Porto do Açu reduce el tiempo de procesamiento de documentos en un 99,5% con IA

Porto do Açu enfrentó importantes desafíos en la búsqueda de información dentro de los documentos de la EIA, que incluyen datos en diferentes formatos, como .txt, .pdf, .xlsx, .docx, .tiff, .json, .jpeg y .png. El proceso de búsqueda y extracción de información consumía mucho tiempo, lo que impactaba negativamente en los tiempos de respuesta a las consultas regulatorias. Además, mantener la biblioteca virtual actualizada y gestionar la información de manera eficiente requería una solución sólida que pudiera abordar estos desafíos de una manera escalable y precisa.

MadeinWeb desarrolló una solución de IA Generativa soportada en la infraestructura de AWS, creando una Chala Generativa que optimiza el proceso de licenciamiento ambiental. Esta solución permite consultas rápidas y precisas a una biblioteca virtual compuesta por manuales técnicos, normas y datos de EIA. La solución se basa en un sistema de Generación Aumentada de Recuperación (RAG), que busca un amplio conjunto de datos proporcionados por Porto do Açu, facilitando el acceso a información relevante con precisión.

Amazon Bedrock: Usamos Bedrock para acceder al modelo de generación de texto Claude3-Haiku y al modelo de incrustación Titan Embedding V1. La elección de Claude3-Haiku se debe a la baja complejidad de la tarea, que consiste en responder preguntas basadas en un contexto.

1. Interacción vía chat generativo: El Chat Generativo fue desarrollado para acceder directamente a la biblioteca virtual de documentos de la EIA y brindar respuestas rápidas y asertivas a los usuarios.

2. Análisis de documentos: La solución incluía técnicas de análisis avanzadas para extraer datos de documentos en diferentes formatos:

   • PDF y DOCX: Se procesaron utilizando el Llama-Index para garantizar una extracción precisa de texto y tablas.

   • Imágenes: utilizamos Claude3-Haiku de Bedrock para convertir imágenes (.jpeg, .png) en texto, asegurando la interpretación de gráficos y tablas.

   • Tablas XLSX: Cada pestaña de la hoja de cálculo se ha convertido al formato HTML, facilitando la interpretación mediante modelos de lenguaje como Claude Instant y Claude2, permitiendo consultar el contenido de las tablas con alta precisión.

3. Segmentación de documentos: Los documentos de texto se dividieron en bloques de 900 caracteres con superposición de 200 caracteres para mejorar el rendimiento y la velocidad de procesamiento. Para los datos de la tabla, la solución generó descripciones documentadas, lo que facilitó la recuperación precisa de esta información.

4. Metadatos y filtros: el sistema utilizó metadatos para organizar y gestionar documentos:

   • Nombre de archivo: se utiliza para la gestión en la interfaz administrativa.

   • EIA relevante: el chat pregunta al usuario qué EIA se está consultando. filtrar la información en función de estos metadatos.

   • Fuente de datos: si la información proviene de un texto o tabla, la solución recupera el contexto completo de las tablas almacenadas en S3, asegurando que el modelo responda con precisión utilizando datos completos.