문서 처리 워크플로우에 인간 리뷰를 추가하는 방법 배우기

Find AI Tools

No difficulty

No complicated process

Find ai tools

Home AI News KR 문서 처리 워크플로우에 인간 리뷰를 추가하는 방법 배우기

문서 처리 워크플로우에 인간 리뷰를 추가하는 방법 배우기

[🔍라는 타이틀의 표 제목]

[📑테이블 목차]

서문
정의 및 개요
아마존 A2I 소개
문서 처리 워크플로우의 도전과제
아마존 A2I의 이점
아마존 A2I와 아마존 텍스트트랙의 동작과정
아마존 A2I 설정 단계
아마존 A2I와 아마존 텍스트트랙을 활용한 적용 사례 및 자원
결론
자주 묻는 질문

🔍서문

현재 비즈니스 환경에서 문서 처리는 중요한 작업입니다. 그러나 문서 처리 워크플로우에는 많은 도전 과제가 존재합니다. 수동 작업은 시간이 오래 걸리고 오류가 발생하기 쉽으며 비용도 많이 소요됩니다. 규칙 기반 시스템이나 OCR(Optical Character Recognition)을 사용하는 방법은 지능적이지 않기 때문에 형식이 변경되면 작동하지 않을 수 있습니다. 그리고 기계 학습을 통해 문서에서 데이터를 추출하는 방법은 인프라 구축과 기계 학습 기술이 많이 필요합니다. 또한 높은 정확도의 결과를 얻기 위해 기계 학습 모델과의 인간 리뷰 워크플로우 또한 필요합니다.

🔍정의 및 개요

아마존 A2I(Amazon Augmented AI)는 문서 처리 워크플로우에 쉽게 인간 리뷰 워크플로우를 구현할 수 있는 AI 서비스입니다. 아마존 A2I를 사용하면 기계 학습 모델과의 인간 리뷰 루프를 간편하게 설정할 수 있습니다. 이는 추출 작업의 정확도를 향상시킬 뿐만 아니라 효율성과 시간 단축을 가져옵니다. 아마존 A2I는 아마존 추출(Amazon Textract)과 통합되어 작동하며, 문서에서 텍스트, 키-값 쌍, 테이블 데이터를 추출합니다.

🔍아마존 A2I 소개

아마존 A2I는 기존 문서 처리 워크플로우에 인간 리뷰 워크플로우를 추가할 수 있는 API입니다. 이를 통해 추출 작업의 정확도를 향상시키고, 문서 처리 작업을 자동화할 수 있습니다. 아마존 A2I는 아마존 추출(Amazon Textract)와 통합되어 사용될 수 있으며, 다른 아마존 AI 서비스와도 통합할 수 있습니다. 아마존 A2I를 이용하면 기계 학습 모델이 예측한 결과의 신뢰도에 따라 인간 리뷰를 트리거할 수 있습니다.

🔍문서 처리 워크플로우의 도전과제

수동 추출 작업

일반적으로 문서 처리 작업은 수동으로 수행됩니다. 이는 시간이 많이 소요되고 인간 오류가 발생할 수 있는 문제점을 내포하고 있습니다. 또한 복잡한 문서 구조에서 원하는 데이터를 추출하는 작업은 번거로울 수 있습니다.

규칙 기반 시스템 또는 OCR을 사용한 추출

규칙 기반 시스템은 문서 구조에 맞게 데이터를 추출하는 방법 중 하나입니다. 하지만 이 방법은 형식 변경 시 재작업이 필요하며, 유연성이 부족합니다. 또한 OCR을 사용한 추출은 텍스트 인식에 제한이 있어 정확도가 떨어질 수 있습니다.

기계 학습을 사용한 추출

기계 학습을 사용하여 문서에서 데이터를 추출하는 방법은 정확도를 높일 수 있는 장점이 있습니다. 그러나 기계 학습 모델을 구축하고 인프라를 설정하는 등의 복잡한 작업이 필요합니다. 또한 기계 학습 모델만으로는 모든 경우에 대해 100% 정확도를 보장할 수 없기 때문에 인간 리뷰가 필요합니다.

🔍아마존 A2I의 이점

인간 리뷰 워크플로우 구현의 용이성

아마존 A2I는 70여 개의 사전 구성된 템플릿을 제공하여 인간 리뷰 워크플로우를 쉽게 구현할 수 있습니다. 이를 통해 빠르게 작업을 시작할 수 있으며, 많은 리뷰어를 관리할 수 있습니다.

시장 진입 시간 단축

아마존 A2I는 인간 리뷰를 통해 저신뢰 예측을 검토하는 과정을 포착하여 시장 진입 시간을 단축시킵니다. 또한 아마존 메카니컬 터크(Amazon Mechanical Turk) 또는 고객의 직원, AWS 마켓플레이스를 통해 다른 벤더의 작업자를 활용할 수 있습니다.

다양한 작업자 유형 제공

아마존 A2I는 다양한 작업자 유형을 제공합니다. 아마존 메카니컬 터크, 고객의 직원, 또는 고객의 데이터에 민감한 경우, 개인 워크포스를 생성하여 작업자를 등록할 수 있습니다.

사용자 지정 기계 학습 모델 통합

아마존 A2I는 아마존 Textract 뿐만 아니라 아마존 Comprehend, Amazon Recognition, SageMaker와 같은 사용자 지정 기계 학습 모델과도 통합 가능합니다. 이를 통해 기계 학습 모델의 인간 리뷰 루프를 설정할 수 있습니다.

🔍아마존 A2I와 아마존 텍스트트랙의 동작과정

아마존 A2I는 아마존 텍스트트랙스를 사용하여 작동합니다. 스캔된 문서나 이미지를 아마존 추출에 보내면 아마존 추출은 텍스트, 키-값 쌍, 테이블 데이터를 추출합니다. 추출된 데이터에는 신뢰도 점수가 포함되어 있습니다. 그런 후 아마존 A2I를 사용하여 인간 리뷰 루프를 트리거할 기준을 정할 수 있습니다. 예를 들어, 신뢰도가 90% 이상인 경우는 자동으로 클라이언트 응용 프로그램으로 전송되고, 90% 미만인 경우는 인간 검토를 위해 리뷰 팀에 전달됩니다. 리뷰 팀은 웹 콘솔을 통해 리뷰를 수행하며, 결과는 자동으로 Amazon S3 버킷에 저장됩니다. 클라이언트 응용 프로그램에서 결과를 직접 사용할 수 있습니다.

🔍아마존 A2I 설정 단계

개인 워크포스 생성

먼저 개인 워크포스를 생성해야 합니다. 이를 위해 워크포스 라벨링 콘솔에 가서 '개인'을 선택한 후, 워크포스를 생성합니다. 워크포스 생성 후에는 이메일 주소를 사용하여 워크포스에 작업자를 초대할 수 있습니다.

인간 리뷰 워크플로우 설정

다음으로 인간 리뷰 워크플로우를 설정해야 합니다. A2I 콘솔에서 '인간 리뷰 워크플로우 생성'을 선택한 후, 설정을 구성합니다. 입력 문서 및 결과를 저장할 Amazon S3 버킷과 Amazon S3 버킷에 액세스할 IAM 역할을 지정해야 합니다. 또한 라벨링 작업 유형, 라벨링 템플릿 및 개인 워크포스를 선택해야 합니다.

데이터 업로드

업로드할 데이터를 Amazon S3 버킷에 업로드합니다. 이때 교차 출처 리소스 공유(CORS) 구성을 허용해야 합니다. 이러한 구성은 업로드한 데이터에 직접 액세스할 수 있는 권한을 설정합니다.

아마존 텍스트트랙과 아마존 A2I 사용하여 인간 리뷰 실행

Python API 또는 CLI(Command Line Interface) 명령을 사용하여 아마존 텍스트트랙과 아마존 A2I를 사용하여 인간 리뷰를 실행할 수 있습니다. 이를 통해 워크플로우를 트리거하고 인간 리뷰를 수행할 수 있습니다.

A2I 콘솔에서 검토 및 확인

A2I 콘솔에서 추가한 태스크를 확인하고, 웹 콘솔을 통해 검토 및 확인 작업을 수행할 수 있습니다. 이를 통해 인간 리뷰어는 추출된 데이터에 대한 리뷰를 진행하고 수정할 수 있습니다.

🔍아마존 A2I와 아마존 텍스트트랙을 활용한 적용 사례 및 자원

아마존 A2I와 아마존 텍스트트랙을 활용한 적용 사례는 다양합니다. 예를 들어, PDF 파일 처리, 손글씨 테이블 인식 등 다양한 문서 처리 작업에 사용될 수 있습니다. 아래 자료들은 아마존 A2I와 아마존 텍스트트랙을 활용한 작업에 도움이 되는 자료들입니다.

🔍결론

아마존 A2I는 문서 처리 워크플로우에 인간 리뷰 워크플로우를 구현하기 위한 강력한 도구입니다. 기존의 수동 작업, 규칙 기반 시스템, 기계 학습을 통한 추출 작업에 비해 효율적이고 정확한 결과를 얻을 수 있습니다. 아마존 A2I를 통해 문서 처리 작업을 보다 효율적으로 처리할 수 있으며, 시간과 비용을 절감할 수 있습니다.