Inteligencia artificial
Asistentes, automatización y funcionalidades de IA, construidos para correr dentro de tus sistemas.
Una parte responde preguntas sobre el material propio de una empresa. Otra clasifica y extrae sin que nadie abra el archivo. Otra empieza algo por su cuenta. Cuanto más lejos llega un sistema sin una persona en el medio, más importa qué se le permitió ver, y qué tenía que ser cierto antes de que actuara.
Qué construimos
Seis formas que suele tomar este trabajo. La mayoría de los proyectos es una de ellas, y unos pocos son dos.
Asistentes internos
Respuestas sacadas de los documentos, registros y políticas propios de una empresa, con un camino de vuelta a la fuente.
Pipelines documentales
Clasificación, extracción y ruteo de material que llega como PDFs, escaneos y correo.
Búsqueda sobre datos privados
Encontrar por significado en un cuerpo de material demasiado grande para recorrer o etiquetar a mano.
Interfaces conversacionales
Chat y voz que se mantienen dentro de un conjunto definido de acciones, en el idioma que la persona ya habla.
IA dentro de un producto que ya existe
Funcionalidades agregadas a software que ya tiene usuarios, sin reconstruir alrededor de ellas.
Agentes que terminan una tarea
Flujos que un sistema completa de punta a punta, con una persona aprobando en vez de operando.
Qué se le permite hacer al sistema
Sea cual sea la forma, el trabajo se apoya en uno de tres niveles. Rara vez es el modelo lo que decide si aguanta; es el nivel. Cuanto más arriba está, menos hay entre el sistema y la consecuencia.
Responde
Recuperación sobre un corpus privado. El sistema encuentra lo relevante y muestra de dónde salió; una persona lo lee y decide qué hacer con eso.
Cuando se equivoca Una respuesta equivocada la ve quien preguntó, y le cuesta tiempo.
ADA empareja empresas en ConnectAmericas, la red del BID, de cientos de miles de miembros.
Decide
El sistema se compromete con un juicio: una clasificación, un ruteo, un emparejamiento. El trabajo sigue arriba de eso. Los contratos de inversión de Keystone se ordenan por tipo y se convierten en datos estructurados todos los días, sin que nadie los abra.
Cuando se equivoca Una decisión equivocada no la ve nadie. Se mete en un registro sobre el que se construyen otras decisiones.
El procesamiento pasó de horas a minutos por documento, con cientos de contratos al mes.
Actúa
El sistema inicia algo. EmpowerHealth llega a los pacientes por voz y SMS en varios programas de cuidado que corren a la vez, y maneja lo que vuelve.
Cuando se equivoca Una acción equivocada le llega a una persona que actúa sobre ella, y no hay un paso donde alguien hubiera podido frenarla antes.
El mercado está vendiendo el tercer nivel. La pregunta que vale la pena hacerse primero es cuál necesita de verdad el problema.
Qué se resuelve primero
Dos cosas definen todo lo que se construye después, y las dos se deciden antes de que haya un modelo involucrado: dónde se queda el material, y quién puede ver qué parte de él.
Dónde se queda el material
Los contratos de Keystone llegan como PDFs y escaneos, subidos a Egnyte, el sistema documental que ya tenían. No los movimos. Un proceso programado los lee donde viven, los ordena por tipo de contrato y extrae datos estructurados con OCR asistido por IA.
Mover un corpus para poder leerlo crea una segunda copia que hay que mantener sincronizada, y un segundo lugar donde equivocarse con los accesos. Lee el caso
Quién puede ver qué
Un sistema que le responde todo a todos es un problema de cumplimiento disfrazado de chat. EmpowerHealth corre varios programas de cuidado en paralelo bajo HIPAA, donde qué se puede decir, guardar y enviar es una entrada de diseño, resuelta antes de escribir el primer prompt y no parchada después.
La misma pregunta define la forma del índice de recuperación, no sólo la interfaz que va arriba. Lee el caso
Nos topamos con esto tantas veces que construimos el nuestro
Un producto de Onetree
Un agente de IA que responde sobre los datos y documentos propios de una empresa: el conocimiento en sí, no un buscador.
Existe porque el mismo problema seguía llegando desde direcciones distintas. Datialog es ese problema resuelto una vez, en producción, y vendido por su cuenta.
Visita datialog.com →
Somos Microsoft Solutions Partner, y esto es con lo que construimos.
Microsoft revisó nuestro trabajo, construimos con sus herramientas, y cuando lo que está roto es su servicio y no nuestro desarrollo, hay una línea directa.
Modelos
Modelos fundacionales accedidos por Azure OpenAI, elegidos por tarea y no por defecto. No entrenamos modelos desde cero, y lo decimos temprano cuando un proyecto no necesita uno.
Recuperación
Azure AI Search para recuperación semántica e híbrida sobre un corpus privado, con el índice construido alrededor de quién puede ver qué.
Documentos
Azure Document Intelligence para clasificación y extracción de PDFs y escaneos, incluido material que nunca nació digital.
Conversación
Azure CLU para intención y comprensión del lenguaje donde el intercambio tiene que mantenerse dentro de un conjunto definido de acciones.
Alrededor
.NET y Python para los servicios, React para las interfaces, y Twilio donde la conversación se va de la pantalla a la voz o al SMS.
ADA, the matchmaking platform for the IDB’s ConnectAmericas, was built in close collaboration with the Microsoft AI Lab.
Preguntas que nos hacen antes de la primera llamada
¿Construyen agentes?
Sí, y la pregunta útil es qué nivel necesitas. Un agente que actúa por su cuenta es la respuesta correcta cuando el flujo está bien definido y el costo de una acción equivocada es acotado y reversible. Cuando no lo es, el mismo problema se resuelve mejor un nivel más abajo, donde una persona queda entre el sistema y la consecuencia. Datialog, nuestro propio producto, es un agente; el alcance de EmpowerHealth actúa sin que se lo pidan cada vez.¿Cuándo la IA no es la respuesta?
Más seguido de lo que sugiere el mercado. Buena parte de lo que se pide como asistente es un índice de búsqueda con una interfaz decente, y buena parte de lo que se pide como modelo es una regla que alguien nunca escribió. Lo decimos antes del contrato y no durante, y nos cuesta el proyecto más grande todas las veces.¿Entrenan sus propios modelos?
No. Trabajamos con modelos fundacionales y ponemos el esfuerzo donde está la diferencia de verdad: el corpus, la recuperación, las reglas de acceso y qué hace el sistema cuando no sabe. Entrenar desde cero es lo correcto para muy pocas organizaciones, y ninguna de ellas necesita preguntarnos.¿Pueden trabajar con nuestros datos donde ya están?
Normalmente sí, y es la mejor opción. Los contratos de Keystone se quedan en Egnyte, el sistema documental que ya tenían; un proceso programado los lee ahí. Mover un corpus para poder leerlo crea una segunda copia que hay que mantener sincronizada, y un segundo lugar donde equivocarse con el control de acceso.
Tráenos ese que no sabes si es un problema de IA.
En una sesión de trabajo de 45 minutos te decimos si es un problema de IA, cuál de los tres niveles necesita y qué tendría que ser cierto para que funcione. Trae el material; nosotros traemos las preguntas.