Pemrosesan Dokumen Cerdas:Bangun vs. Beli – Memilih Strategi yang Tepat

Bisnis berjalan berdasarkan dokumen dan komunikasi. Mereka mendasari hampir setiap proses yang dapat Anda pikirkan—di mana pun pesan (seperti email atau obrolan) atau dokumen dibaca atau dikirim. Maka tidak mengherankan jika pasar pemrosesan dokumen cerdas (IDP) tumbuh sebesar 28,9% setiap tahun dan diperkirakan akan mencapai $17,8 miliar pada tahun 2032.

IDP biasanya memadukan berbagai teknologi AI, termasuk pemrosesan bahasa alami (NLP) dan pengenalan gambar, untuk membantu perusahaan memproses dokumen dan komunikasi dalam skala besar dengan cepat. Ketika para pemimpin bisnis merangkul agen AI—entitas berbasis AI yang kuat yang mampu menyelesaikan pekerjaan untuk dan atas nama orang—proses berbasis dokumen telah muncul sebagai kasus penggunaan ideal untuk otomatisasi agen. Menggabungkan agen AI dengan robot dan kemampuan IDP, yang diawasi oleh manusia, menghasilkan pengembalian yang cepat dan berdampak besar pada efisiensi.

Namun, hal ini menimbulkan pertanyaan:haruskah Anda membangun atau membeli kemampuan IDP Anda? Penting untuk menilai semua opsi dan mempertimbangkan pendekatan mana yang dapat memberikan laba atas investasi tertinggi, kinerja terbaik, dan waktu penilaian tercepat. Bagi sebagian besar bisnis, opsi yang tepat adalah membeli solusi IDP yang sudah ada. Saya akan menjelaskan alasannya:

Buat IDP (BYO) Anda sendiri

Dengan meningkatnya model bahasa besar (LLM) yang tersedia untuk umum, dan meningkatnya ketersediaan API pendukung, perusahaan kini memiliki lebih banyak alat untuk membantu mereka membangun sistem IDP khusus. Namun, banyaknya alat di kotak peralatan Anda tidak membuat tugas sebenarnya menjadi lebih mudah.

Dalam sistem BYO IDP, setiap komponen (mulai dari pemahaman bahasa hingga ekstraksi dan otomatisasi data) perlu dibangun dari awal atau, kemungkinan besar, bersumber dari beberapa penyedia pihak ketiga. Misalnya, untuk menyediakan komponen NLP yang diperlukan untuk memahami dokumen dan komunikasi, sebuah bisnis mungkin membangun sistem IDP-nya di sekitar LLM eksternal seperti ChatGPT atau Claude Anthropic.

Sistem BYO IDP memberi bisnis kepemilikan menyeluruh dan potensi penyesuaian yang lebih besar dibandingkan dengan solusi vendor. Mereka memiliki fleksibilitas untuk menyesuaikan sistem mereka dengan perubahan kebutuhan bisnis, tanpa harus bekerja sama dengan organisasi lain. Namun, dalam banyak kasus, manfaat ini tidak sebanding dengan tantangan utama pendekatan BYO:

Biaya

Ada kesalahpahaman umum bahwa BYO lebih murah daripada membayar IDP sebagai layanan. Dalam kebanyakan kasus, hal ini tidak berlaku dalam jangka pendek atau panjang. Mengembangkan dan kemudian memelihara sistem IDP Anda sendiri memerlukan banyak waktu dan tenaga spesialis yang mahal. Anda memerlukan pengembang perangkat lunak untuk membuat platform dan antarmuka pengguna (UI), ilmuwan data untuk persiapan data, sebelum dan sesudah pemrosesan, dan banyak pakar lainnya untuk tugas-tugas seperti memantau kinerja (yang Anda perlukan untuk membuat dasbor pelaporan sendiri), serta mengaudit dan mencatat.

Pertimbangkan bahwa bahkan LLM pihak ketiga memerlukan spesialis dan insinyur AI untuk menyempurnakan model yang dipilih agar sesuai dengan kebutuhan bisnis. Bahkan model bahasa visi (VLM) yang paling populer dan canggih pun merupakan model dasar, yang dilatih pada banyak jenis data berbeda mulai dari dokumen terstruktur hingga gambar. Secara default, mereka tidak akan disesuaikan dengan jenis dokumen atau skema yang Anda perlukan, yang berarti akurasi lebih rendah dan lebih banyak kesalahan.

Mempertahankan sistem IDP Anda sendiri juga memerlukan pembaruan dan sumber daya yang berkelanjutan. Sistem BYO apa pun yang memerlukan anotasi data memerlukan materi pelatihan untuk pengguna, dan materi ini harus diperbarui agar sesuai dengan antarmuka pengguna Anda.

Risiko

Bergantung pada bakat teknis yang langka dan mahal untuk menjaga agar sistem tetap beroperasi adalah hal yang berisiko. Karena kekurangan biaya dan bakat, tim-tim ini cenderung kecil. Mereka mungkin menghadapi keterbatasan dalam jumlah kasus penggunaan dan unit bisnis yang secara realistis dapat mereka dukung. Pengurangan bakat juga dapat membuat sistem menjadi tidak berfungsi atau tidak dapat dijalankan dalam jangka panjang. Selalu ada risiko bahwa pendanaan proyek juga dapat ditarik.

Tantangan-tantangan ini semakin bertambah ketika keterampilan AI dan penyempurnaan model diperlukan. Menurut penelitian terbaru dari McKinsey &Company, hampir setengah (47%) pengambil keputusan di bidang C-suite merasa bahwa mereka mengembangkan solusi AI terlalu lambat, dan kesenjangan keterampilan talenta menjadi penyebab utamanya.

Kompleksitas

Saat Anda membangun sistem IDP, Anda sepenuhnya bertanggung jawab atas model AI yang kompleks dan tata kelola platform. Memang benar, sistem yang dibangun untuk kasus penggunaan yang kompleks mungkin memerlukan ratusan model AI yang harus dikelola. Misalnya, sebuah bank besar mungkin memerlukan beberapa ratus model yang disesuaikan untuk berbagai kasus penggunaan guna mencapai tingkat akurasi yang diperlukan. Sekalipun sistem AI dapat memproses dokumen dan komunikasi secara langsung, sejumlah besar rekayasa cepat atau pengumpulan konteks masih diperlukan agar kinerja dapat diterima. Menskalakannya ke ratusan kasus penggunaan akan sangat sulit, karena Anda harus membuat anotasi pada data, melakukan tolok ukur, menerapkan, dan memelihara ratusan perintah.

Ada banyak biaya tersembunyi yang terlibat dalam sistem IDP yang Anda buat sendiri. Setiap komponen sistem merupakan keputusan penting, dan setiap teknologi memerlukan keterampilan khusus dan meningkatkan utang teknis (bersamaan dengan peningkatan risiko). Tidak dapat dipungkiri, BYO merupakan pekerjaan yang berat dan berarti waktu yang lebih lambat untuk menilai. Biaya seumur hidup yang lebih tinggi kemungkinan besar disebabkan oleh persyaratan bakat, tata kelola, dan pemeliharaan. Tidak mengherankan jika 69% pengambil keputusan teknologi menganggap kasus penggunaan ekstraksi dokumen dan perutean sangat sulit untuk diterapkan, menurut analisis Forrester untuk UiPath.

Keuntungan membeli sistem IDP Anda

Alternatif untuk membangun sistem Anda sendiri adalah dengan membeli IDP sebagai layanan dari vendor pihak ketiga. Ada dua pendekatan utama untuk ini:

• Membeli IDP sebagai solusi titik dan mengintegrasikannya dengan seluruh rangkaian teknologi perusahaan Anda.

• Membeli IDP sebagai bagian dari solusi atau platform yang lebih besar. Hal ini memberikan akses ke kemampuan tambahan, seperti otomatisasi, sesuai kebutuhan.

Membeli IDP sebagai layanan memberi bisnis lebih sedikit kendali atas pengembangan platform dibandingkan dengan sistem yang dibuat khusus. Namun, penyedia platform akan bekerja sama dengan pelanggan mereka untuk memastikan sistem berkembang untuk memenuhi kebutuhan mereka. Ada juga banyak keuntungan lain yang perlu dipertimbangkan:

Saatnya menilai

Mengimplementasikan platform IDP yang sudah ada biasanya lebih cepat dibandingkan mengembangkan platform baru. Platform yang sudah mapan telah dicoba dan diuji selama bertahun-tahun untuk digunakan di perusahaan besar dalam beragam kasus penggunaan. Sumber daya pelatihan dan pemberdayaan telah dibuat dan, dalam banyak kasus, dukungan layanan profesional diberikan untuk membantu pengguna mulai bekerja dan mulai menghasilkan nilai dari penerapannya.

LLM dasar memerlukan penyesuaian yang mahal dan memakan waktu serta rekayasa yang cepat sebelum siap untuk digunakan bisnis. Meski begitu, mungkin ada kasus penggunaan yang begitu kompleks atau berskala besar sehingga berakhir sebagai 'jalan buntu' di mana tidak ada dorongan yang dapat menghasilkan ekstraksi yang akurat dan andal. Sebaliknya, IDP sebagai layanan yang mendasari AI biasanya dirancang berdasarkan penyesuaian model yang cepat dan pengalaman pelatihan berkode rendah. Misalnya, mereka mungkin memanfaatkan pembelajaran aktif, yang mana pengguna bisnis biasa dan model AI berkolaborasi secara aktif untuk menyelesaikan proses pelatihan dengan lebih cepat.

Mengurangi risiko

Memilih IDP sebagai layanan secara signifikan menurunkan berbagai bentuk risiko. Anda tidak lagi bergantung pada talenta internal yang mahal untuk menjaga sistem IDP Anda tetap beroperasi. Vendor memiliki pemeliharaan sistem serta tata kelola platform dan model. Penyedia solusi IDP juga diharapkan memberikan keamanan data tingkat perusahaan tertinggi.

Biaya kepemilikan juga harus dipertimbangkan. Pengembangan yang tergesa-gesa, kode yang tidak sempurna, atau penggunaan teknologi yang akan segera ketinggalan zaman dalam sistem BYO IDP semuanya meningkatkan risiko utang teknis. Seiring waktu, hal ini memerlukan koreksi yang mahal dan peningkatan sistem.

Membeli IDP sebagai layanan sangat mengurangi risiko dan utang teknis bagi pembeli. Vendor memprioritaskan peningkatan teknologi agar tetap kompetitif, mengadopsi kemampuan terbaru, dan terus mengulangi serta meningkatkan layanan mereka. Mereka menangani pengerjaan ulang, pengujian, pembaruan, dan penggantian komponen usang yang diperlukan.

Jangan mencoba membuat model sendiri. Judul yang menarik perhatian membuatnya terlihat lebih sederhana. Temukan vendor yang melakukan AI sebelum sensasi LLM. Kompetensi dalam proses AI yang berdekatan diperlukan seperti pembelajaran tanpa pengawasan, persiapan data, dan penghitungan ML dasar.

Simon Knowles, Kepala Teknologi, Vabble

Skalabilitas

Sistem kustom memerlukan konektor dan API yang dibuat khusus untuk berintegrasi dengan sistem perusahaan yang relevan. Tergantung pada ukuran dan kompleksitas bisnis, hal ini mungkin memerlukan ratusan atau bahkan ribuan jam pengembangan gabungan. Platform IDP yang sudah mapan akan memiliki konektor siap pakai untuk sistem perusahaan paling populer, memungkinkan integrasi cepat dan waktu untuk menilai. Dengan sistem IDP berbasis cloud, Anda juga dapat memperoleh akses ke peningkatan dan kemampuan AI terbaru tanpa menghabiskan biaya untuk membangun atau mengintegrasikan sendiri kemampuan tersebut.

Karena semua alasan ini, IDP sebagai layanan harus menjadi pilihan utama bagi perusahaan yang mencari nilai, keakuratan, dan keandalan dalam sistem IDP mereka dengan waktu yang cepat. Pembangunan yang dibuat khusus mengundang utang teknis yang besar, serta meningkatnya risiko dan tanggung jawab dalam jangka panjang. IDP sebagai layanan menempatkan beban tanggung jawab pada platform khusus yang diasah oleh kompetisi dan iterasi selama bertahun-tahun.

Platform yang siap digunakan oleh perusahaan untuk menskalakan AI dan IDP

Kemampuan UiPath IDP adalah pilihan ideal bagi perusahaan yang ingin menerapkan AI dan IDP terbaik di kelasnya dengan aman dan sukses. IDP tertanam dalam kerangka otomatisasi end-to-end kami, memungkinkan Anda mengotomatiskan pemrosesan dokumen dan komunikasi. Anda juga dapat memanfaatkan kemampuan bawaan, menyesuaikannya, dan menambahkan komponen Anda sendiri atau komponen pihak ketiga sesuai kebutuhan.

UiPath Intelligent Xtraction and Processing (IXP) memberikan pendekatan solusi terdepan di industri untuk IDP. Berkat model AI terbaru, UiPath IXP memungkinkan ekstraksi jenis konten perusahaan yang jumlahnya semakin banyak; mulai dari dokumen terstruktur seperti faktur hingga konten yang kompleks dan tidak terstruktur seperti kontrak hukum. Kami menyediakan kemampuan dan kontrol platform yang luas terhadap model IXP kami, sehingga memungkinkan model tersebut diperluas dengan cepat ke seluruh perusahaan:

Siap untuk perusahaan

UiPath IXP dibangun untuk waktu yang cepat untuk menilai dan pengalaman pengguna yang lancar. Hal ini menghilangkan semua jenis pemrosesan dokumen dan menghemat waktu penerapan.

Pertama, adalah proses pelatihan yang mengutamakan Inferensi. Tidak diperlukan pelatihan untuk langsung mengekstrak data berguna dari dokumen kompleks yang tidak terstruktur secara akurat. Sebaliknya, pengguna hanya memberikan instruksi (seperti perintah) kepada model yang menjelaskan apa yang harus diekstraksi dan bagaimana hal itu muncul dalam dokumen. Namun, UiPath IXP masih memberi pengguna kemampuan untuk membuat anotasi jika mereka ingin menyempurnakan model lebih lanjut atau memberikan kebenaran dasar untuk evaluasi.

UiPath IXP juga memberikan kontrol yang kuat atas skema model generatif ini. Pengguna dapat membuat 'grup bidang' sendiri yang menentukan informasi pasti yang ingin mereka ekstrak. UiPath menyederhanakan sebagian besar pekerjaan pasca-pemrosesan, dan outputnya adalah format persis yang diperlukan untuk mengambil data terstruktur yang dihasilkan, menggunakannya dalam otomatisasi, dan membagikannya dengan agen AI untuk menciptakan nilai.

Terkendali dan patuh

Model pihak pertama UiPath diatur di bawah kendali perusahaan terkuat. Platform UiPath menghadirkan kontrol akses berbasis aturan (RBAC) yang kuat, pembuatan versi model, dan pagar pembatas kinerja yang ekstensif untuk model IXP pihak pertama kami. Human in the loop juga dimasukkan ke dalam pengalaman platform kami, memastikan keluaran yang dihasilkan divalidasi dengan benar.  

Selain itu, UiPath mengelola semua model pihak ketiga melalui UiPath AI Trust Layer, memberikan tata kelola, kepercayaan, dan keamanan untuk GenAI. Artinya, tidak ada retensi data dan pelatihan model eksternal dengan data bisnis Anda.

Strategi model yang fleksibel dan terbuka

Model AI berkembang pesat, dan model terbaik saat ini mungkin bukan model terbaik untuk kasus penggunaan Anda dalam waktu enam bulan. Kami terus berinvestasi untuk menciptakan LLM khusus terbaik untuk proses bisnis inti dan terus meningkatkannya. Peluncuran model terbaru kami untuk pemrosesan dokumen yang kompleks dan tidak terstruktur merupakan buktinya.

Namun strategi AI kami tetap terbuka. Kami menyediakan alat yang diperlukan untuk mengintegrasikan LLM pihak ketiga atau milik Anda yang Anda sukai, dan mengelolanya di bawah Lapisan Kepercayaan AI UiPath. Dengan UiPath, Anda memiliki fleksibilitas untuk menggunakan kombinasi model terbaik di kelasnya untuk setiap tugas di seluruh kasus penggunaan Anda.

Pengoptimalan untuk meningkatkan akurasi dan keandalan

Kemampuan IXP kami dioptimalkan untuk ekstraksi data tingkat lanjut dengan teknik seperti RAG dan perintah sistem yang dikurasi. Landasan konteks berarti model IXP yang lebih aman, lebih berperforma, dan akurat. Antarmuka Stasiun Validasi kami menunjukkan bukti di mana informasi yang diekstraksi ditemukan dalam dokumen, yang berarti keluaran yang dihasilkan dapat dengan mudah diverifikasi dengan bukti.

Pengalaman berbasis proyek

Inovasi kami dipandu oleh penempatan pengungsi di lapangan yang nyata di perusahaan-perusahaan besar. Pengguna kami cukup menentukan jenis dokumen mereka dan dapat memanfaatkan berbagai model. Mereka juga dapat mengevaluasi performa, memantau, dan mengelola versi model—semua kemampuan utama untuk menerapkan AI, memelihara, dan kemudian menskalakannya di seluruh bisnis.

Salah satu pelanggan yang merasakan manfaat kemampuan IDP UiPath adalah perusahaan asuransi mutual Encova Insurance yang termasuk dalam 20 besar. Untuk mengotomatiskan faktur klaim, Encova pada awalnya mengembangkan solusi IDP-nya sendiri, yang dibangun berdasarkan pengenalan karakter optik (OCR) tradisional dan model AI pihak ketiga untuk pemahaman bahasa. Namun, setelah mereka mengadopsi Platform UiPath untuk IDP, mereka langsung merasakan peningkatan akurasi:

Dalam hal pemahaman dokumen, dengan pengenalan karakter optik tradisional, kami menyelesaikan 40% tanpa masalah dan 30% akan selesai sebagian. Dengan proses [UiPath] baru ini, tingkat keberhasilannya adalah 99%.

Jeffrey Martin, Arsitek Solusi, Encova

Kemampuan UiPath IDP memberikan waktu yang cepat untuk menilai dan meningkatkan efisiensi secara signifikan di departemen keuangan, penjualan, penjaminan, operasi, dan dukungan pelanggan Encova. Dalam program pengambilan kebijakan, misalnya, waktu entri data manual berkurang sebesar 98%. Pengurangan waktu pemrosesan tahunan sebesar 95% juga dicapai pada dukungan jalur komersial.

UiPath juga merupakan Pemimpin yang diakui dalam IDC MarketScape:Penilaian Vendor Perangkat Lunak Pemrosesan Dokumen Cerdas Tidak Terstruktur Seluruh Dunia 2024. Menurut laporan:

“UiPath memandang GenAI dan LLM sebagai alat teknologi penting dan semakin mengintegrasikannya ke seluruh fase portofolio IDP, penambangan komunikasi, dan otomasinya...Selanjutnya, UiPath terus memprioritaskan dan menerapkan fitur keamanan, privasi, akses, landasan konteks, dan kontrol tingkat perusahaan untuk memastikan bahwa model dan layanan GenAI dapat digunakan dengan aman dan terjamin dalam mendukung kasus penggunaan yang sangat penting.”

Laporan tersebut juga berkomentar:“Fokus AI multi-modal UiPath memberikannya keunggulan strategis untuk terus mendorong metode dan pendekatan baru guna memaksimalkan nilai tradisional (yaitu, AI prediktif) dan GenAI untuk IDP yang tidak terstruktur.”

Pelajari bagaimana kemampuan IDP Platform UiPath memberikan waktu yang cepat untuk menilai dan membantu meningkatkan AI canggih di seluruh perusahaan.