FurtherAI ha desarrollado un sistema de auto-corrección para mejorar la extracción de datos de documentos de seguros, específicamente 'loss runs', que son informes de historial de reclamaciones cruciales para la fijación de precios de pólizas. Estos documentos son notoriamente difíciles de procesar debido a su variabilidad y formatos inconsistentes provenientes de múltiples fuentes. Inicialmente, el sistema de extracción alcanzaba una precisión del 80%, pero con la implementación de un agente de IA con herramientas de auto-corrección, la precisión aumentó al 95%. El sistema no se basa en la mejora del modelo de extracción en sí, sino en permitir que el agente revise y corrija su propio trabajo. El agente utiliza herramientas para inspeccionar visualmente los documentos, re-extraer secciones sospechosas y validar los resultados contra los totales del documento. Este enfoque, que prioriza la validación y la iteración sobre la optimización de prompts, ha demostrado ser más efectivo, incluso con modelos de extracción menos precisos, ya que la inteligencia del agente compensa las imperfecciones iniciales. La clave es proporcionar al agente una descripción clara de la tarea y criterios de validación, permitiéndole identificar y corregir errores sin reglas predefinidas.
Noticias agregadas con IA