Korea Deep Learning impulsa la transición hacia la IA operativa

| NBNTV = Ju Hyeon-ung

Korea Deep Learning (CEO Gim Ji-hyeon), empresa de soluciones de IA de inteligencia visual para el sector público y corporativo, ha anunciado su hoja de ruta para el segundo semestre, la cual busca expandir su solución de IA de documentos, 'Deep Agent', hacia un 'AI Worker' que realiza tareas laborales reales.

Esta hoja de ruta se centra en extender la automatización, que anteriormente se limitaba a la extracción de caracteres e información de documentos mediante OCR, hacia la toma de decisiones, la aprobación de tareas y la ejecución de sistemas empresariales.

Anteriormente, cada vez que una empresa añadía nuevos documentos o tareas, era necesario construir un sistema OCR independiente y verificar su tasa de reconocimiento. Korea Deep Learning cambiará este enfoque permitiendo que los modelos y criterios de trabajo ya verificados se guarden como activos operativos para ser reutilizados en otros departamentos y tareas.

La base fundamental es 'VLM Ops'. Los modelos de IA, los prompts, los esquemas de extracción de información y los estándares de calidad utilizados en tareas específicas se acumularán en VLM Ops. Cuando se añada una nueva tarea, en lugar de desarrollar el sistema desde cero, se podrán ajustar y verificar solo los elementos necesarios para su aplicación.

También se implementará una función que permita a los clientes responder directamente a cambios en los formatos de los documentos o en los elementos de extracción. El plan es reducir la carga de solicitar mantenimiento al desarrollador cada vez que cambien los valores clave (key-value) tras la implementación, permitiendo que los clientes configuren y ajusten directamente los elementos necesarios en VLM Ops.

Korea Deep Learning también ampliará los criterios de evaluación de la IA de documentos, pasando de centrarse en la tasa de reconocimiento a enfocarse en la tasa de no intervención humana y la tasa de finalización de tareas. La política es medir el rendimiento de la automatización no solo por la capacidad de leer documentos con precisión, sino por hasta qué punto se procesan las tareas reales sin la intervención de una persona.

Los modelos y criterios de trabajo almacenados en VLM Ops se conectarán al flujo de trabajo del agente. Esto configurará un flujo único que incluye la clasificación de documentos, la extracción de información, la verificación cruzada entre documentos, la toma de decisiones, la aprobación del responsable y la ejecución de sistemas posteriores.

Para los casos normales que cumplen con ciertos estándares de confianza, Deep Agent procesará incluso los procedimientos posteriores. Solo los casos excepcionales, donde la información sea ambigua o se requiera un juicio adicional, se enviarán al responsable para su revisión.

Los resultados que hayan completado la revisión y aprobación se integrarán con los sistemas operativos existentes de la empresa, tales como ERP, CRM, EDMS y RPA. Además, se almacenarán las bases de las decisiones de la IA, el historial de aprobación/revisión y los resultados de la ejecución del sistema para su uso en auditorías y controles internos.

También se reforzará la estructura de verificación para reducir los errores de juicio de la IA. Utilizando OCR y parsers, se reconocerán los caracteres y la estructura del documento; luego, mediante un modelo de lenguaje visual (VLM), se analizará el contexto y el significado de la tarea, para finalmente comparar los resultados de la extracción con la ubicación en el documento original.

Los resultados que se desvíen del formato establecido o que tengan una baja confianza se separarán de los casos normales. Esto es para evitar que información con bases insuficientes se introduzca en los sistemas posteriores sin una verificación adicional.

Korea Deep Learning está aplicando actualmente Deep Agent en las tareas de evaluación de nuevos comercios y cambios de los mismos para una compañía de tarjetas de crédito en Corea. El sistema clasifica automáticamente solicitudes de inscripción/cambio, certificados de registro de negocios, copias de libretas bancarias y certificados de registro de asuntos, y realiza la verificación cruzada de la información principal de cada documento.

Para los casos normales, se procesa automáticamente desde el enmascaramiento de información personal hasta la vinculación con el sistema de evaluación, y solo los casos que requieren confirmación adicional son revisados por un responsable. Los modelos y criterios de trabajo verificados en dicha tarea se guardarán en VLM Ops para ser utilizados en otras tareas de evaluación de comercios.

Korea Deep Learning ha presentado esta dirección como la estrategia '3 Zero AI Worker'. Esta se compone de: 'Zero Training', que reduce el aprendizaje y la configuración repetitiva; 'Zero Hallucination', que reduce los errores de juicio utilizando el texto original y reglas de verificación; y 'Zero Review', que se enfoca en revisar únicamente los casos excepcionales en lugar de realizar una inspección total de los casos normales.

Gim señaló: “Dejaremos atrás el método de reconstruir el OCR cada vez que se añaden nuevos documentos o tareas para expandir la IA verificada y sus criterios de trabajo a toda la empresa. El objetivo de esta hoja de ruta es reducir los costos de construcción y revisión repetitiva, creando una estructura donde la IA complete las tareas reales”.