En un mundo donde las empresas manejan una vasta cantidad de documentos diariamente, la localización precisa de información crítica se ha convertido en un reto tecnológico considerable. Documentos como facturas, órdenes de compra y contratos requieren no solo el reconocimiento de texto, sino también la identificación precisa de su ubicación en la página. Esto ha llevado al desarrollo de soluciones avanzadas de visión por computadora.
La innovación en este campo ha sido rápida. Tecnologías como YOLO (You Only Look Once) revolucionaron la detección de objetos al transformarla en un problema de regresión, permitiendo detección en tiempo real. Otros avances como RetinaNet, que introdujo Focal Loss para mejorar el tratamiento de clases desequilibradas, y DETR, con su uso de transformadores para simplificar arquitecturas, han contribuido al progreso en la detección de objetos. Sin embargo, estas tecnologías aún enfrentan retos significativos, como la necesidad de grandes cantidades de datos de entrenamiento y modelos complejos.
La introducción de modelos de lenguaje grandes multimodales (LLMs) representa un cambio de paradigma. Estos modelos combinan comprensión de imágenes con procesamiento de lenguaje natural, eludiendo arquitecturas complejas y necesidades de entrenamiento intensivo. Entre sus ventajas destacan la capacidad de identificar campos documentales sin necesidad de entrenamiento supervisado y la flexibilidad para adaptarse a diversos tipos de documentos.
Un ejemplo notable es Amazon Nova Pro en Amazon Bedrock, que ofrece alta precisión para localizar campos en documentos con mínima intervención manual. Esto no solo reduce errores de procesamiento, sino que también simplifica la implementación. A diferencia de las metodologías tradicionales, los LLMs pueden detectar la posición exacta del texto en un documento sin depender de sistemas de visión por computadora intensivos en datos.
El proceso consiste en ingresar una imagen de documento y texto, que luego es procesado por Amazon Bedrock para identificar ubicaciones utilizando coordenadas. Se ofrecen dos estrategias de localización para maximizar la flexibilidad: una basada en dimensiones de imagen y otra en coordenadas escaladas.
El sistema fue evaluado con el dataset FATURA, que consiste en 10,000 facturas. Los resultados mostraron una precisión del 83,05%, superando obstáculos típicos en flujos de trabajo tradicionales de visión por computadora. Amazon Nova Pro demostró ser una opción eficiente para el procesamiento documental empresarial, al tiempo que simplifica las tareas de configuración.
Este avance abre un abanico de posibilidades para optimizar los flujos de trabajo corporativos, invitando a las empresas a adoptar estas innovadoras soluciones en su gestión documental.
