Divisor personalizado

El divisor personalizado se diseñó para dividir documentos compuestos (documentos compuestos por varias clases) en varios documentos de una sola clase con la identificación de cada documento lógico. Por ejemplo, un paquete hipotecario contiene varias clases dentro de él, como la aplicación, la verificación de ingresos y el ID con foto. Los procesadores de divisores personalizados se pueden usar de inmediato o entrenar desde cero con tus propios documentos y clases personalizadas.

Descripción y uso del divisor

Puedes crear divisores personalizados que se adapten específicamente a tus documentos y que se entrenen y evalúen con tus datos, o bien implementar modelos entrenados previamente con IA generativa. Estos procesadores identifican clases de documentos a partir de un conjunto de clases definido por el usuario. Luego, puedes usar estos procesadores en tus documentos. Por lo general, usarías un divisor personalizado en archivos compuestos por diferentes tipos de documentos lógicos y, luego, usarías la identificación de clase de cada uno para pasar los documentos a un procesador de extracción adecuado para extraer las entidades.

Debido a que los modelos del AA no son perfectos y tienen una cierta tasa de error, y a que los errores en la división suelen ser muy problemáticos (una división incorrecta hace mal dos documentos y causa errores de extracción), se recomienda tener siempre un paso de revisión manual después de la predicción de división, pero antes de la división del archivo real. Según los requisitos empresariales, existen alternativas a la revisión manual en todo momento:

• Usa las puntuaciones de confianza en la predicción para decidir si omites la revisión manual (si es lo suficientemente alta). Ese umbral de puntuación de confianza debe determinarse en función de los datos históricos sobre las tasas de error en determinadas puntuaciones de confianza. Esta debería ser una decisión empresarial basada en la tolerancia del proceso empresarial para errores y el requisito de evitar la revisión manual.
• En algunos casos de uso, los documentos divididos se pueden enrutar directamente al extractor apropiado según la clase predicha. Luego, si la extracción está incompleta o tiene puntuaciones de confianza bajas, aísla los documentos divididos y activa el documento compuesto original y la decisión de división para que se revisen. Esto tiene requisitos de flujo de trabajo bastante complejos.

Versiones del modelo de divisor personalizado

Los siguientes modelos están disponibles para el divisor personalizado. Para cambiar las versiones del modelo, consulta Administra versiones de procesadores.

La versión 1.5 admite puntuaciones de confianza.

Para realizar una solicitud de aumento de cuota (QIR) para la cuota predeterminada de procesadores, sigue los pasos para solicitar un ajuste de cuota.

Elige una versión de separador personalizada

Cuando uses un divisor personalizado, entrena con tus propios datos o usa una versión entrenada previamente con IA generativa, como pretrained-splitter-v1.5-2025-07-14.

El proceso de entrenamiento puede tardar varias horas, pero te permite ajustar el modelo a las características específicas de tus datos. Las versiones entrenadas previamente se basan en los modelos de Gemini. Se pueden llevar a producción en menos tiempo o usar para iterar y probar rápidamente el esquema de etiquetado. No requieren un conjunto de datos de entrenamiento.

La siguiente guía se aplica a ambas versiones y, cuando los pasos varíen, se indicarán los diferentes pasos para cada una.

Crea un divisor personalizado en la consola de Google Cloud

En esta guía de inicio rápido, se describe cómo usar Document AI para crear y entrenar un divisor personalizado que divide y clasifique los documentos de adquisición. La mayor parte de la preparación del documento está lista, de modo que puedas enfocarte en crear un divisor personalizado.

El siguiente es un flujo de trabajo típico para crear y usar una versión base entrenada de un divisor personalizado:

1. Crear un divisor personalizado en Document AI.
2. Crear un conjunto de datos con un bucket de Cloud Storage vacío.
3. Definir y crear el esquema del procesador (clases).
4. Importar documentos.
5. Asignar documentos a los conjuntos de entrenamiento y pruebas.
6. Anotar los documentos de forma manual en Document AI Workbench o con tareas de etiquetado.
7. Entrenar el procesador.
8. Evaluar el procesador.
9. Implementar el procesador.
10. Probar el procesador.
11. Usar el procesador en tus documentos.

El siguiente es un flujo de trabajo típico para crear y usar una versión previamente entrenada de un divisor personalizado:

1. Crear un divisor personalizado en Document AI.
2. Crear un conjunto de datos con un bucket de Cloud Storage vacío.
3. Selecciona una versión del modelo entrenado previamente
4. Definir y crear el esquema del procesador (clases).
5. (Opcional) Importa documentos.
6. (Opcional si deseas evaluar su rendimiento) Asigna documentos a los conjuntos de pruebas.
7. (Opcional) Evalúa el procesador.
8. Probar el procesador.
9. Implementar el procesador.
10. Usar el procesador en tus documentos.

Para seguir la guía paso a paso sobre esta tarea directamente en la consola Google Cloud , haz clic en Guiarme:

Guiarme