אמזון משיקה כלי לחילוץ נתונים מתיקים של עד 3,000 עמודים
מאת מערכת זירת AI · פורסם: · עודכן:
AWS השיקה בזמינות כללית את Amazon Textract Insights, שירות שמחלץ נתונים מתיקי מסמכים מעורבים של עד 3,000 עמודים לפי תיאור בשפה טבעית. כל ערך מגיע עם ציון ביטחון והפניה לעמוד המקור, מה שמאפשר להחליט מה לאשר אוטומטית ומה להעביר לבדיקה אנושית. התמחור לפי עמוד, ועברית אינה בין השפות הנתמכות.
שירות חדש לעיבוד מסמכים מורכבים
חטיבת הענן של אמזון, AWS, הודיעה על זמינות כללית של Amazon Textract Insights, יכולת חדשה מבוססת בינה מלאכותית יוצרת בתוך שירות זיהוי המסמכים שלה. השירות נגיש באמצעות ממשק API חדש, ומאפשר למשתמשים לתאר בשפה טבעית אילו שדות מידע הם צריכים, להעלות מסמך בודד או חבילה מעורבת של מסמכים, ולקבל תוצאות מובנות. כל ערך שמוחזר מלווה בציון ביטחון ובהפניה לעמוד שממנו נלקח, וזאת ללא צורך באימון מודל.
קהל היעד המרכזי הוא ארגונים בתחומי הפיננסים, הביטוח, הבריאות והמגזר הציבורי, שמעבדים כמויות גדולות של טפסים סרוקים ומסמכי נייר.
הבעיה: תיקים מעורבים ותשובות שאי אפשר לאמת
לפי AWS, חלק גדול מעבודת עיבוד המסמכים בעלת הערך הגבוה אינו עוסק בקבצים נקיים וחד-תכליתיים, אלא בחבילות מעורבות. תיק משכנתא, למשל, מגיע לעיתים קרובות כסריקה אחת הכוללת טופס מס, תלושי שכר, דפי חשבון בנק והערות בכתב יד, ללא סדר קבוע. גם תיקי תביעות וחבילות קליטת לקוחות נראים כך.
עד היום, כך טוענת החברה, ארגונים בחרו באחת משתי דרכים. הראשונה היא בניית צינור עיבוד מותאם הכולל זיהוי תווים, פיצול מסמכים, סיווג, הנחיה למודל בסיס ושלב בקרה, שאותו צריך לשלב, להרחיב ולתחזק. השנייה היא שימוש במודל שפה כללי, שמחזיר תשובות רהוטות אך אינו מצטט באופן אמין את עמוד המקור ואינו מספק ציון ביטחון. ללא מקור ניתן למעקב, קשה להחליט אילו ערכים לאשר אוטומטית ואילו להעביר לבדיקה אנושית, וזה מגביל את היקף האוטומציה.
איך זה עובד בפועל
המשתמש מגדיר את הנתונים הדרושים בתבנית, שהיא סכמת JSON שבה לכל שדה יש תיאור בשפה טבעית. לכל שדה נקבע גם אם הערך נקרא מילה במילה מהעמוד או מוסק מתוכן המסמך. אפשר להתחיל מתבניות ציבוריות שהחברה מספקת למסמכים נפוצים, כמו טופסי מס אמריקאיים, דרכון ותעודת לידה, או לכתוב תבניות ייעודיות.
עבור חבילה מעורבת, מוסיפים לפרויקט תבנית לכל סוג מסמך צפוי ומפעילים פיצול. ניתן להגיש קובץ של עד 3,000 עמודים מאחסון S3 של הלקוח, והשירות מפצל אותו למסמכי משנה, מתאים לכל אחד את התבנית המתאימה, מחלץ את השדות ומחזיר לכל ערך ציון ביטחון ואת העמוד והקואורדינטות שמהם נלקח. כך בודק או מבקר יכולים לאמת כל תוצאה מול המסמך המקורי.
ויג'אי אגרוואל, סגן נשיא למערכות מידע ב-Symbeo, חברה בת של CorVel, אמר כי החשבונות הרפואיים שהחברה מקבלת מגיעים ממקורות רבים ובפורמטים שונים, וכללי חילוץ שפותחו למקור אחד לא תמיד עובדים באחר. לדבריו, ציון הביטחון מאפשר לצוות למקד את הבדיקה רק בשדות שבהם השירות פחות בטוח.
זמינות, תמחור ואבטחה
השירות תומך בקבצי PDF, PNG, JPEG ו-TIFF, ומעבד מסמכים באנגלית, צרפתית, גרמנית, איטלקית, פורטוגזית וספרדית. עברית אינה נכללת ברשימה. התמחור הוא לפי עמוד ולא לפי יחידות טקסט, ללא התחייבות מינימלית.
נקודה חשובה: מגבלות ותנאי שימוש Amazon Textract Insights אינו תומך בעברית. אפשר להגיש מאחסון S3 של הלקוח קובץ של עד 3,000 עמודים, והחיוב הוא לפי עמוד, ללא התחייבות מינימלית.
במקביל עדכנה אמזון את מנוע הקריאה הבסיסי של השירות, עם שיפור בדיוק, טיפול טוב יותר בטבלאות צפופות ובכתב יד, והרחבה ל-40 שפות. המנוע זמין כעת בשני אזורים נוספים, טוקיו וציריך, ובסך הכול ב-18 אזורים, אף שהיכולת החדשה עדיין לא זמינה בשני האזורים החדשים.
בתחום האבטחה, הנתונים מוצפנים, ולקוחות יכולים להשתמש במפתחות הצפנה משלהם. נתוני הביניים זמניים ונמחקים בסיום העבודה. ההסקה מנותבת אוטומטית לאזור המיטבי בתוך האזור הגיאוגרפי שממנו הגיעה הבקשה, כך שבקשות מארצות הברית, למשל, מעובדות בארצות הברית.
שאלות נפוצות
מה זה Amazon Textract Insights ולמי הוא מיועד?
Amazon Textract Insights הוא כלי של AWS המבוסס על בינה מלאכותית יוצרת לחילוץ נתונים ממסמכים מורכבים, ללא צורך באימון מודל. המשתמשים מתארים בשפה טבעית אילו נתונים דרושים להם ומקבלים תוצאות מובנות עם ציון ביטחון והפניה למקור. הכלי מיועד בעיקר לארגוני פיננסים, ביטוח, בריאות והמגזר הציבורי המעבדים טפסים וסריקות.
איך מחלצים נתונים מתיק מסמכים של עד 3,000 עמודים?
מגדירים תבניות המתארות את השדות לחילוץ, מוסיפים תבנית לכל סוג מסמך צפוי ומפעילים פיצול. לאחר הגשת קובץ של עד 3,000 עמודים מאחסון Amazon S3, השירות מפצל אותו למסמכי משנה, מתאים להם תבניות ומחלץ נתונים. כל ערך מוחזר עם ציון ביטחון, מספר עמוד וקואורדינטות שמאפשרים לבדוק אותו מול המקור.
איך אפשר לבדוק את אמינות הנתונים שמחלץ Amazon Textract Insights?
כל ערך שהשירות מחלץ מלווה בציון ביטחון ובהפניה לעמוד ולקואורדינטות שמהם נלקח. כך אפשר להשוות את התוצאה למסמך המקורי ולמקד בדיקה אנושית בשדות שבהם השירות פחות בטוח. לפי הכתבה, יכולת המעקב הזאת מסייעת לארגונים להחליט אילו ערכים לאשר אוטומטית ואילו להעביר לבדיקה, במקום להסתמך על תשובה ללא מקור ניתן לאימות.
האם Amazon Textract Insights תומך בעברית ובאילו קבצים אפשר להשתמש?
לפי הכתבה, Amazon Textract Insights אינו כולל עברית ברשימת השפות הנתמכות. היכולת החדשה מעבדת מסמכים באנגלית, צרפתית, גרמנית, איטלקית, פורטוגזית וספרדית, ותומכת בקובצי PDF, PNG, JPEG ו-TIFF. חשוב להבחין בינה לבין מנוע הקריאה הבסיסי של השירות, שהורחב ל־40 שפות; הרחבה זו אינה מעידה על תמיכת היכולת החדשה בעברית.
איך מתומחר Amazon Textract Insights ואיך נשמרים נתוני המסמכים?
התמחור של Amazon Textract Insights מבוסס על מספר העמודים, ולא על יחידות טקסט, ללא התחייבות מינימלית. הנתונים מוצפנים, וניתן להשתמש במפתחות הצפנה של הלקוח. נתוני הביניים נמחקים בסיום העבודה, וההסקה מתבצעת בתוך האזור הגיאוגרפי שממנו נשלחה הבקשה. הכתבה אינה מציינת מחיר מספרי לעמוד, ולכן לא ניתן לחשב ממנה עלות מדויקת.