باحثون يطورون نظاماً لاستخراج البيانات بدقة من وثائق الشركات المعقدة

غالباً ما يواجه الذكاء الاصطناعي في الشركات صعوبة في التعامل مع فوضى وثائق العمل. وبينما تتمتع النماذج اللغوية بذكاء عالٍ، إلا أنها تخفق عند التعامل مع النماذج الممسوحة ضوئياً، أو الجداول المعقدة، أو ملفات PDF ذات التخطيطات المتداخلة. وتصف ورقة بحثية جديدة نظاماً جاهزاً للعمل يهدف إلى حل هذه المشكلة عبر جعل استخراج المحتوى مرحلة مستقلة وقابلة للقياس ضمن مسار البيانات.

بدلاً من مجرد تغذية البيانات إلى النموذج، يعالج هذا النظام العملية في خطوات محددة. فهو يستخدم تقنية المسح الانتقائي، ومحرك تنظيم يحدد الأولويات، ونظام تسجيل يقيس دقة الحروف والكلمات والعناصر الهيكلية مثل الجداول. ثم يستخدم تقنية تقسيم هيكلية لتحويل المعلومات إلى أجزاء مترابطة.

ولضمان الجودة، يتضمن النظام مقيماً للاسترجاع. حيث يقوم بإنشاء أسئلة من كل صفحة تلقائياً ويتحقق من دقة إجابات الذكاء الاصطناعي باستخدام مقاييس مثل سرعة الاستجابة ومعدلات النجاح.

أظهر اختبار النظام على 180 وثيقة نتائج واعدة؛ حيث حقق أفضل مستخرج درجة دقة بلغت 97.4 من 100، مع وصول دقة تشابه الجداول إلى 99.5 بالمائة. وقد صُمم هذا النظام ليكون بمثابة طبقة إدراك للوكلاء الأذكياء الموجهين للأعمال.

ورغم هذه المكاسب، تشير الدراسة إلى أن استخراج المحتوى مجال متخصص. لم تختبر الدراسة النظام ضد كل تنسيق ملف محتمل أو أنواع الوثائق الغامضة التي قد توجد في الأرشيفات القديمة غير الرقمية. كم من الوقت قد يوفر فريقك إذا فهم برنامجكم ذلك الجدول المالي المعقد بشكل مثالي من المحاولة الأولى؟