La adopción de la Inteligencia Artificial (IA) está creciendo rápidamente. Según una encuesta de McKinsey, la adopción de la IA aumentó en un 50% de 2020 a 2021. Además, el uso de la IA impactó significativamente en la cuenta de resultados de las empresas encuestadas, con un aumento del 22% en los beneficios respecto al año anterior.
Estás entre las empresas que ya utilizan la IA para automatizar los flujos de trabajo? Si es así, ¡es genial! Hay un montón de tecnologías increíbles que pueden automatizar muchas tareas tediosas, propensas a errores y repetitivas.
Sin embargo, el uso de estas tecnologías por sí solas no siempre resuelve todas las piezas del rompecabezas. Desde luego, no significa que haya que deshacerse por completo del aspecto humano.
Tomemos como ejemplo la extracción de datos. Incluso con la tecnología más avanzada, es casi imposible extraer datos de los documentos con una precisión del 100% todo el tiempo. En algunos sectores, un 1% de errores en la extracción de datos ya puede costar millones de euros a tu empresa.
Por eso, en muchos casos, combinar lo mejor de los humanos y lo mejor de la Inteligencia Artificial puede dar los mejores resultados. Este enfoque se llama automatización Human-In-The-Loop (HITL), del que hablaremos en detalle en este blog.
Así que asegúrate de quedarte con nosotros hasta el final (o salta a los beneficios si ya sabes lo que es HITL).
Flujos de trabajo automatizado vs manual
La automatización de diversos flujos de trabajo aporta a las empresas una eficiencia operativa que no siempre es posible alcanzar con los flujos de trabajo manuales; ahorra tiempo, minimiza los errores y reduce los gastos generales. Muchas de las tareas manuales suelen ser repetitivas, requieren mucho tiempo y son propensas a cometer errores, lo que genera gastos generales innecesarios.
Tomemos, por ejemplo, una empresa que tiene que gestionar un gran volumen de documentos. Hay que verificar un documento; el personal de back-office debe escanear el documento para digitalizarlo para su registro; a continuación, el empleado de entrada de datos debe extraer e introducir los datos en el sistema deseado; otra persona debe validar que los datos se han introducido correctamente, etc.
Muchas cosas pueden salir mal en este flujo de trabajo manual, y simplemente no es escalable. Por ello, las organizaciones suelen buscar soluciones para automatizar este tipo de flujos de trabajo documentales.
Por ejemplo, soluciones como el Procesamiento Inteligente de Documentos (IDP) pueden eliminar fácilmente las tareas manuales automatizando la extracción de datos, la conversión de categorías y la validación.
Aunque la automatización de los flujos de trabajo manuales únicamente con IDP parece una gran idea, existen limitaciones que ni siquiera la IA y las máquinas son capaces de resolver.
Por ejemplo, las máquinas por sí solas no pueden hacer frente a flujos de trabajo complicados y a la entrada de datos de baja calidad. En el peor de los casos, pueden acabar con los resultados de su organización.
Imagine un escenario en el que las máquinas extraen automáticamente los datos de una factura e introducen 100.000 euros en un sistema en lugar de 10.000 euros. Podría suponer una pérdida financiera importante si no tiene ninguna salvaguarda para evitarlo.
A menudo, este hecho por sí solo hace que las soluciones totalmente automatizadas sean frágiles.
Por suerte, la participación humana puede superar este reto y ayudarle a alcanzar la mayor precisión y resultados posibles. Por ello, muchas organizaciones han adoptado la automatización humana en el bucle.
Pero, ¿a qué nos referimos exactamente con la automatización human-in-the-loop? Sigue leyendo y encontrarás la respuesta en las siguientes secciones.
¿Qué es human-in-the-loop?
A menudo se denomina Human-in-the-loop (HITL) a un mecanismo que aprovecha la interacción humana para entrenar, afinar o probar determinados sistemas, como los modelos de IA o las máquinas, para obtener los resultados más precisos posibles.
Tomemos como ejemplo el flujo de trabajo en los supermercados. Aunque muchos supermercados tienen máquinas de autoescaneado, a menudo hay un empleado (humano en el bucle) que se encuentra cerca de estas máquinas.
El empleado se sitúa allí para garantizar que los clientes reciban ayuda cuando sea necesario y para validar que los productos se han escaneado correctamente para evitar fraudes o intentos de robo.
El uso de máquinas de autoescaneado ayuda a reducir las colas de espera y el número de personal que los supermercados tendrían que emplear. Sin embargo, las máquinas no son lo suficientemente perfectas como para dejarlas totalmente desatendidas.
Por lo tanto, el enfoque humano en este tipo de situaciones es el que mejor funciona.
A continuación, echemos un vistazo a la automatización human-in-the-loop con soluciones de IA.
Human-in-the-loop e Inteligencia artificial (AI)
Aunque las tecnologías modernas son avanzadas, no son perfectas. Tal vez nunca puedan ser “perfeccionadas”, ya que los objetivos, las necesidades y las demandas cambian con el tiempo, por lo que la automatización human-in-the-loop es tan esencial para lograr los mejores resultados posibles.
Entonces, ¿cómo funciona el HITL en el contexto de la IA? Con el human-in-the-loop, se pueden entrenar los modelos de IA para que sean más precisos a la hora de identificar, clasificar y predecir un objeto.
Supongamos que queremos entrenar algoritmos de IA para que reconozcan formas (por ejemplo, cuadrado, círculo, triángulo), necesitaríamos un humano que etiquetara correctamente las imágenes de estas formas.
Cuando la IA se equivoca en una predicción o identificación, el humano en el bucle está ahí para hacer las correcciones. Esto se llama un bucle de retroalimentación que ayuda a mejorar la precisión de los modelos de IA.
En general, los modelos de IA no pueden hacer constantemente predicciones con una confianza del 100%.
El mismo reto se aplica a la extracción de datos. Muchos programas de reconocimiento óptico de caracteres pueden extraer datos con una precisión del 97% (99% en casos excepcionales) en el mejor de los casos, pero la precisión media de la extracción de datos sigue estando en torno al 80% en la mayoría de las soluciones.
En la mayoría de los casos, eso deja un 20% de datos inexactos, lo que puede convertirse en un problema devastador para su organización, aunque pueda automatizar la mayor parte del trabajo de entrada de datos manual.
Por suerte, la inteligencia humana puede suplir fácilmente esta carencia.
El Human-in-the-loop permite identificar rápidamente los problemas y las mejoras a través de un bucle de retroalimentación, lo que puede denominarse anotación HITL. Sin ella, los errores y fallos son difíciles de detectar.
Veamos este proceso con más detalle a continuación.
Anotaciones de Human-in-the-loop annotation
Anotaciones o etiquetado los datos con HITL suele formar parte del proceso de desarrollo de modelos de IA.
Los modelos de IA requieren grandes volúmenes de datos brutos (por ejemplo, documentos, imágenes, archivos de texto y otros objetos) para identificar objetos y hacer predicciones con precisión.
Anotar, construir conjuntos de datos y recopilarlos requiere una gran suma de tiempo, dinero y esfuerzo.
Entonces, ¿cómo funciona? Un anotador de datos, un human in the loop, etiqueta los conjuntos de datos que permiten a los modelos de IA centrarse en campos de datos específicos repetidamente hasta que puedan reconocer y hacer las mejores predicciones de forma óptima.
Por ejemplo, si su organización desea que el modelo de IA reconozca y extraiga las partidas de los recibos, puede acabar alimentando el modelo con miles de recibos etiquetados para obtener resultados decentes.
Para disponer de un conjunto de datos etiquetados para entrenar los modelos de IA, tendría que recopilar datos brutos y formar un equipo de expertos para la anotación.
Entonces, ¿por qué preferir la automatización de HITL, cuando hay soluciones que pueden conseguir un 97% de precisión?
Puede encontrar las respuestas a esta pregunta en la siguiente sección.
Los beneficios de la automatización con HITL
¿Por qué seguimos necesitando la participación humana? Sencillamente porque todavía hay casos en los que las soluciones totalmente automatizadas tienen los mismos fallos que las manuales. Todos sabemos que los errores cero son imposibles. Esto es válido tanto para los flujos de trabajo manuales como para los totalmente automatizados.
En comparación con la IA, el cerebro humano funciona muy bien en situaciones en las que los datos o la información son limitados. Por ejemplo, si observamos la cola de un tigre, esa información es suficiente para identificar si es un tigre o no.
Sin embargo, este no es el caso de las máquinas, ya que necesitan un amplio desarrollo para conseguirlo. Por lo tanto, la automatización human-in-the-loop se utiliza para llenar ese vacío.
Aprovechar el HITL para entrenar los modelos de IA o mejorar los flujos de trabajo tiene varias ventajas, entre ellas:
- El uso de HITL aumenta la precisión de la predicción, la extracción, la clasificación y la validación, así como la calidad de los resultados
- Las máquinas pueden ser entrenadas para entender datos complejos que aún no han encontrado
- Los algoritmos pueden mejorarse gradualmente gracias a las aportaciones humanas
- No está limitada por la calidad de los datos con los que se entrenan los modelos de IA
- Ahorra un tiempo valioso a los desarrolladores
- Puede tratar con conjuntos de datos incompletos y desafiantes, mejor y más eficientemente
Sin embargo, también hay que tener en cuenta algunas limitaciones, que veremos a continuación.
Limitaciones del enfoque HITL
Aunque la automatización human-in-the-loop combina lo mejor de la inteligencia humana y la inteligencia artificial, tiene algunas limitaciones. Estas limitaciones son las siguientes:
- Identificación de HITL – las organizaciones deben identificar quién va a interactuar con cada interfaz y sección del bucle de automatización.
- Grandes volúmenes de datos – HITL no siempre se adapta bien a los grandes volúmenes de datos, ya que se necesitan más humanos dentro del bucle de automatización
- Escalabilidad limitada – Cuando un humano está involucrado en un proceso, la escalabilidad puede convertirse en un problema
Estas limitaciones siguen siendo menores en comparación con las de los flujos de trabajo manuales o totalmente automatizados. Mientras sea consciente de estas preocupaciones y las aborde correctamente, la eficacia del HITL no se verá anulada.
¿Humano al principio o al final de un ciclo?
¿No estás seguro de cuándo aprovechar el human-in-the-loop en tus flujos de trabajo? No hay problema. Lo tenemos cubierto. Según nuestra experiencia, lo más sensato es tener un humano en el ciclo al principio o al final de un ciclo. Veamos las siguientes opciones:
- HITL al principio de un ciclo
- HITL al final de un ciclo
HITL al principio de un ciclo
En los casos en los que no hay soluciones listas para usar, debería considerar la posibilidad de utilizar el enfoque HITL e integrar un humano al principio del ciclo. ¿Por qué?
Digamos que actualmente no dispone de modelos o algoritmos de IA para automatizar determinados procesos, pero sí de muchos datos en bruto.
Con esos datos brutos, puede crear datos etiquetados con un humano en el bucle, que se asegure de que los datos se limpian (se eliminan o corrigen los datos inexactos) y se etiquetan correctamente.
Una vez etiquetados los datos, puedes utilizarlos para entrenar tus propios modelos de IA para reconocer facturas o incluso extraer datos de ellas.
Por ejemplo, si tienes toneladas de facturas diferentes, puedes etiquetar esos datos para entrenar modelos de IA que reconozcan facturas.
Este enfoque le permite empezar con un 0% de automatización y avanzar hacia un +80% de automatización. Entonces, ¿en qué situaciones debería considerar la posibilidad de colocar un humano al principio de un ciclo?
- Quiere construir sus conjuntos de datos
- Quiere crear sus propios modelos de IA
- No tiene ninguna automatización, o sólo una pequeña, pero quiere avanzar hacia una automatización de +80%.
- Tiene anotadores de datos internos y expertos en IA
HITL al final de un bucle
El uso de HITL al final de un ciclo es más común en muchos casos empresariales. Este enfoque aprovecha la automatización para realizar tareas repetitivas y la inteligencia humana para garantizar que todo se ejecute correctamente.
A menudo vemos que el 80% del flujo de trabajo se automatiza y el 20% se deja a los humanos. Entonces, ¿cuándo elegiría este enfoque en lugar del anterior?
- Quieres conseguir una precisión lo más cercana posible al 100% (es decir, extracción de datos, predicción, verificación, anonimización, etc.)
- Quieres disminuir la necesidad de intervención humana del 20% para reducir los costes generales
- Quieres minimizar los costosos errores (es decir, datos inexactos, entradas duplicadas, etc.)
- Deseas mejorar el tiempo de respuesta manteniendo una alta precisión
- Existen soluciones en el mercado que pueden automatizar la mayoría de las tareas por usted con una alta precisión
Para mostrarte mejor la diferencia entre un humano al principio y al final del ciclo, hemos elegido dos ejemplos de la vida real.
Ejemplos de human-in-the-loop
Muchas marcas reconocidas utilizan la automatización HITL para mejorar sus sistemas. A continuación, ofrecemos un par de ejemplos de human-in-the-loop en acción.
En el caso de Facebook, el HITL se utiliza de forma creativa para mejorar su algoritmo DeepFace, que puede alcanzar una precisión del 97,35%. La forma en que Facebook lo hace es permitiendo a sus usuarios hacer el reconocimiento facial en las fotos confirmando o rechazando. Los usuarios finales son los humanos del ciclo (principio del ciclo) y contribuyen a mejorar el algoritmo (anotando).
Otra gran marca, Coca-Cola, creó un programa de fidelización, MyCokeRewards, que utilizó una estrategia de humanos en el bucle para que tuviera éxito. Coca-cola creó una aplicación que integraba la tecnología de reconocimiento óptico de caracteres (OCR).
Con esta tecnología, los usuarios podían simplemente hacer fotos de sus códigos impresos en los tapones de las botellas y otras superficies en lugar de introducirlos manualmente.
La aplicación proporciona entonces un nivel de confianza para cada carácter. Si el código fallaba, la aplicación resaltaba los caracteres con niveles de confianza bajos para que los usuarios hicieran correcciones. Las aportaciones de los clientes entrenaron el modelo, lo que mejoró la precisión de la extracción de datos (fin del ciclo).
Por desgracia, no siempre es posible involucrar a los usuarios finales en el proceso.
Si ese es su caso, puede buscar expertos externos en anotación de datos o sistemas humanos en el bucle. Sin embargo, tenga en cuenta que, en algunos casos de uso, puede ser obligatorio contar con un sistema HITL autogestionado para cumplir con la normativa sobre privacidad de datos.
Veamos las diferencias entre ambas alternativas.
HITL externo vs. autogestionado
Está convencido de que la automatización del bucle humano es beneficiosa para usted. ¿Y ahora qué? Antes de saltar al vacío o de probar montones de APIs diferentes de proveedores de SaaS, es crucial entender que hay dos formas de abordar el enfoque HITL:
- HITL gestionado externamente
- HITL autogestionado
HITL gestionado externamente
Lo que se entiende por HITL gestionado externamente es la presencia de una persona en el bucle proporcionada por una parte externa (es decir, un proveedor de SaaS, un proveedor de servicios de anotación de datos). La gestión externa del HITL tiene sus pros y sus contras.
Ventajas:
- Puede hacer frente a grandes volúmenes de datos
- Rápido y a menudo con disponibilidad 24/7
- Más barato porque los expertos saben lo que hacen
- No es necesario dedicar tiempo a la formación del personal
Contras:
- Los datos van a parar a la parte externa
- Las medidas de seguridad pueden depender de la parte externa
- Preocupación por el cumplimiento de la normativa
HITL autogestionado
El HITL autogestionado, como su nombre indica, se refiere a las empresas que asignan a un humano en el ciclo por sí mismas. Veamos los pros y los contras del enfoque de la persona autogestionada en el bucle.
Ventajas:
- Los datos permanecen en la empresa
- Es beneficioso a largo plazo, ya que el personal adquiere más conocimientos
- Una forma excelente de acumular datos
Contras:
- Requiere un equipo de expertos
- Puede resultar costoso con la formación y la implementación
El factor decisivo depende de ti. ¿Quiere mantener sus costes bajos o es más importante mantener los datos dentro de su infraestructura?
Al final, todo se reduce a lo que es más crítico para usted y su caso de uso.
Casos de uso de la automatización HITL
Existen varios casos de uso para la automatización efectiva del HITL. Por lo general, nos encontramos con los siguientes casos de uso:
- Procesamiento de recibos para campañas de fidelización
- Procesamiento de facturas para cuentas por pagar
- Anonimización de información sensible para el cumplimiento de la normativa
- Verificación de tarjetas de identificación para procesos KYC
Si no ve su caso de uso en la lista anterior, no se preocupe. Por supuesto, hay muchos más casos de uso para la automatización de HITL. Para este blog, hemos optado por desglosar el primer caso de uso con más detalle.
Veamos cómo funciona.
Procesamiento de recibos para programas de fidelización
En las campañas de fidelización, los clientes presentan sus recibos como prueba de compra. La agencia de marketing o la tienda minorista comprobará los datos del recibo para ver si se cumplen todas las condiciones. Por ejemplo, si los artículos comprados están relacionados con la campaña y si se compraron durante la misma.
Si se cumplen todas las condiciones, el cliente recibirá una recompensa.
Si las campañas tienen éxito, es posible que acabe procesando miles de recibos al día. Por lo tanto, la automatización de las tareas repetitivas puede eliminar las ineficiencias y ahorrar tiempo.
Sin embargo, la automatización de todo el proceso tiene sus defectos porque las máquinas y la IA no son perfectas. Por ejemplo, la precisión de la extracción de datos no es alta cuando los recibos escaneados se reciben con mala calidad, lo que provoca errores importantes.
La combinación de la automatización y la inteligencia humana ayuda a minimizar los datos inexactos, los errores e incluso documentos fraudulentos, lo que conduce a los resultados financieros deseados de sus campañas.
Entonces, ¿cómo entra en juego la automatización de HITL? Te lo explicamos a continuación.
No más flujo de trabajo tradicional de procesamiento de recibos
Tradicionalmente, el flujo de trabajo del procesamiento de recibos para las campañas de fidelización consistía en los siguientes pasos:
- Recibir el comprobante de compra
- Relacionar el documento con un cliente de la base de datos (para la personalización)
- Leer cada uno de los recibos
- Confirmar en un recibo que los artículos de la campaña se han comprado dentro del periodo de la campaña
- Introducir los datos en la base de datos
- Determinar el número de puntos de fidelidad atribuidos al cliente
- Enviar las recompensas
Este flujo de trabajo es costoso y requiere mucho tiempo, sobre todo cuando su personal y sus empleados están asignados a realizar estas tareas administrativas.
Entonces, ¿cómo se ve con la automatización human-in-the-loop?
En primer lugar, el recibo puede cargarse mediante FTP, correo electrónico, aplicación web o escaneado con un teléfono móvil.
Una vez escaneado el recibo, soluciones como Intelligent Document Processing clasifican el documento con IA. Clasifica si el documento es un recibo o algo más.
Después de la clasificación, se extraen del documento los campos de datos relevantes.
A este paso le sigue la validación automática, que comprueba si los artículos de la campaña se han comprado dentro del periodo de la campaña. Esto también se conoce como compensación de recibos.
Si el modelo de OCR e IA da una puntuación de confianza baja, el archivo se pasará al humano en el bucle para validar si los datos son precisos.
En cuanto al nivel de puntuación de confianza, puedes determinarlo tú mismo. Por ejemplo, si el documento recibe una puntuación de confianza <70, lo enviaría al humano en el bucle para una validación adicional.
A partir de ahí, los datos se convierten en el formato deseado (hoja de Excel, PDF o JSON) y se pasan a una base de datos.
Con la automatización human-in-the-loop, puedes:
- Aumentar la precisión de la extracción de datos
- Acelerar el tiempo de procesamiento de los recibos
- Reducir los gastos generales
- Mejorar el compromiso de los empleados
- Minimizar los costosos errores humanos
Ahora que hemos cubierto uno de los casos de uso más comunes, esperamos que comprenda mejor los beneficios de la automatización HITL.
Si está convencido de que la automatización del bucle humano es para usted, lea la siguiente sección con algunos consejos sobre lo que debe tener en cuenta.
¿Cómo empezar?
Antes de investigar las diferentes soluciones y proveedores, sería conveniente tomarse un minuto. Hágase las siguientes preguntas:
- ¿Necesita tu organización alcanzar una precisión de extracción de datos cercana al 100%?
- ¿Necesitas HITL gestionado externa o internamente?
- ¿Cuentas con expertos en IA dentro de la empresa?
- ¿Qué importancia tiene el hecho de que los datos permanezcan al 100% en su infraestructura interna?
- ¿Qué es esencial para su caso de uso?
- ¿Quieres construir sus propios conjuntos de datos?
Para ayudarte un poco más, hemos comparado el ahorro de costes con los flujos de trabajo totalmente automatizados y los automatizados con HITL. Consulta nuestra calculadora gratuita de ahorro de costes.
Sean cuales sean tus respuestas, estamos seguros de que Klippa puede resolver tus problemas relacionados con los documentos con nuestras soluciones de Procesamiento Inteligente de Documentos.
La mejor parte de la IA es que replica las capacidades humanas para escanear y comprender los puntos clave con alta velocidad y precisión.
Sea cual sea su caso de negocio, una solución de OCR con IA puede ayudarte a hacer que los datos trabajen para ti.
Automatización de los flujos de trabajo de documentos con Klippa
Klippa está especializada en la automatización de flujos de trabajo de documentos. Tanto si deseas automatizar solo una pequeña parte de su flujo de trabajo con el enfoque HITL o si deseas automatizar todo el flujo de trabajo, podemos ayudarte.
Klippa DocHorizon automatiza la extracción de datos, la clasificación, la conversión de documentos, la anonimización y la verificación con tecnología OCR integrada en la IA. No importa a qué retos de automatización de documentos se enfrente, Klippa puede convertirle en un campeón del procesamiento de documentos.
Si ya tienes una aplicación web, puedes optar por integrar nuestra tecnología en tu solución vía API. Para aplicaciones móviles, proporcionamos una solución de escaneo móvil, que puede integrar fácilmente con un SDK bien documentado.
Todas nuestras soluciones pueden conectarse a nuestra interfaz HITL para aprovechar la automatización human-in-the-loop para obtener resultados más precisos.
Interfaz Human-in-the-loop
La construcción y el diseño de cualquier interfaz de usuario pueden consumir tus recursos, tanto tiempo como dinero. Si no dispones de expertos internos, como diseñadores de UI y UX, tendrás que subcontratar el trabajo a un tercero. Tu tiempo de comercialización dependerá entonces de este tercero.
Por eso ofrecemos a nuestros clientes una interfaz humana integrada en nuestras soluciones o en las suyas, para que no tenga que construirla usted mismo.
Puede aprovecharla con un flujo de trabajo HITL autogestionado o incluso utilizar nuestro back office para que haga la última anotación por usted.
La interfaz permite al usuario comprobar, verificar, validar y etiquetar (anotar) los datos sin esfuerzo en cuestión de segundos. Se puede solicitar cuando la puntuación de confianza es inferior al umbral configurado.
O incluso en situaciones en las que sepa que va a recibir imágenes de baja calidad o documentos complejos de un determinado proveedor.
La automatización de HITL ahorra tiempo y aumenta la precisión de la extracción de datos, lo que permite mejorar considerablemente los resultados. Si se utiliza al principio de un ciclo, puedes anotar los datos y crear sus conjuntos de datos.
¿Quieres saber cómo aplicarlo en tu caso de uso?
Programa una demostración utilizando el siguiente formulario para empezar o ponte en contacto con nuestro equipo de expertos si tienes alguna otra pregunta.