fundamental para desplegar capacidades operativas de vanguardia.

Sin estos esfuerzos, obtener todo el valor de los datos de una organización puede ser un reto, especialmente cuando se trabaja con una enorme cantidad de datos en papel y no estructurados.

Pero, ¿cómo avanzar?
Cada vez más organizaciones confían en las herramientas de digitalización basadas en la inteligencia artificial y en enfoques paso a paso muy específicos que reducen los costos de transición y maximizan el valor a largo plazo. La visión computacional y el aprendizaje automático son fundamentales para estos esfuerzos y automatizan gran parte del proceso con mucha menos intervención humana. Una vez que se han entrenado ciertos modelos de ML para “entender” los planos y esquemas escaneados, el proceso de convertir dichos documentos en conjuntos de datos accionables por la máquina resulta más escalable que la introducción manual de datos.

Por ejemplo, estas tecnologías pueden identificar objetos y predecir el tipo de activo, así como extraer cualquier etiqueta y asociarla con el activo correspondiente. No es necesario emplear el tiempo de un especialista para introducir los datos manualmente: los algoritmos de IA/ML pueden realizar estas mismas tareas en una fracción de tiempo.

¿Hay una especie de cronograma para alcanzar una digitalización de documentos efectiva?
Para avanzar en la digitalización de documentos, las empresas deben, en primer lugar, recopilar y categorizar los documentos en función de su tipo y luego escalarlos con los parámetros de calidad requeridos. A continuación, los documentos se cargan en una plataforma de digitalización de datos. Luego, los analistas de operaciones configuran un nuevo análisis, cargando los documentos y entrenando el modelo de IA/ ML para reconocer los atributos relevantes y clasificar los activos. Aquí vemos un ejemplo de cómo la tecnología potencia el talento humano.

En la segunda etapa, los algoritmos avanzados de la plataforma ejecutan una comprobación de la calidad de la imagen y devuelven los documentos rechazados para que se vuelvan a escanear. Los documentos restantes son analizados por el modelo de IA/ML que recomienda las mejores opciones de coincidencia junto con dos coincidencias cercanas para su validación.

Por último, los analistas de operaciones deben comprobar y confirmar la clasi- ficación de activos de la IA entre las opciones disponibles o anulan la posibilidad. A continuación, los documentos se validan con los documentos originales y se entrega un archivo CSV completo, el que puede utilizarse para alimentar los datos en cualquier tipo de plataforma o aplicación.