Com o LLMS, o processamento pode ser mais dinâmico. Primeiro, prompts e exemplos podem direcionar o LLMS para as metas de extração de informações e ajudá -los a contornar as complexidades de documentos. Segundo, os mesmos LLMs podem ser usados para consulta advert hoc, e os mecanismos de suggestions podem ser instrumentados para melhorar as extrações de informação com base nos avisos do usuário closing.
“O avanço da Genai e do LLMS está nos permitindo usar a linguagem pure para descrever um programa, expressão ou resultado desejado, e eles são particularmente bons em extrair dados de fontes não estruturadas e multimodais”, diz Greg Benson, professor de ciência da computação da Universidade de San Francisco e cientista -chefe da AT em SnapLogic. “A extração precisa de informações de documentos, como o PDFS, tem sido notoriamente difícil de escrever como código. Estamos percebendo o poder da engenharia imediata e como compartilhar alguns exemplos de dados extraídos desejados ajudam o LLM a “aprender” a aplicar o padrão a documentos futuros de entrada “.
Integrar o IDP para fluxos de trabalho mais inteligentes
O IDP é um processo de fan-in, em que os documentos são armazenados em vários locais, e muitas plataformas, fluxos de trabalho e análises a jusante podem alavancar as informações extraídas. Empresas com repositórios de documentos significativos e muitos aplicativos corporativos devem considerar IPAAS (Plataformas de integração como serviço), tecidos de dadose Knowledge Pipelines para gerenciar as integrações.