IA extractiva frente a IA generativa: por qué es importante la diferencia para el tratamiento inteligente de documentos
Desde el lanzamiento de ChatGPT a finales de 2022, el tema de la inteligencia artificial ha estado en primera línea de conversación en todos los sectores y también ha generado importantes oportunidades en el procesamiento inteligente de documentos, un término que se creó mucho antes de la reciente oleada de IA y que describe la extracción y el procesamiento inteligente de datos de documentos estructurados y no estructurados, de los que la IA y el ML siempre han formado parte (de ahí "inteligente").
La entrada en esta nueva ola ha supuesto que una serie de nuevos términos se conviertan en algo mucho más habitual que la función más limitada que es la IDP, siendo los más comúnmente referenciados la IA Generativa (GenAI) y los LLM (grandes modelos lingüísticos). Sin embargo, hoy nos centraremos en el término emergente "IA extractiva" y en por qué distinguir entre ambos es crucial para aprovechar todo el potencial de la IA en IDP, garantizando que las empresas no sólo puedan agilizar sus operaciones, sino también garantizar la confianza en su uso.
En cierto modo, la IA generativa se resume fácilmente en una respuesta de uno de los principales proveedores del sector, OpenAI. Como comentaron sus abogados en un pleito en curso,
"Por su propia naturaleza, los contenidos generados por la IA son probabilísticos y no siempre objetivos, y existe un consenso casi universal en que el uso responsable de la IA incluye la comprobación de los hechos antes de utilizarlos o compartirlos."
Es importante recordar que el objetivo último de la IA Generativa es proporcionar una respuesta, y eso no significa que la respuesta que proporcione sea correcta.
La inteligencia artificial extractiva, por su parte, se centra en extraer información específica y relevante de diversos contenidos, actuando mucho más como un filtro sofisticado.
Tanto la IA Generativa como la Extractiva funcionan sobre la base de instrucciones, es decir, la introducción de texto sin formato para generar un resultado.
Cómo pueden trabajar juntas la IA generativa y la extractiva en el PID
Cuando se trata del procesamiento inteligente de documentos, estas diferencias significan que hay situaciones en las que una puede ser más apropiada que la otra, o en las que puede ser beneficioso utilizar ambas.
Tomemos el ejemplo de la solicitud de un nuevo cliente hipotecario, una tarea compleja pero de gran valor tanto para los prestamistas como para los solicitantes que suele implicar la gestión de numerosos documentos, como documentos de identidad, extractos bancarios, informes de crédito, historial de pagos de alquileres, escrituras, títulos de propiedad, tasaciones de inmuebles, contratos de compraventa, etc. Tanto la IA extractiva como la IA generativa pueden contribuir a optimizar este proceso.
La IA extractiva es muy adecuada para tareas en las que es necesario encontrar, estructurar y validar información específica. Esto es especialmente valioso en documentos largos, en los que los datos están encerrados y, de otro modo, sería una tarea larga intentar procesarlos manualmente. En nuestro ejemplo de la hipoteca, la IA extractiva puede utilizarse en las primeras fases del procesamiento para automatizar el proceso de lectura y extracción de información clave y proporcionarla en datos estructurados que encajen perfectamente en los sistemas de solicitud de préstamos. Aunque podemos esperar que la IA Extractiva produzca datos con gran precisión, deben aplicarse otras tecnologías para llegar a una precisión y confianza del 100% para tomar una decisión. Estas tecnologías son capacidades básicas de IDP e incluyen validaciones HITL (human-in-the-loop), de bases de datos y de servicios de IA.
La IA generativa, por su parte, es aproximada por diseño. Está diseñada para crear o generar nuevos contenidos, basándose en patrones subyacentes en los datos. En nuestro ejemplo de tramitación de hipotecas, puede complementar a la IA Extractiva facilitando análisis posteriores mediante chat y para crear comunicaciones personalizadas. Volviendo a nuestro ejemplo del préstamo, la IA extractiva se utilizaría para extraer la información y resumirla para su revisión por parte de un trabajador del conocimiento, y la IA generativa para crear una carta o recomendación para el cliente.
Para obtener una visión general de las diferencias entre la IA extractiva y la generativa, consulte nuestra matriz de comparación.
Esta potente combinación significa que no sólo aumentan los índices de automatización, sino que se puede obtener y mejorar un nuevo nivel de personalización y conocimiento que antes era inalcanzable.
En resumen, las principales diferencias entre la IA extractiva y la generativa residen en sus funciones y resultados principales. Una de las principales ventajas de aplicar la IA extractiva en el procesamiento de documentos es identificar y extraer información específica del contenido existente para estructurar los datos, crear eficiencia e impulsar la precisión, mientras que la IA generativa se centra en crear nuevo contenido con una comprensión de contextos complejos y la capacidad de adaptarse a diversos escenarios, ofreciendo la oportunidad de mejorar tanto la experiencia del usuario como la del cliente.
En última instancia, ambas ofrecen ventajas a las organizaciones, pero la clave reside en ser capaz de orquestar de forma óptima estos servicios y herramientas para lograr una eficiencia y una experiencia del cliente superiores y ofrecer procesos automatizados realmente sólidos.
