AI puede verificar su identificación en segundos, así es como funciona

Aunque la inteligencia synthetic apareció en el mundo relativamente recientemente, la mayoría de las personas y las empresas aún la usan principalmente en forma de preguntas y respuestas en ChatGPT. Para muchos, esto es lo que está asociado con el concepto de “usar IA”. Los datos de McKinsey también confirman esto, según los cuales más del 75% de las empresas ya están experimentando con IA, pero casi el 60% se limitan al uso de modelos generativos para tareas básicas: escribir textos, analizar datos o trabajar con código.

Por lo tanto, ChatGPT es solo uno de los numerosos servicios de IA, creado para responder preguntas, editar textos y generar imágenes. Y esto solo es suficiente para impresionar a cualquier usuario ordinario.

Muchas empresas líderes en el mundo han comenzado a crear sus propios modelos y productos de IA para aplicaciones prácticas. Esto le ha dado a las empresas la oportunidad de integrar la inteligencia synthetic en sus procesos y aumentar la eficiencia operativa. Por ejemplo, según PwC, las compañías que han integrado la IA en procesos clave reducen los costos operativos en un 20-40% y aumentan la productividad en un 30%.

Las solicitudes de la empresa pueden variar. Algunos necesitan un chatbot de IA que responda a los clientes 24/7, cubra hasta el 80% de las consultas típicas y transfieran la conversación a un operador solo cuando la pregunta es demasiado específica. Según las estadísticas de IBM, las empresas que han implementado chatbots de IA han reducido la carga de trabajo en los operadores hasta en un 70% y han disminuido el tiempo de espera del cliente en un 90%. Para las empresas, esto significa una aceleración significativa del servicio y la capacidad de optimizar los costos de soporte.

Hay compañías financieras que necesitan realizar periódicamente la verificación del usuario. Cabe señalar de inmediato: un módulo de verificación completo es una solución tecnológica compleja, pero las empresas pueden implementar partes individuales de la misma. Por ejemplo, la verificación de documentos puede integrarse no solo en servicios financieros sino también en el trabajo de registradores de nombres de dominio o proveedores de servicios de servicios públicos. El mercado de soluciones de KYC (conoce su cliente) alcanzó los $ 12.4 mil millones en 2024 y, según los pronósticos, crecerá un 22% anual. Los principales impulsores son los requisitos regulatorios, la lucha contra el lavado de dinero y la prevención del fraude.

Ahora, si una acción requiere verificación de documentos, es necesario no solo cargar el archivo sino también extraer información de él y guardar los datos en el perfil del cliente y la base de datos de la empresa. Anteriormente, esto requería pedirle al usuario que ingrese manualmente todos los datos y cargue adicionalmente el documento. Ahora, este proceso se puede automatizar: el sistema extrae la información necesaria por sí sola sin solicitudes adicionales al cliente. Las tecnologías OCR y el análisis de IA reducen el tiempo para la verificación del documento de 5 a ten minutos a unos pocos segundos y disminuyen el número de errores en un 80%, según Deloitte. Este enfoque es especialmente relevante para las instituciones y servicios financieros donde la velocidad y la precisión del procesamiento de datos son críticos.

Captura de pantalla del servicio oficial de IA de Google Doc:

A continuación, analizaremos cómo implementar una solución related utilizando Google Cloud, utilizando Vertex AI y Doc AI Companies. Este es un enfoque common que se puede adaptar para empresas en varios sectores.

Desglosemos paso a paso usando el ejemplo de Google Cloud: Vertex AI y Doc AI.

A continuación se muestra un glosario para comprender mejor el propósito de cada servicio:

Documento AI API – Utilizado para la lectura automática y el reconocimiento de datos de documentos (IDS, pasaportes, facturas). Permite obtener datos estructurados en formato JSON sin entrada guide. El objetivo principal es la automatización de KYC/KYB, procesamiento de facturas y verificación de documentos.

API de Vertex AI – Diseñado para crear, capacitar e implementar modelos de inteligencia synthetic. Permite el uso de ML para el análisis, la puntuación, la detección de anomalías y el pronóstico. El objetivo principal es la implementación de la lógica de IA personalizada: desde soluciones anti-fraude hasta recomendaciones personalizadas.

Integración del documento AI y Vertex AI en su proyecto: paso a paso

1) Cree un proyecto de Google Cloud

Si el proyecto aún no se ha creado, agrégalo en Google Cloud, configure la facturación y cree una cuenta de servicio con los derechos de acceso a los servicios necesarios.

Enlace: nube.google.com/document-ai

Habilite los dos servicios principales:

• Documento AI API
• API de Vertex AI

A continuación, debe configurar el documento AI para que el sistema lea correctamente los documentos.

1. Cree un procesador del procesador de documentos de ID de tipo (adecuado para procesar pasaportes y licencias de conducir)
2. Seleccione la región en la que está operando (EE. UU. O UE).
3. Después de la creación, recibirá una identificación de procesador. Copiéelo: será necesario realizar solicitudes a través de la API.

A continuación, su sitio net puede tener su propia interfaz donde los usuarios cargarán documentos. Los formatos pueden ser: JPEG, PNG, PDF.

El mecanismo de trabajo se ve así:

1. El backend de su sitio net recibe el archivo del usuario.
2. Luego envía este archivo al documento AI API.
3. En el cuerpo de solicitud, el archivo se transmite en formato base64.

Ejemplo de una solicitud:

POST 

El documento de IA procesa estos datos y los devuelve en formato JSON:

1. Texto de OCR (texto reconocido del documento)
2. Datos estructurados: primer nombre, apellido, fecha de nacimiento, número de documento, fecha de vencimiento.

Ejemplo de una respuesta JSON del documento AI

+ Entities:
! First Identify: John (confidence 0.99)
! Final Identify: Doe (confidence 0.98)
! Date of Delivery: 1990-01-01 (confidence 0.97)
! Doc Quantity: X1234567 (confidence 0.96)
! Expiry Date: 2030-12-31 (confidence 0.95)

¿Qué obtuvimos en el JSON?

First Identify: John
Final Identify: Doe
Date of Delivery: 1990-01-01
Doc No: X1234567
Expiry: 2030-12-31

Con los datos obtenidos, ya puede trabajar y agregarlos a la base de datos. Por ejemplo, puede guardarlo en el perfil del cliente para que ya no necesite pedirles que ingresen esta información. Pero no tienes que parar allí.

Captura de pantalla del servicio oficial de IA de Google Doc:

Podemos procesar aún más estos datos y realizar verificación. En la práctica, hay casos en que la IA no reconoce ciertos elementos. Por ejemplo, la respuesta del documento AI puede no incluir el apellido, a pesar de que está presente en el documento. Esto sucede, a veces los modelos de IA omiten ciertos campos.

Para evitar una situación en la que parece que todo está completado, pero de hecho faltan los datos, es necesario verificar si todos los campos clave se completan. Después de recibir las entidades de la IA del documento (primer nombre, apellido, fecha de nacimiento, número de documento, fecha de vencimiento), asegúrese de que ninguno de ellos esté vacío. Si el sistema detecta los valores faltantes, puede iniciar una rescan del documento y completar los campos faltantes.

- required_fields = ["first_name", "last_name", "date_of_birth", "document_number"] 
+ for discipline in required_fields:  
! if discipline not in extracted_data or not extracted_data[field]:
# elevate ValueError(f"Lacking required discipline: {discipline}")

O para su servicio, es importante que el usuario tenga al menos 18 años. De lo contrario, no puede otorgar acceso al servicio.

Por ejemplo, puede verificar la fecha de nacimiento (en formato yyyy-mm-dd) y asegurarse de que la edad sea> 18 años (u otro umbral establecido).

- from datetime import datetime
+ dob = datetime.strptime(extracted_data["date_of_birth"], "%Y-%m-%d")
! age = (datetime.now() - dob).days // 365
# if age < 18:
# elevate ValueError("Shopper should be over 18.")

Hasta esta etapa, ha estado verificando principalmente datos estáticos obtenidos usando AI.

2) Usando Vertex Ai

Pero puede ir aún más lejos y usar el módulo Vertex AI, ya que hasta este punto solo ha estado trabajando con Doc AI para escanear y reconocer documentos.

Captura de pantalla del servicio oficial de Vertex AI:

Por ejemplo, el siguiente paso es evaluar el cliente en función de los parámetros. Es posible que tenga datos adicionales, como direcciones IP o países de los que no puede registrar a los usuarios debido a políticas internas o restricciones regulatorias.

Enviar datos a Vertex AI para obtener la puntuación:

- from google.cloud import aiplatform endpoint = aiplatform.
+ Endpoint(endpoint_name="tasks/your-project/places/us-central1/endpoints/123456789") 
! response = endpoint.predict(cases=[{ 
! "document_number": "X1234567", 
! "age": 32, 
! "country": "UK", 
! "upload_time": 2.5 }])
# print(response)

En esta etapa, Vertex Ai ya tiene todos los datos obtenidos del documento AI:

Datos del documento (salida del documento AI)

1. Primer y apellido (detección de anomalías, cuentas duplicadas).
2. Fecha de nacimiento (para restricciones de edad y perfil de riesgo).
3. Número de documento (singularidad y patrón).
4. Fecha de vencimiento (verificación de validez).
5. País emisor (países de alto riesgo).

Pero también proporciona información que su sistema recopila sobre el cliente. A continuación se muestra una cantidad limitada de información. Puede ser mucho más o menos, dependiendo de las necesidades.

Metadatos de archivo

1. Tiempo de carga (tiempo sospechoso, por ejemplo, noche).
2. Formato de archivo (JPEG, PNG, PDF)
3. Número de intentos de carga (signo de fraude).

Datos de comportamiento del usuario

1. Formulario de velocidad de llenado (demasiado rápido → sospecha de un bot)
2. Dirección IP y geolocalización (coincidir con el país del documento)
3. VPN o proxy (signo de ocultación).

El sistema de punto remaining Vertex AI, que se implementa como un modelo ML/AI, analiza los datos y devuelve una predicción. Esta no es una lógica codificada, sino una combinación de datos, un algoritmo y un modelo estadístico que produce el resultado basado en la capacitación.

Por ejemplo, la respuesta podría verse así:

risk_score = 0.12.

Reglas de toma de decisiones:

If risk_score < 0.2 → approve.
If 0.2 ≤ risk_score < 0.5 → assessment.
If risk_score ≥ 0.5 → reject.

A continuación, dependiendo de la configuración de su sitio net o aplicación, muestra el resultado al cliente, y los datos estructurados se registran en la base de datos de la compañía (PostgreSQL, MySQL, Firestore u otra cosa).

También puedes:

• Cambie el estado del cliente en el perfil.
• Enviar notificaciones de empuje o correo electrónico.

Este es un ejemplo de cómo se puede utilizar un solo modelo de IA para resolver tareas comerciales y acelerar los procesos tanto para la empresa como para sus clientes.

Los modelos de IA aún no cubren todos los escenarios de la vida actual, pero cada mes surgen nuevas soluciones. Estén atentos para las actualizaciones. Lo que ya está disponible puede usarse efectivamente en el trabajo. Todo está limitado solo por sus necesidades y creatividad.

A continuación se presentan ejemplos de modelos de IA y formas de usarlos:

OpenAI (chatgpt, gpt-4/4o)

• API CHATGPT – Integración de AI Chat en aplicaciones (soporte, automatización).
• API de asistentes: asistentes personalizados para tareas comerciales.
• Intérprete de código: análisis de scripts de datos y python (análisis financiero, paneles).

Google Cloud AI (Vertex AI)

• Documento AI – PARSING DEL DOCUMENT (KYC, Contratos, declaraciones).
• AUTOML – Construyendo modelos sin código (puntuación, pronósticos).
• AI Hub: modelos preparados (detección de fraude, puntuación crediticia).

Servicios AWS AI

• Textract – OCR de PDFS (facturas, documentos financieros).
• Comprender – Análisis de texto (revisiones, sentimiento).
• Sagemaker: capacitación de modelos personalizados (gestión de riesgos, pronósticos).

Microsoft Azure AI (Copilot)

• INTELIGENCIA DE DOCUMENTO: reconocimiento de formularios e informes.
• Servicio Azure OpenAI – GPT en la nube para soluciones empresariales.

Antrópico (Claude)

• Claude API – CHAT, Generación de texto, Análisis de datos (documentos legales, cumplimiento).

Mechones de fuego

• AI Analytics – Monitoreo de transacciones, AML, Protección de fraude en criptografía.

Docusign ai

• Insights inteligentes: análisis de contratos y riesgos.

Salesforce einstein ai

• Einstein GPT – Pronóstico de ventas, Automatización CRM.

La inteligencia synthetic ha dejado de ser solo una tendencia y se ha convertido en una herramienta actual para la optimización comercial. Desde la automatización de la verificación del cliente hasta la previsión de riesgos y la personalización del servicio: la IA ofrece a las empresas oportunidades para ahorrar tiempo, reducir costos y mejorar la precisión. Ejemplos como Google Cloud con su Vertex AI y los servicios de documentos de IA muestran que la implementación de tales soluciones ya no es la prerrogativa de los gigantes de la tecnología, está disponible para empresas de cualquier tamaño e industria. La clave es comenzar con una estrategia clara y el conjunto correcto de herramientas.

Igor Nikolaiev, líder de productos técnicos en FinTech y AI