智能文档处理：构建与购买——选择正确的策略

业务的开展依赖于文档和通信。它们几乎是您能想到的所有流程的基础——任何读取或发送消息（如电子邮件或聊天）或文档的地方。因此，智能文档处理 (IDP) 市场每年增长 28.9%，预计到 2032 年将达到 178 亿美元，这一点也就不足为奇了。

IDP 通常融合多种人工智能技术，包括自然语言处理 (NLP) 和图像识别，以帮助企业快速大规模处理文档和通信。随着企业领导者拥抱人工智能代理（强大的基于人工智能的实体，能够代表人们完成工作），基于文档的流程已成为代理自动化的理想用例。将人工智能代理与机器人和 IDP 功能相结合，并由人类在循环中进行监督，可以实现快速回报并对效率产生重大影响。

然而，这提出了一个问题：您应该构建还是购买 IDP 功能？评估所有选项并考虑哪种方法可以带来最高的投资回报、最佳的性能和最快的价值实现时间非常重要。对于大多数企业来说，正确的选择是购买现有的 IDP 解决方案。我来解释一下原因：

构建您自己的（BYO）IDP

随着公开可用的大型语言模型 (LLM) 的兴起以及支持 API 的可用性不断增加，企业从未有过更多的工具来帮助他们构建自定义 IDP 系统。然而，工具箱中的许多工具并没有让实际任务变得更容易。

在 BYO IDP 系统中，每个组件（从语言理解到数据提取和自动化）都需要从头开始构建，或者更有可能来自多个第三方提供商。例如，为了提供必要的 NLP 组件来理解文档和通信，企业可能会围绕外部 LLM（例如 ChatGPT 或 Anthropic 的 Claude）构建其 IDP 系统。

与供应商解决方案相比，BYO IDP 系统为企业提供了端到端所有权和更大的定制潜力。他们可以灵活地调整其系统以适应不断变化的业务需求，而无需与其他组织密切合作。然而，在大多数情况下，BYO 方法的主要挑战超过了这些好处：

成本

人们普遍误解，认为自带设备比支付 IDP 即服务便宜。在大多数情况下，短期或长期情况并非如此。开发并维护您自己的 IDP 系统需要大量时间和昂贵的专业人才。您需要软件开发人员来创建平台和用户界面 (UI)，需要数据科学家来进行数据准备、预处理和后处理，还需要许多其他专家来执行监控性能（您需要为此创建自己的报告仪表板）以及审核和日志记录等任务。

考虑到即使是第三方法学硕士也需要人工智能专家和工程师对所选模型进行微调以满足确切的业务需求。即使是最流行、最强大的视觉语言模型 (VLM) 也是基础模型，需要对从结构化文档到图像的大量不同数据类型进行训练。默认情况下，它们不会根据您需要的确切文档类型或架构进行微调，这意味着准确性较低且错误较多。

维护您自己的 IDP 系统还需要持续更新和资源。任何需要数据注释的 BYO 系统都需要用户培训材料，并且必须更新这些材料以反映您的用户界面。

风险

依靠稀有且昂贵的技术人才来保持系统运行是有风险的。由于成本和人才短缺，这些团队往往规模较小。他们可能面临实际支持的用例和业务部门数量的限制。从长远来看，人才流失还会导致系统性能不佳或无法生存。项目资金也可能被撤回的风险始终存在。

当需要人工智能技能和模型微调时，这些挑战会变得更加复杂。麦肯锡公司最近的研究表明，近一半（47%）的高管决策者认为他们开发人工智能解决方案的速度太慢，人才技能差距是主要原因。

复杂性

当您构建 IDP 系统时，您全权负责复杂的 AI 模型和平台治理。事实上，为复杂用例构建的系统可能需要管理数百个人工智能模型。例如，一家大型银行可能需要针对各种用例微调数百个模型，以达到必要的准确性水平。即使人工智能系统可以“开箱即用”地处理文档和通信，仍然需要大量的即时工程或上下文收集才能获得可接受的性能。将其扩展到数百个用例将非常困难，因为您必须注释数据、基准测试、部署和维护数百个提示。

您自己构建的 IDP 系统涉及许多隐性成本。系统的每个组件都是一个重要的决策，每种技术都需要专业技能并增加技术债务（同时增加风险）。自带设备不可避免地是一项繁重的工作，意味着实现价值的时间会更慢。更高的生命周期成本可能是由于人才、治理和维护要求造成的。根据 Forrester 对 UiPath 的分析，69% 的技术决策者认为文档提取和路由用例非常难以部署，这并不奇怪。

购买 IDP 系统的优势

构建自己的系统的替代方法是从第三方供应商处购买 IDP 作为服务。有两种主要方法：

• 购买 IDP 作为单点解决方案，并将其与企业技术堆栈的其余部分集成。

• 购买 IDP 作为更大解决方案或平台的一部分。这可以根据需要提供对附加功能的访问，例如自动化。

与定制系统相比，购买 IDP 作为服务可以减少企业对平台开发的控制。然而，平台提供商将与客户合作，确保系统不断发展以满足他们的需求。还有许多其他优点需要考虑：

实现价值的时间

实施现有 IDP 平台通常比开发新平台更快。成熟的平台在大型企业的不同用例中经过了多年的尝试和测试。培训和支持资源已经创建，并且在许多情况下，还提供专业服务支持来帮助用户开始运行并开始从其实施中产生价值。

基础法学硕士在准备投入商业使用之前需要进行昂贵且耗时的微调和及时的工程设计。即使如此，也可能存在如此复杂或大规模的用例，以至于它们最终成为“死胡同”，无论有多少提示都无法提供准确、可靠的提取。相比之下，IDP 即服务的人工智能底层通常是围绕快速模型定制和低代码培训体验而设计的。例如，他们可以利用主动学习，让普通业务用户和人工智能模型积极协作，以更快地完成培训过程。

降低风险

选择 IDP 作为一项服务可以大大降低各种形式的风险。您不再依赖昂贵的内部人才来保持 IDP 系统的运行。供应商拥有系统维护以及平台和模型治理。 IDP 解决方案提供商还有望提供最高级别的企业级数据安全性。

还应考虑拥有成本。仓促的开发、不完善的代码或在 BYO IDP 系统中使用即将过时的技术都会增加技术债务的风险。随着时间的推移，这需要昂贵的修正和系统升级。

购买 IDP 作为服务可以大大降低买方的风险和技术债务。供应商优先考虑技术升级以保持竞争力，采用最新功能并不断迭代和改进其服务。他们处理必要的返工、测试、更新和替换过时的组件。

不要尝试自己构建模型。引人注目的标题让它看起来比实际更简单。找到一家在法学硕士炒作之前就在做人工智能的供应商。需要具备相关人工智能流程的能力，例如无监督学习、数据准备和基本机器学习计算。

Simon Knowles，Vabble 技术主管

可扩展性

定制系统需要定制连接器和 API 才能与相关企业系统集成。根据业务的规模和复杂性，这可能需要数百甚至数千的综合开发时间。成熟的 IDP 平台将为最流行的企业系统提供预制连接器，从而实现快速集成并缩短价值实现时间。借助基于云的 IDP 系统，您还可以获取最新的 AI 升级和功能，而无需自行构建或集成这些功能。

出于所有这些原因，对于在 IDP 系统中寻求快速实现价值、准确性和可靠性的企业来说，IDP 即服务应该是首选。定制构建会带来相当大的技术债务，以及长期风险和责任的增加。 IDP 作为一项服务，将责任负担置于经过多年竞争和迭代磨练的专业平台上。

用于扩展 AI 和 IDP 的企业级平台

UiPath IDP 功能是希望安全、成功实施一流 AI 和 IDP 的企业的理想选择。 IDP 嵌入在我们的端到端自动化框架中，使您能够自动化文档和通信处理。您还可以利用预构建的功能，对其进行自定义，并根据需要引入您自己的或第三方的组件。

UiPath 智能提取和处理 (IXP) 提供业界领先的 IDP 解决方案。得益于最新的 AI 模型，UiPath IXP 能够提取越来越多的企业内容类型；从发票等结构化文档到法律合同等复杂和非结构化内容。我们提供广泛的平台功能和对 IXP 模型的控制，使它们能够在整个企业中快速扩展：

企业就绪

UiPath IXP 专为快速实现价值和无缝用户体验而构建。这消除了所有类型文档处理的痛苦并缩短了部署时间。

首先是其推理优先的训练过程。无需培训即可立即从复杂的非结构化文档中准确提取有用数据。相反，用户只需向模型提供说明（很像提示），解释要提取的内容以及它在文档中的显示方式。然而，如果用户想要进一步细化模型或为其提供一些基本事实进行评估，UiPath IXP 仍然允许用户进行注释。

UiPath IXP 还提供对这些生成模型的架构的强大控制。用户可以创建自己的“字段组”，指定他们想要提取的确切信息。 UiPath 简化了后处理中的大部分工作，输出是获取结构化数据、在自动化中使用它并与 AI 代理共享以创造价值所需的精确格式。

受控且合规

UiPath 第一方模型受到最强大的企业控制的管理。 UiPath 平台为我们的第一方 IXP 模型提供强大的基于规则的访问控制 (RBAC)、模型版本控制和广泛的性能护栏。我们的平台体验中还内置了“人参与”功能，确保生成的输出得到正确验证。  

此外，UiPath 通过 UiPath AI 信任层管理所有第三方模型，为 GenAI 提供治理、信任和安全性。这意味着零数据保留和使用您的业务数据进行外部模型训练。

灵活、开放的模型策略

人工智能模型正在快速发展，现在最好的模型可能不是六个月后最适合您的用例的模型。我们不断投资，为核心业务流程创建最好的专业法学硕士，并不断改进它们。我们针对复杂和非结构化文档处理的最新模型的发布证明了这一点。

但我们的人工智能战略仍然开放。我们提供集成您喜欢的第三方或专有法学硕士所需的工具，并在 UiPath AI 信任层下管理它们。借助 UiPath，您可以针对用例中的每项任务灵活地使用同类最佳模型的组合。

优化以提高准确性和可靠性

我们的 IXP 功能针对高级数据提取进行了优化，采用 RAG 和精心策划的系统提示等技术。上下文接地意味着 IXP 模型更安全、性能更高且更准确。我们的验证站界面显示了在文档中找到提取信息的证据，这意味着可以使用证据轻松验证生成的输出。

基于项目的经验

我们的创新以主要企业中真实的、实地的 IDP 部署为指导。我们的用户只需定义他们的文档类型，就可以利用多种模型。他们还可以评估性能、监控和管理模型版本，这些都是部署 AI、维护并在整个企业中扩展 AI 的关键功能。

排名前 20 的互助保险公司 Encova Insurance 是体验 UiPath IDP 功能优势的客户之一。为了实现索赔发票的自动化，Encova 最初开发了自己的 IDP 解决方案，该解决方案围绕传统光学字符识别 (OCR) 和用于语言理解的第三方 AI 模型构建。然而，一旦他们采用了 UiPath Platform for IDP，他们就注意到准确性立即得到了提高：

在文档理解方面，使用传统的光学字符识别，我们可以顺利完成 40% 的任务，而 30% 则只能部分完成。通过这个新的[UiPath]流程，成功率为99%。

Jeffrey Martin，Encova 解决方案架构师

UiPath IDP 功能可快速实现价值，并大大提高了 Encova 财务、销售、承保、运营和客户支持部门的效率。例如，在其保单接收计划中，手动数据输入时间减少了 98%。商业线路认可的年度处理时间也同样减少了 95%。

UiPath 也是 IDC MarketScape：2024 年全球非结构化智能文档处理软件供应商评估中公认的领导者。据报道：

“UiPath 将 GenAI 和 LLM 视为关键的技术工具，并且越来越多地将它们集成到其 IDP、通信挖掘和自动化产品组合的所有阶段......此外，UiPath 继续优先考虑和部署企业级安全、隐私、访问、上下文接地和控制功能，以确保可以安全可靠地利用 GenAI 模型和服务来支持关键任务用例。”

该报告还评论道：“UiPath 的多模式人工智能重点为其提供了战略优势，可以不断推动新的方法和方法，以最大限度地发挥传统（即预测性人工智能）和 GenAI 对非结构化 IDP 的价值。”

了解 UiPath 平台的 IDP 功能如何快速实现价值并帮助在整个企业中扩展最先进的 AI。