
*) Foto por Christian Wiediger en Unsplash
¿Por qué estoy usando una imagen de los circuitos electrónicos cuando hablo de algo tan “nuevo” y “moderno” como la IA?
¡Pues precisamente por eso!
La IA es tan inteligente como la construimos. Una Inteligencia «Artificial» es (todavía), en su esencia, construida por humanos y funciona con algunos «circuitos» electrónicos. Algunos incluso argumentarían: no existe tal cosa como una «inteligencia artificial», solo existe «inteligencia» o «no hay inteligencia»… Pero este artículo no es el debate sobre qué es la IA; este no es el tema que quiero cubrir. . De hecho, considero que la IA es muy útil para muchas aplicaciones y, en este artículo, estoy explorando un posible caso de uso de la IA: usar la IA para respaldar la adquisición de datos ESG y, por lo tanto, la precisión de los informes ESG generales.
En el artículo anterior Uso de Ariba para obtener entradas de proveedores para el cálculo de las emisiones de gases de efecto invernadero | Blogs de SAP He elaborado algunos conceptos para obtener entradas de datos de proveedores relevantes para los informes de ESG.
Si nuestros Proveedores proporcionan datos de entrada en los formatos de intercambio electrónico, que podemos integrar con nuestros sistemas, entonces no tenemos problemas. Pero en general, esto todavía no es tan común. Las entradas de proveedores relevantes de ESG (por ejemplo, certificados), ya sea que estemos conectados a través de Business Network o no, muy a menudo vendrían como documentos electrónicos no estructurados (o incluso no electrónicos). Suponiendo que la mayoría del proveedor pueda proporcionar entradas como un documento electrónico (p. ej., PDF), y teniendo en cuenta que incluso los documentos no electrónicos (p. ej., en papel) se pueden escanear, me centraré solo en los documentos de entrada electrónicos no estructurados.
¿De qué tipo de insumos de proveedores estamos hablando?
Podrían ser varias entradas relevantes de ESG, ya sea para informes de GEI o EPR, o varios marcos de ESG, como GRI o similar:
¿Por qué la IA generativa (ChatGPT) es mejor que el contenido de reconocimiento de ML estándar?
Es necesario entrenar el aprendizaje automático estándar para el reconocimiento de contenido. Si el Proveedor está cambiando el diseño/formato del documento, o si estamos trayendo diferentes proveedores con diferentes formatos de documento, cada vez que el modelo ML tendrá que volver a entrenarse.
Se ha demostrado que el modelo de lenguaje grande (LLM) es muy bueno para proporcionar respuestas con muy poco o ningún aprendizaje (básicamente, aprendizaje no supervisado). ChatGPT, por otro lado, se basa en el Transformador preentrenado generativo (GPT) versión 3.5 (en el momento en que se escribió este artículo). Es «más» que LLM. La optimización se logra mediante el aprendizaje reforzado con retroalimentación humana (RLHF), y esta «retroalimentación humana» significa que se ha entrenado previamente con grandes cantidades de datos escritos por humanos. Esto es lo que lo hace tan convincente para los humanos durante la interacción, ya que suena bastante parecido a un humano.
Para el problema particular de reconocer el contenido de las entradas de los proveedores, la capacidad de crear una interacción similar a la humana es irrelevante. Sin embargo, lo relevante es la capacidad de reconocer el contenido sin necesidad de ser entrenado en los formularios de entrada de datos de los Proveedores.
Estoy presentando un concepto de solución: una idea del uso potencial del modelo ChatGPT (o una IA similar) para respaldar la recopilación de información de los proveedores con el fin de generar informes ESG. Esto no implica que ChatGPT sea un producto «listo» para este propósito y que se pueda usar de inmediato. ChatGPT está diseñado principalmente para «chatear», pero el modelo subyacente también es prometedor para otros usos.
Los pasos del proceso:
Nota:
La creación de respuestas similares a las de los humanos por parte de ChatGPT, de hecho, ni siquiera sería beneficiosa para este caso de uso. Solo estamos buscando la capacidad de reconocer el «texto» y extraer la respuesta del texto, donde fue escrito.
Para probar este concepto de solución, he utilizado un documento PDF «ficticio enriquecido»: ejemplo de certificado de proveedor que indica, entre otros, la cantidad de energía renovable entregada en el período de tiempo específico.
Después de OCR del PDF, comencé un nuevo chat «cargando» el texto. La imagen de abajo muestra solo una parte del texto de 2 páginas.
Luego, hice varias preguntas sobre la cantidad de energía renovable y el período en que se entregó.
La respuesta era correcta y estaba resumida en la primera oración.
La respuesta también fue correcta, aunque las fechas están formateadas para la interacción humana.
Si quisiéramos poner en marcha ChatGPT (o algún LLM con capacidad y rendimiento) para este caso de uso, todavía se necesitaría algo de trabajo de configuración:
Proceso de negocio de alto nivel:
*) para obtener más detalles, visite mi artículo anterior Uso de Ariba para obtener entradas de proveedores para el cálculo de las emisiones de gases de efecto invernadero | Blogs de SAP
En todos los ejemplos probados (5 muestras de prueba en total), ChatGPT entendía correctamente las preguntas y extraía las respuestas – aunque las respuestas tienden a ser demasiado parecidas a las humanas (lo que se espera de ChatGPT). Podemos preguntarnos, si no necesitamos esta interacción similar a la humana, ¿por qué no usamos cualquier otro LLM? La cuestión es que ChatGPT demuestra una calidad superior en la comprensión del contexto de las preguntas, por lo que extrae fácilmente las respuestas correctas del documento de texto grande. Otros modelos basados en LLM, por supuesto, también podrían proporcionar una capacidad similar; sin embargo, esta pequeña muestra está limitada a un solo modelo de IA que se probó, y para esta muestra he seleccionado el modelo de IA «más» mencionado en estos días: ChatGPT…
En general, esta prueba demuestra La IA generativa puede ser útil para mejorar (¿o simplificación general?) documento Reconocimiento de contenido empresarial. Esto es inesperado: esperamos que la IA sea «inteligente». Sin embargo, el principal beneficio de usar IA «inteligente» como ChatGPT provendría de los siguientes hechos:
Otra característica interesante que vale la pena mencionar: he cargado algunos «certificados» en diferentes idiomas (por ejemplo, alemán) y ChatGPT los estaba procesando sin ningún problema.
Ahora, la pregunta es: ¿queremos usar ChatGPT para este caso de uso, o preferimos «construir» modelos de IA más específicos (por ejemplo, LLM o algo así)?
Te invito a que sigas siguiendo blogs y recursos comunitariospublicar y responder preguntasy leer otras publicaciones sobre el tema de la sustentabilidad.
Y por supuesto, comparte tu opinión y comentarios sobre mi artículo, en la sección de comentarios.
Este artículo utiliza Diagramas e iconos de la solución SAP Business Technology Platform segúnTérminos de uso de SAP que rigen el uso de estos Materiales de SAP (tenga en cuenta que, después de la publicación de este artículo, es posible que exista una versión más reciente de los Diagramas e íconos de la solución, así como los Términos de uso).
Se pueden encontrar más pautas sobre diagramas e íconos de soluciones en este artículo por Bertram Ganz.
Calle Eloy Gonzalo, 27
Madrid, Madrid.
Código Postal 28010
Paseo de la Reforma 26
Colonia Juárez, Cuauhtémoc
Ciudad de México 06600
Real Cariari
Autopista General Cañas,
San José, SJ 40104
Av. Jorge Basadre 349
San Isidro
Lima, LIM 15073