असंरचित आणि अर्ध-संरचित डेटा अंतर्ग्रहण

इनव्हॉइस प्रक्रिया आतापर्यंत सुटलेली समस्या असायला हवी होती. दस्तऐवज येतो, फील्ड काढले जातात, डेटा विद्यमान रेकॉर्डच्या विरुद्ध प्रमाणित केला जातो, आणि परिणाम योग्य प्रणालीकडे पाठवला जातो. वास्तव हे आहे की केवळ इनव्हॉइस प्रक्रियेचा एंटरप्राइझना वार्षिक मॅन्युअल श्रमात अब्जावधींचा खर्च येतो, आणि हे दुरुस्त करण्यासाठी बनवलेले स्वयंचलन प्रकल्प सतत तुटत राहतात.

कारण स्वरूप विविधता आहे. इनव्हॉइस PDF, ईमेल संलग्नक, स्कॅन केलेल्या प्रतिमा, स्प्रेडशीट एक्सपोर्ट आणि कधीकधी फॅक्स म्हणून येतात. प्रत्येक विक्रेता वेगळे लेआउट वापरतो. लाइन आइटम सारण्यांमध्ये, मुक्त मजकुरात किंवा दोन्हीच्या संयोजनात दिसतात. कराच्या गणना क्षेत्राधिकारानुसार वेगळ्या नियमांचे पालन करतात. तोच विक्रेता सूचनेशिवाय त्यांचा इनव्हॉइस टेम्पलेट बदलतो.

पारंपारिक RPA हे टेम्पलेट जुळण्याने हाताळते. इनव्हॉइस क्रमांक कुठे दिसतो, लाइन आइटम कुठे सुरू होतात, एकूण रक्कम कुठे राहते ते निर्देशांक परिभाषित करा. हे एकाच विक्रेत्याच्या सध्याच्या टेम्पलेटसाठी काम करते. मग विक्रेता त्यांची प्रणाली अपडेट करतो, स्तंभ बदलतो, शीर्षलेख ओळ जोडतो किंवा PDF जनरेटर बदलतो, आणि बॉट एकतर पूर्णपणे अयशस्वी होतो किंवा खराब डेटा काढतो.

तोच नमुना प्रत्येक असंरचित डेटा वर्कफ्लोमध्ये पुनरावृत्ती होतो. विमा EOB प्रक्रिया जेव्हा पेयर त्यांचे फॉर्म लेआउट बदलतो तेव्हा तुटते. ग्राहक ईमेल पार्सिंग जेव्हा कोणी थोडे वेगळे विषय रेखा स्वरूप वापरतो तेव्हा तुटते.

Triggerfish हे कसे सोडवते

Triggerfish स्थानिक फील्ड एक्सट्रॅक्शन LLM-आधारित दस्तऐवज समजुतीने बदलते. AI दस्तऐवज माणूस करेल त्याप्रमाणे वाचतो: संदर्भ समजून, फील्डमधील संबंध अनुमानित करून आणि स्वयंचलितपणे लेआउट बदलांशी जुळवून घेऊन.

LLM-चालित दस्तऐवज पार्सिंग

दस्तऐवज Triggerfish वर्कफ्लोमध्ये प्रवेश करतो तेव्हा, LLM उप-एजंट संपूर्ण दस्तऐवज वाचतो आणि दस्तऐवजाच्या अर्थावर आधारित संरचित डेटा काढतो. इनव्हॉइस क्रमांक इनव्हॉइस क्रमांक आहे मग ते वरच्या-उजव्या कोपऱ्यात "Invoice #" लेबलसह असो, मजकूराच्या परिच्छेदात एम्बेड केलेले असो किंवा "Factura No." लेबलसह असो. LLM समजते "Net 30" म्हणजे देयक अटी, "Qty" आणि "Quantity" आणि "Units" चा अर्थ एकच आहे.

हे "ChatGPT ला दस्तऐवज पाठवा आणि आशा करा" दृष्टिकोन नाही. वर्कफ्लो व्याख्या LLM ने काय संरचित आउटपुट तयार करावे, कोणते प्रमाणीकरण नियम लागू होतात आणि एक्सट्रॅक्शन विश्वास कमी असेल तेव्हा काय होते हे नक्की नमूद करते.

दस्तऐवज पुनर्प्राप्तीसाठी ब्राउझर स्वयंचलन

अनेक दस्तऐवज अंतर्ग्रहण वर्कफ्लो प्रथम ठिकाणी दस्तऐवज मिळवण्यापासून सुरू होतात. विमा EOBs पेयर पोर्टलमध्ये राहतात. विक्रेता इनव्हॉइस सप्लायर प्लॅटफॉर्ममध्ये राहतात. सरकारी फॉर्म राज्य एजन्सी वेबसाइट्सवर राहतात.

Triggerfish चे ब्राउझर स्वयंचलन पृष्ठ स्नॅपशॉट वाचण्यासाठी LLM सह CDP-नियंत्रित Chromium वापरते. एजंट पृष्ठ माणूस करेल त्याप्रमाणे पाहतो आणि हार्डकोड केलेल्या CSS सेलेक्टरऐवजी जे पाहतो त्यावर आधारित क्लिक, टाइप आणि स्क्रोल करतो. जेव्हा पेयर पोर्टल त्याचे लॉगिन पृष्ठ पुनर्रचना करतो, तेव्हा एजंट जुळवून घेतो कारण तो दृश्य संदर्भातून वापरकर्तानाव फील्ड, पासवर्ड फील्ड आणि सबमिट बटण ओळखू शकतो.

वर्गीकरण-गेटेड प्रक्रिया

दस्तऐवज संवेदनशीलतेचे वेगवेगळे स्तर वाहतात, आणि वर्गीकरण प्रणाली हे स्वयंचलितपणे हाताळते. किंमत अटी असलेला इनव्हॉइस CONFIDENTIAL असू शकतो. PHI असलेला दस्तऐवज RESTRICTED आहे. जेव्हा LLM उप-एजंट दस्तऐवज वाचतो आणि डेटा काढतो, तेव्हा POST_TOOL_RESPONSE hook काढलेल्या सामग्रीचे वर्गीकरण करतो, आणि सत्र taint तदनुसार वाढतो.

CONFIDENTIAL वर वर्गीकृत काढलेला इनव्हॉइस डेटा PUBLIC वर वर्गीकृत Slack चॅनेलला पाठवला जाऊ शकत नाही. PHI असलेल्या विमा दस्तऐवजांवर प्रक्रिया करणारी वर्कफ्लो स्वयंचलितपणे काढलेला डेटा कुठे जाऊ शकतो ते प्रतिबंधित करते.

स्व-उपचार स्वरूप अनुकूलन

जेव्हा विक्रेता त्यांचा इनव्हॉइस टेम्पलेट बदलतो, तेव्हा पारंपारिक स्वयंचलन तुटते. Triggerfish मध्ये, LLM उप-एजंट पुढील रनवर जुळवून घेतो. तो अजूनही इनव्हॉइस क्रमांक, लाइन आइटम आणि एकूण रक्कम शोधतो, कारण तो स्थानाऐवजी अर्थासाठी वाचतो.

कालांतराने, एजंट क्रॉस-सत्र मेमरी वापरून नमुने शिकू शकतो. जेव्हा स्वरूप बदल LLM च्या एक्सट्रॅक्शन विश्वासाला वर्कफ्लोमध्ये परिभाषित केलेल्या उंबरठ्याखाली आणतो, तेव्हा वर्कफ्लो अंदाज लावण्याऐवजी दस्तऐवज मानवी पुनरावलोकन कतारमध्ये पाठवते.

पाइपलाइन ऑर्केस्ट्रेशन

दस्तऐवज अंतर्ग्रहण क्वचितच फक्त "काढा आणि साठवा" असते. एक संपूर्ण पाइपलाइन दस्तऐवज आणते, संरचित डेटा काढते, विद्यमान रेकॉर्डच्या विरुद्ध प्रमाणित करते, मानवी पुनरावलोकनासाठी अपवाद पाठवते आणि प्रमाणित डेटा लक्ष्य प्रणालीमध्ये लोड करते.

आरोग्यसेवा पूर्व प्राधिकरण पाइपलाइन अशी असू शकते: ब्राउझर स्वयंचलन प्रदाता पोर्टलमधून फॅक्स प्रतिमा आणते, LLM उप-एजंट रुग्ण ओळखकर्ते आणि प्रक्रिया कोड काढतो, HTTP कॉल EHR विरुद्ध रुग्ण प्रमाणित करतो, दुसरा उप-एजंट प्राधिकरण वैद्यकीय आवश्यकता निकष पूर्ण करते का ते मूल्यांकन करतो, आणि परिणाम स्वयं-मंजुरी किंवा क्लिनिकल समीक्षक कतारमध्ये पाठवला जातो.

व्यवहारात हे कसे दिसते

प्रादेशिक आरोग्य प्रणाली चाळीस वेगवेगळ्या प्रदाता कार्यालयांकडून पूर्व प्राधिकरण विनंत्या प्रक्रिया करते, प्रत्येक त्यांचे स्वतःचे फॉर्म लेआउट वापरून. Triggerfish सह, वर्कफ्लो संपूर्ण पाइपलाइन हाताळते. RESTRICTED चे वर्गीकरण मर्यादा PHI कधीही पाइपलाइन सीमा सोडत नाही हे सुनिश्चित करते.

आठ-व्यक्ती संघ प्रणाली फ्लॅग करणारे अपवाद हाताळणारे दोन लोक होतो, अधूनमधून स्वयंचलित एक्सट्रॅक्शनच्या गुणवत्ता लेखापरीक्षणासह. देखभाल खर्च जवळपास शून्यावर येतो.