LandingAI ha lanzado "División y clasificación inteligente de documentos" para abordar un problema muy común y desafiante en el procesamiento de documentos empresariales: el procesamiento automatizado de paquetes de documentos mixtos. Problema principal: No se trata solo de leer documentos, sino también de organizarlos. En operaciones comerciales reales (como en el sector sanitario, los seguros y las finanzas), los archivos PDF que reciben las empresas no suelen ser de un solo tipo, sino una mezcolanza. Por ejemplo, un solo archivo PDF puede contener: • Páginas 1-2: Formulario de Registro de Empleo • Páginas 3-5: Notas Clínicas • Página 6: Factura o Carta de Autorización Limitaciones de los métodos tradicionales: Si usa la función de extracción directamente en todo el archivo, la IA intentará comprender todas las páginas con la misma lógica. Esto dará como resultado: • Corrupción de datos: el uso de la lógica de facturación para extraer registros médicos no solo produce resultados incorrectos sino también inutilizables. • Desperdicio de recursos: el procesamiento de páginas irrelevantes consume recursos informáticos innecesarios. • Bloqueo de proceso: antes de poder extraer los datos, el archivo debe dividirse manualmente o mediante pasos adicionales. Solución de división y clasificación inteligente de documentos (ADE Split) ADE Split es una capa de preprocesamiento con reconocimiento de contenido. Antes de realizar una extracción detallada de datos, se encarga de descomponer lógicamente los archivos grandes en grupos adecuados. • Agrupación inteligente: analiza todo el archivo y agrupa las páginas que pertenecen al mismo documento. • No destructivo: no modifica el archivo PDF original, pero devuelve datos JSON estructurados que le indican al sistema cómo dividirlo. La información clave que devuelve incluye: • Sugerencias de tipo de documento (por ejemplo, identificar si es una "factura" o un "contrato"). • Rango de páginas (por ejemplo, las páginas 1 a 3 son un grupo, la página 4 es otro grupo). • Identificadores auxiliares (opcionales): como el nombre del paciente o el ID de la factura, para ayudar a confirmar la propiedad. • Contenido Markdown: El contenido de texto del párrafo correspondiente. • Grupo sin categorizar: este grupo es específicamente para almacenar páginas que no se pueden emparejar, lo que garantiza un proceso riguroso. Características técnicas: Sensible al contenido, sin necesidad de etiquetas rígidas: Las herramientas de división tradicionales suelen basarse en códigos QR o páginas separadoras específicas. ADE Split puede agrupar según el contexto del contenido de la página. • Agrupamiento inteligente: incluso si no hay una identificación explícita en la página, siempre que la lógica del contenido sea coherente, puede identificar que pertenecen al mismo documento. • Exclusividad: Cada página se asignará a un solo grupo de documentos y no habrá asignaciones duplicadas. Situación aplicable y estado actual • Modelos compatibles: compatible con los últimos modelos DPT-2 y DPT-2 Mini de LandingAI. • Canales disponibles: se puede acceder directamente a través de Playground o API.
