Google DeepMind baru-baru ini merilis rangkaian model AI Gemini 2.0 yang tersedia untuk umum, menyediakan berbagai alat seperti Gemini 2.0 Flash dan Gemini 2.0 Pro (Eksperimental). Model-model ini dapat memproses lebih dari satu juta token input, yang memudahkan berbagai tugas mulai dari pembuatan gambar hingga peningkatan keterampilan menulis. Model-model ini telah meningkatkan proses konversi dokumen menjadi data terstruktur secara signifikan, menyederhanakan tugas yang dulunya sulit dalam menganalisis PDF untuk sistem Retrieval-Augmented Generation (RAG) dan mengekstrak wawasan berharga darinya.

Perusahaan menerapkan metodologi multi-langkah yang didukung oleh AI generatif untuk meningkatkan proses ekstraksi dokumennya. Teknik ini dimulai dengan memecah tugas ekstraksi menjadi perintah-perintah tertarget yang lebih kecil yang berfokus pada bagian-bagian tertentu dari dokumen, meningkatkan akurasi dan mengurangi beban kerja pada Model Pembelajaran Bahasa (LLM). Selain itu, pendekatan ini juga mencakup pengelolaan aturan pasca-pemrosesan di luar LLM, seperti dalam Google Spreadsheet atau tabel BigQuery, menyederhanakan operasi buat, baca, perbarui, dan hapus (CRUD) untuk mengelola dan memperbarui aturan-aturan ini dengan lebih baik.

Dalam praktiknya, langkah pertama adalah menggunakan Gemini untuk mengekstrak data dari dokumen seperti Laporan Lingkungan Google tahun 2023 menggunakan perintah khusus. Data yang diekstrak kemudian diproses oleh aplikasi lain di Gemini, Rules Engine, yang memvalidasi data terhadap serangkaian aturan yang telah ditetapkan sebelumnya. Sistem hibrida ini memanfaatkan kemampuan LLM untuk menafsirkan dan mengekstrak informasi dari data yang tidak terstruktur, sementara Rules Engine menerapkan struktur yang jelas dan mudah dikelola untuk logika bisnis dan pengambilan keputusan.

Langkah terakhir adalah mengintegrasikan wawasan dari mesin aturan ke dalam alur kerja dan jalur data yang ada untuk membuka potensi penuh dari proses multi-langkah. Alat Google Cloud digunakan untuk mengotomatiskan tindakan selanjutnya, seperti membuat tugas dalam sistem manajemen proyek, pemeriksaan kualitas data dalam tabel BigQuery, dan mengintegrasikan dengan Vertex AI untuk pelacakan model. Selain itu, sistem dapat menggabungkan dasbor untuk peringatan dan menetapkan pemicu untuk peninjauan manusia, memastikan alur kerja ekstraksi dan analisis dokumen yang komprehensif dan efisien.