PREGUNTAS FRECUENTES

El software de IA utiliza el aprendizaje supervisado para aprender regularidades y aplicarlas automáticamente a los nuevos documentos entrantes. Los algoritmos aprenden las regularidades de su conocimiento experto a partir de ejemplos. Los resultados del proceso de aprendizaje pueden compararse con los resultados conocidos y correctos, es decir, "supervisarse" especialmente bien.

El programa prescinde por completo de la creación de reglas o diseños. De esta actividad manual, habitual en los proveedores más antiguos, se encargan los algoritmos. Esto ahorra recursos a los expertos en TI, ya que el software aprende de quienes no lo son y sigue siendo posible personalizarlo. El software no utiliza ningún tipo de inteligencia de enjambre, por lo que no se comparte tu conocimiento experto.

Usted obtiene de nosotros el software de IA sin modelos preentrenados. Si desea utilizar IA ya preparada, le remitiremos a socios que hayan realizado pagos por adelantado y ofrezcan modelos ya preparados.

Para cada campo, la IA necesita aproximadamente 20 casos individuales para que pueda aprender una etiqueta. Recibirá un valor de confianza individual por cada dato leído.

El software está diseñado para satisfacer las necesidades de los departamentos informáticos, los fabricantes de software, los integradores de sistemas informáticos y los científicos de datos.

Puede acceder a los datos para entrenar sus propios modelos a través de la API o del paquete Python. El código fuente sólo es accesible para los desarrollos de modelos individuales que van más allá del puro entrenamiento de bajo código a través de la interfaz web. Si le interesa, es posible realizar una transferencia de conocimientos que le permita entrenar sus propios modelos.

Sí, Helm & Nagel GmbH ofrece el software de IA como variante SaaS en la OTC, Open Telekom Cloud en servidores de Alemania y los Países Bajos.

Se aplican nuestras medidas técnicas y organizativas (MTO). Las CGC, Acuerdo Contractual de Procesamiento, entre Helm & Nagel GmbH y usted como cliente regulan el pleno cumplimiento de las disposiciones para sus datos personales de conformidad con el artículo 27/28 DSGVO. No sólo las CGU, sino también el acuerdo de confidencialidad (NDA) amplían el ámbito de aplicación a las empresas filiales del cliente. Debe comprobar usted mismo si los datos que está tratando son datos personales.

Sí, la instalación in situ tiene lugar en un clúster Kubernetes o como imagen Docker en servidores Redhat Linux sin tarjeta gráfica con al menos ocho procesadores de 2,6 GHz incl. extensión de comandos de CPU AVX2 y 64 GB de RAM.

Sí, póngase en contacto con nosotros a través del formulario de contacto.

Encontrará los precios en https://konfuzio.com/de/aktuelle-preisliste/. La página está protegida por contraseña. Póngase en contacto con nosotros para obtener la contraseña.

Recibirá las facturas por correo electrónico.

No, el software de IA no sustituye a un motor de reglas de negocio (BRE) ni a un motor de flujo de trabajo.

Necesitará unas 2 horas por campo que desee extraer. Un campo puede ser, por ejemplo, el número de albarán o el número de artículo. Si lo desea, Helm & Nagel GmbH aprenderá su modelo en el pedido.

El entrenamiento totalmente automático de la IA puede iniciarse a través de la API o de la interfaz web.

No hay restricciones. Pruebe el reconocimiento de texto de sus escáneres en el marco de un acceso de prueba. Le sorprenderá lo bien que se reconocen incluso los documentos de matriculación de vehículos y los escaneados con poca resolución.

Al utilizar el marco de trabajo establecido Django Rest, es muy fácil proporcionar y consumir interfaces en muchos formatos, de modo que la aplicación puede enlazarse rápidamente con sistemas de terceros y también puede utilizarse al desarrollar aplicaciones modernas de una sola página o aplicaciones móviles nativas.

Encontrará la documentación de la API en https://app.konfuzio.com/api/.

Para obtener más información sobre cómo utilizar las interfaces, consulte Swagger RESTful API Documentation Specification.

Sí. Sin embargo, le pedimos que reconsidere si la automatización de la escritura a mano no puede resolverse mediante un formulario web.

El OCR reconoce texto y escritura a mano. No se puede garantizar el reconocimiento de los cuadros de texto.

Medido en 100 páginas, el reconocimiento de texto tarda una media de 1,4 segundos. Además, cada campo a reconocer tarda aproximadamente 0,1 segundos.

Los resultados se reciben de forma sincrónica o asincrónica a través de la API REST como JSON o mediante descarga manual como CSV. También es posible definir una URL de webhook individual para cada documento.

Sí.

No existe en todo el mundo un método fiable para la separación de documentos con IA. Estamos trabajando en uno y ofrecemos separación basada en reglas hasta nuevo aviso.

El cálculo de los valores estadísticos se basa en la bibliografía pertinente. Wikipedia ofrece una introducción en https://en.wikipedia.org/wiki/F-score. Divulgamos el código fuente para calcular la evaluación.

Sí, todas las innovaciones de software se prueban automáticamente y se implantan en un sistema de pruebas si no contienen errores. Antes de cada lanzamiento, realizamos pruebas de integración exhaustivas en el entorno de ensayo. Una vez superadas todas las pruebas, ponemos los cambios a su disposición. Por favor, infórmenos si, en contra de lo esperado, encuentra algún error, https://konfuzio.com/support/.

La variante SaaS se escala automáticamente y ofrece una capacidad básica de 10.000 páginas por hora. Las instalaciones in situ ofrecen una capacidad de al menos 6.000 páginas por hora y son totalmente escalables como clúster.

Con la variante SaaS, nos encargamos de supervisar la aplicación por usted. Con una instalación in situ, la supervisión se lleva a cabo a través de Grafana y un panel de control de Kubernetes. También tiene acceso al estado de tramitación de cada documento a través de la API.

Garantizamos la precisión medida en sus documentos con el estado de registro "Prueba" previa solicitud.

Un ejemplo es la predicción de los números de artículo, los precios unitarios y los precios totales de un artículo de un recién recibido Factura. A menudo se asume que sólo se utiliza una "IA". Por desgracia, el tratamiento de documentos es mucho más complejo, por lo que necesitamos utilizar algoritmos de IA diferentes.
En la mayoría de los casos, un documento digital no contiene texto, sino que sólo ofrece una representación visual del contenido. Utilizamos el OCR para extraer caracteres, palabras, líneas, tablas y párrafos de esta imagen. Para asignar un contexto temático a estos elementos del texto, un algoritmo NER asigna caracteres, letras, frases o párrafos individuales. Ya en este punto, surgen una gran variedad de posibilidades de aplicación. Desde el reconocimiento de una moneda hasta el análisis de los contratos. Volviendo al caso de la factura, este algoritmo encuentra varios números de artículo, precios individuales y precios totales. En el último paso, otro algoritmo de IA asigna los números de artículo, los precios individuales y los precios totales encontrados a un concepto técnico. En este caso, el algoritmo reconoce la asignación a un único elemento. Esto es especialmente difícil porque el número de artículo, el precio unitario y el precio total de una partida no están necesariamente dentro de una misma línea. Para permitir una asignación especialmente fiable, hemos desarrollado una IA que tiene en cuenta la información relativa espacio-texto para reconocer un contexto temático y puede así, por ejemplo, dividir los números de artículo, los precios unitarios y los precios totales en partidas separadas y separarlas de la información relacionada con el acreedor y el deudor.