- 基本情報
- 管理
- ソースとデータセットを管理する
- モデルのトレーニングと保守
- 生成 AI による抽出
- 分析と監視を使用する
- オートメーションと Communications Mining
- ライセンス情報
- よくある質問など
概要
生成 AI による抽出 (GenEx) は、UiPath® Communications Mining の革新的な新機能であり、生成 AI を活用して、複数の要求とそれらの処理に必要なデータ ポイントとの間の複雑な関係を把握します。
メールには複数の要求が含まれる場合があり、自動化するためには要求ごとに複数のフィールドを抽出する必要があります。エンドツーエンドで自動化するには、フィールド自体を正しく抽出するだけでなく、これらの各要素が相互にどのように関連しているかを理解する必要があります。生成 AI による抽出は、コミュニケーション ベースのオートメーションの可能性の範囲を大幅に拡大します。
生成 AI による抽出は、最新の NLP 機能を活用し、企業がビジネス プロセスに複雑なコミュニケーション ベースのオートメーションを実装するために必要なガードレールも提供します。
複数の異なる要求を含む、より複雑なプロセスやコミュニケーションも、オートメーションの主要な候補となるようになりました。
ユース ケースによっては、トレーニングなしで抽出データを生成し、少ないトレーニング データでさらに微調整することができます。
次の手順では、抽出データを検証するエンドツーエンドのプロセスについて説明します。各手順については、以降のセクションで詳しく説明します。
- 抽出スキーマを定義します。
- 自動化しようとしているプロセス (ラベル) と、オートメーションを有効化するためにキャプチャする必要があるデータ ポイント (フィールド) を特定します。
- 対応する抽出スキーマを作成します。
- 抽出データを生成します。抽出データを生成すると、データの検索および関連付けのプロセスを大幅に高速化できます。一部のユース ケースでは、抽出データを生成するためのトレーニング例がプラットフォームで不要です。
- プラットフォームの生成 AI 機能を使用して、最初の抽出データを作成します。
- 抽出データを検証して修正します。
- プラットフォームの抽出データを確認し、正確であれば受け入れ、正確でなければ修正します。
- プラットフォームは柔軟かつ簡単に使用できるので、トレーニング プロセスでいつでも新しい抽出スキーマを追加できます。
- 抽出データの検証結果を確認します。
- 抽出のパフォーマンスを ([検証] を使用して) 確認します。
- 抽出がユース ケースに適したパフォーマンス レベルかどうかを判断します。
次の図は、生成 AI による抽出の仕組みを大まかに示しています。ラベルや抽出と、エンドツーエンドでのプロセスのオートメーションに必要な対応するフィールドとの間の関係を確認できます。
- 以前に Communications Mining でエンティティを使用したことがある場合、2024 年 4 月の時点で、既存のエンティティはすべて自動的に一般フィールドに移行します。
- エンティティの既存の設定はすべて、対応する一般フィールドの各設定に移行されます。
- 抽出フィールドに切り替えたい一般フィールドがある場合は、それらのフィールドを抽出フィールドとして再作成し、適切な量のトレーニング例を適用する必要があります (該当する場合)。
- フィールドの種類の名前と設定は、以前に設定されていた古いエンティティと同じです。これらは、api-name を使用してマップされます。