انشورنس انڈسٹری میں AWS AI خدمات کے ساتھ ذہین دستاویز پراسیسنگ: حصہ 1

ذہین دستاویز پراسیسنگ (IDP) کا مقصد آپ کی تنظیم کو آپ کے کاغذی کارروائی کے لیے AI کا اطلاق کرکے تیز تر اور زیادہ درست فیصلے کرنے میں مدد کرنا ہے۔ یہ دو حصوں کی سیریز AWS AI ٹیکنالوجیز کو نمایاں کرتی ہے جنہیں انشورنس کمپنیاں اپنے کاروباری عمل کو تیز کرنے کے لیے استعمال کر سکتی ہیں۔ یہ AI ٹیکنالوجیز انشورنس کے استعمال کے معاملات میں استعمال کی جا سکتی ہیں جیسے کہ دعوے، انڈر رائٹنگ، گاہک کی خط و کتابت، معاہدوں، یا تنازعات کے حل کے لیے۔ یہ سلسلہ انشورنس انڈسٹری میں کلیمز پروسیسنگ کے استعمال کے کیس پر مرکوز ہے۔ AWS IDP حل کے بنیادی تصورات کے بارے میں مزید معلومات کے لیے، درج ذیل کو دیکھیں دو حصہ سیریز.

کلیمز پروسیسنگ ایک ورک فلو میں ایک سے زیادہ چیک پوائنٹس پر مشتمل ہوتی ہے جس کا جائزہ لینے، صداقت کی تصدیق کرنے، اور دعوے کا فیصلہ کرنے کے لیے صحیح مالی ذمہ داری کا تعین کرنے کی ضرورت ہوتی ہے۔ انشورنس کمپنیاں دعووں کے فیصلے سے پہلے دعووں کے لیے ان چوکیوں سے گزرتی ہیں۔ اگر دعویٰ کامیابی کے ساتھ ان تمام چیک پوائنٹس سے بغیر مسائل کے گزر جاتا ہے، تو انشورنس کمپنی اسے منظور کرتی ہے اور کسی بھی ادائیگی پر کارروائی کرتی ہے۔ تاہم، انہیں دعویٰ کا فیصلہ کرنے کے لیے اضافی معاون معلومات درکار ہو سکتی ہیں۔ اس دعوے کی پروسیسنگ کا عمل اکثر دستی ہوتا ہے، جو اسے مہنگا، غلطی کا شکار، اور وقت طلب بناتا ہے۔ انشورنس کے صارفین دعووں کی پروسیسنگ کے لیے دستاویز کی پروسیسنگ پائپ لائن کو خودکار کرنے کے لیے AWS AI خدمات کا استعمال کرتے ہوئے اس عمل کو خودکار کر سکتے ہیں۔

اس دو حصوں کی سیریز میں، ہم آپ کو بتاتے ہیں کہ آپ انشورنس کلیمز پراسیسنگ کے استعمال کے کیس کے لیے AWS AI سروسز کا استعمال کرتے ہوئے دستاویزات کو کس طرح خودکار اور ذہانت سے پروسیس کر سکتے ہیں۔

حل جائزہ

درج ذیل خاکہ ہر اس مرحلے کی نمائندگی کرتا ہے جسے ہم عام طور پر IDP پائپ لائن میں دیکھتے ہیں۔ ہم ان مراحل میں سے ہر ایک سے گزرتے ہیں اور یہ کہ وہ دعوے کی درخواست کے عمل میں شامل مراحل سے کیسے جڑتے ہیں، درخواست جمع کروانے سے لے کر درخواست کی چھان بین اور بند کرنے تک۔ اس پوسٹ میں، ہم ڈیٹا کیپچر، درجہ بندی، اور نکالنے کے مراحل کی تکنیکی تفصیلات کا احاطہ کرتے ہیں۔ میں حصہ 2، ہم دستاویز نکالنے کے مرحلے کو بڑھاتے ہیں اور دستاویز کی افزودگی، جائزہ اور تصدیق کو جاری رکھتے ہیں، اور دعووں کے دھوکہ دہی کے استعمال کے کیس کے لیے تجزیات اور تصورات فراہم کرنے کے حل کو بڑھاتے ہیں۔

درج ذیل آرکیٹیکچر کا خاکہ ایک دعوے کی کارروائی کی درخواست کے مختلف مراحل کے مطابق IDP پائپ لائن کے مراحل کے دوران استعمال ہونے والی مختلف AWS خدمات کو دکھاتا ہے۔

حل مندرجہ ذیل کلیدی خدمات کا استعمال کرتا ہے:

• ایمیزون ٹیکسٹ ایک مشین لرننگ (ML) سروس ہے جو سکین شدہ دستاویزات سے ٹیکسٹ، ہینڈ رائٹنگ اور ڈیٹا کو خود بخود نکالتی ہے۔ یہ فارمز اور ٹیبلز سے ڈیٹا کی شناخت، سمجھنے اور نکالنے کے لیے سادہ آپٹیکل کریکٹر ریکگنیشن (OCR) سے آگے ہے۔ Amazon Textract کسی بھی قسم کی دستاویز کو پڑھنے اور اس پر کارروائی کرنے کے لیے ML کا استعمال کرتا ہے، بغیر کسی دستی کوشش کے متن، ہینڈ رائٹنگ، ٹیبلز اور دیگر ڈیٹا کو درست طریقے سے نکالتا ہے۔
• ایمیزون کی تعریف ایک قدرتی لینگویج پروسیسنگ (NLP) سروس ہے جو متن سے بصیرت نکالنے کے لیے ML کا استعمال کرتی ہے۔ Amazon Comprehend ہستیوں کا پتہ لگا سکتا ہے جیسے کہ شخص، مقام، تاریخ، مقدار وغیرہ۔ یہ غالب زبان، ذاتی طور پر قابل شناخت معلومات (PII) کی معلومات کا بھی پتہ لگا سکتا ہے، اور دستاویزات کو ان کی متعلقہ کلاس میں درجہ بندی کر سکتا ہے۔
• Amazon Augmented AI (Amazon A2I) ایک ML سروس ہے جو انسانی جائزے کے لیے درکار ورک فلو کو آسان بناتی ہے۔ Amazon A2I تمام ڈویلپرز کے لیے انسانی جائزہ لے کر آتا ہے، انسانی جائزہ کے نظام کی تعمیر یا انسانی جائزہ لینے والوں کی بڑی تعداد کا انتظام کرنے سے وابستہ غیر متفاوت ہیوی لفٹنگ کو ہٹاتا ہے۔ ایمیزون A2I دونوں کے ساتھ ضم کرتا ہے۔ ایمیزون ٹیکسٹ اور ایمیزون کی تعریف IDP ورک فلو کے اندر انسانی جائزہ یا توثیق متعارف کرانے کی صلاحیت فراہم کرنے کے لیے۔

شرائط

مندرجہ ذیل حصوں میں، ہم فن تعمیر کے پہلے تین مراحل، یعنی ڈیٹا کیپچر، درجہ بندی اور نکالنے کے مراحل سے متعلق مختلف خدمات کے ذریعے چلتے ہیں۔

ہمارے حوالے کریں GitHub ذخیرہ کلیمز پروسیسنگ پیکٹ میں دستاویز کے نمونوں کے ساتھ مکمل کوڈ کے نمونوں کے لیے۔

ڈیٹا کیپچر کا مرحلہ

دعوے اور اس کے معاون دستاویزات مختلف چینلز، جیسے فیکس، ای میل، ایڈمن پورٹل، اور مزید کے ذریعے آ سکتے ہیں۔ آپ ان دستاویزات کو انتہائی قابل توسیع اور پائیدار سٹوریج میں محفوظ کر سکتے ہیں جیسے ایمیزون سادہ اسٹوریج سروس (ایمیزون S3)۔ یہ دستاویزات مختلف قسم کی ہو سکتی ہیں، جیسے PDF، JPEG، PNG، TIFF، اور مزید۔ دستاویزات مختلف فارمیٹس اور لے آؤٹس میں آ سکتے ہیں، اور مختلف چینلز سے ڈیٹا اسٹور پر آ سکتے ہیں۔

درجہ بندی کا مرحلہ

دستاویز کی درجہ بندی کے مرحلے میں، ہم Amazon Comprehend کو Amazon Textract کے ساتھ جوڑ سکتے ہیں تاکہ متن کو دستاویز کے سیاق و سباق میں تبدیل کر کے ان دستاویزات کی درجہ بندی کر سکیں جو ڈیٹا کیپچر مرحلے میں محفوظ ہیں۔ اس کے بعد ہم Amazon Comprehend میں اپنی مرضی کے مطابق درجہ بندی کا استعمال کرتے ہوئے دستاویزات کو کلاسوں میں ترتیب دے سکتے ہیں جن کی وضاحت ہم نے کلیمز پروسیسنگ پیکٹ میں کی ہے۔ اپنی مرضی کے مطابق درجہ بندی دستاویز کی تصدیق کے عمل کو خودکار کرنے اور پیکٹ سے کسی بھی گمشدہ دستاویزات کی شناخت کے لیے بھی مددگار ہے۔ حسب ضرورت درجہ بندی میں دو مراحل ہیں، جیسا کہ آرکیٹیکچر ڈایاگرام میں دکھایا گیا ہے:

1. اپنی مرضی کے مطابق درجہ بندی کرنے والے کے لیے تربیتی ڈیٹا تیار کرنے کے لیے ڈیٹا اسٹوریج میں موجود تمام دستاویزات سے Amazon Textract کا استعمال کرتے ہوئے ٹیکسٹ نکالیں۔
2. ایک Amazon Comprehend کسٹم کلاسیفیکیشن ماڈل کو تربیت دیں (جسے a دستاویز درجہ بندی) متن کے مواد کی بنیاد پر دلچسپی کی کلاسوں کو پہچاننا۔

Amazon Comprehend کسٹم کلاسیفیکیشن ماڈل کی تربیت کے بعد، ہم دستاویزات کی درجہ بندی کرنے کے لیے حقیقی وقت کے اختتامی نقطہ کا استعمال کر سکتے ہیں۔ Amazon Comprehend کلیدی قدر کے جوڑوں کی ایک صف میں ہر کلاس سے منسلک اعتماد سکور کے ساتھ دستاویزات کی تمام کلاسز کو واپس کرتا ہے (Doc_name - Confidence_score)۔ ہم تجویز کرتے ہیں کہ تفصیلی دستاویز کی درجہ بندی کے نمونہ کوڈ کو دیکھیں GitHub کے.

نکالنے کا مرحلہ

نکالنے کے مرحلے میں، ہم Amazon Textract اور Amazon Comprehend کا استعمال کرتے ہوئے دستاویزات سے ڈیٹا نکالتے ہیں۔ اس پوسٹ کے لیے، کلیمز پروسیسنگ پیکٹ میں درج ذیل نمونہ دستاویزات استعمال کریں: ایک سینٹر آف میڈیکیڈ اینڈ میڈیکیئر سروسز (CMS)-1500 کلیم فارم، ڈرائیور کا لائسنس اور انشورنس ID، اور رسید۔

CMS-1500 کلیم فارم سے ڈیٹا نکالیں۔

CMS-1500 فارم معیاری کلیم فارم ہے جو ایک غیر ادارہ فراہم کنندہ یا فراہم کنندہ کے ذریعہ میڈیکیئر کیریئرز کو بل کرنے کے لیے استعمال کیا جاتا ہے۔

CMS-1500 فارم کو درست طریقے سے پروسیس کرنا ضروری ہے، ورنہ یہ دعووں کے عمل کو سست کر سکتا ہے یا کیریئر کے ذریعے ادائیگی میں تاخیر کر سکتا ہے۔ ایمیزون ٹیکسٹ کے ساتھ AnalyzeDocument API، ہم دعوی کے فارم کے اندر مزید بصیرت کو سمجھنے کے لیے دستاویزات سے متن نکالنے کے لیے زیادہ درستگی کے ساتھ نکالنے کے عمل کو تیز کر سکتے ہیں۔ ذیل میں CMS-1500 کلیم فارم کا نمونہ دستاویز ہے۔

اب ہم استعمال کرتے ہیں۔ AnalyzeDocument دو نکالنے کے لیے API FeatureTypes, FORMS اور TABLESدستاویز سے:

from IPython.display import display, JSON
form_resp = textract.analyze_document(Document={'S3Object':{"Bucket": data_bucket, "Name": cms_key}}, FeatureTypes=['FORMS', 'TABLES'])

# print tables
print(get_string(textract_json=form_resp, output_type=[Textract_Pretty_Print.TABLES], table_format=Pretty_Print_Table_Format.fancy_grid))

# using our constructed helper function - values returned as a dictionary

display(JSON(getformkeyvalue(form_resp), root="Claim Form"))

بہتر پڑھنے کی اہلیت کے لیے درج ذیل نتائج کو مختصر کر دیا گیا ہے۔ مزید تفصیلی معلومات کے لیے، ہمارا دیکھیں گٹ ہب ریپو۔

۔ FORMS نکالنے کی شناخت کلیدی قدر کے جوڑوں کے طور پر کی جاتی ہے۔

۔ TABLES نکالنے میں سیلز، ضم شدہ سیلز، اور کالم ہیڈر کلیم فارم میں پائے جانے والے ٹیبل کے اندر ہوتے ہیں۔

شناختی دستاویزات سے ڈیٹا نکالیں۔

شناختی دستاویزات جیسے انشورنس آئی ڈی کے لیے، جس کی ترتیب مختلف ہو سکتی ہے، ہم Amazon Textract استعمال کر سکتے ہیں۔ AnalyzeDocument API ہم استعمال کرتے ہیں FeatureType FORMS کے لئے ترتیب کے طور پر AnalyzeDocument انشورنس ID سے کلیدی قدر کے جوڑے نکالنے کے لیے API (مندرجہ ذیل نمونہ دیکھیں):

درج ذیل کوڈ کو چلائیں:

ins_form_resp = textract.analyze_document(Document={'S3Object':{"Bucket": data_bucket, "Name": ins_card_key}}, FeatureTypes=['FORMS'])

# using our constructed helper function - values returned as a dictionary

display(JSON(getformkeyvalue(ins_form_resp), root="Insurance card"))

ہمیں نتیجہ کی صف میں کلیدی قدر کے جوڑے ملتے ہیں، جیسا کہ درج ذیل اسکرین شاٹ میں دکھایا گیا ہے۔

ID دستاویزات جیسے US ڈرائیور کا لائسنس یا امریکی پاسپورٹ کے لیے، Amazon Textract کلیدی اصطلاحات کو ٹیمپلیٹس یا فارمیٹس کی ضرورت کے بغیر خود بخود نکالنے کے لیے خصوصی مدد فراہم کرتا ہے، جیسا کہ ہم نے انشورنس ID کی مثال کے لیے پہلے دیکھا تھا۔ کے ساتہ AnalyzeID API، کاروبار تیزی سے اور درست طریقے سے شناختی دستاویزات سے معلومات نکال سکتے ہیں جن میں مختلف ٹیمپلیٹس یا فارمیٹس ہوتے ہیں۔ دی AnalyzeID API ڈیٹا کی اقسام کی دو قسمیں لوٹاتا ہے:

• ID پر کلیدی قدر کے جوڑے دستیاب ہیں جیسے کہ تاریخ پیدائش، تاریخ اجراء، ID نمبر، کلاس، اور پابندیاں
• دستاویز پر مضمر فیلڈز جن کے ساتھ واضح کلیدیں وابستہ نہ ہوں، جیسے نام، پتہ اور جاری کنندہ

ہم اپنے کلیمز پروسیسنگ پیکٹ سے درج ذیل نمونہ امریکی ڈرائیور کا لائسنس استعمال کرتے ہیں۔

درج ذیل کوڈ کو چلائیں:

ID_resp = textract.analyze_id(DocumentPages=[{'S3Object':{"Bucket": data_bucket, "Name": key}}])

# once again using the textract response parser
from trp.trp2_analyzeid import TAnalyzeIdDocument, TAnalyzeIdDocumentSchema

t_doc = TAnalyzeIdDocumentSchema().load(ID_resp)

list_of_results = t_doc.get_values_as_list()
print(tabulate([x[1:3] for x in list_of_results]))

مندرجہ ذیل اسکرین شاٹ ہمارا نتیجہ دکھاتا ہے۔

نتائج کے اسکرین شاٹ سے، آپ دیکھ سکتے ہیں کہ کچھ ایسی چابیاں پیش کی گئی ہیں جو خود ڈرائیور کے لائسنس میں نہیں تھیں۔ مثال کے طور پر، Veteran لائسنس میں موجود کلید نہیں ہے؛ تاہم، یہ ایک پہلے سے آباد کلیدی قدر ہے۔ AnalyzeID ریاستوں کے درمیان لائسنسوں میں پائے جانے والے اختلافات کی وجہ سے حمایت کرتا ہے۔

رسیدوں اور رسیدوں سے ڈیٹا نکالیں۔

کی طرح AnalyzeID API، AnalyzeExpense API انوائسز اور رسیدوں کے لیے خصوصی معاونت فراہم کرتا ہے تاکہ متعلقہ معلومات جیسے کہ وینڈر کا نام، ذیلی کل اور کل رقوم، اور مزید انوائس دستاویزات کے کسی بھی فارمیٹ سے نکال سکیں۔ آپ کو نکالنے کے لیے کسی ٹیمپلیٹ یا کنفیگریشن کی ضرورت نہیں ہے۔ Amazon Textract مبہم رسیدوں کے ساتھ ساتھ رسیدوں کے سیاق و سباق کو سمجھنے کے لیے ML کا استعمال کرتا ہے۔

درج ذیل ایک نمونہ میڈیکل انشورنس انوائس ہے۔

ہم استعمال کرتے ہیں AnalyzeExpense معیاری فیلڈز کی فہرست دیکھنے کے لیے API۔ جن فیلڈز کو معیاری فیلڈز کے طور پر تسلیم نہیں کیا گیا ہے ان کی درجہ بندی کی گئی ہے۔ OTHER:

expense_resp = textract.analyze_expense(Document={'S3Object':{"Bucket": data_bucket, "Name": invc_key}})

# print invoice summary

print(get_expensesummary_string(textract_json=expense_resp, table_format=Pretty_Print_Table_Format.fancy_grid))

# print invoice line items

print(get_expenselineitemgroups_string(textract_json=expense_resp, table_format=Pretty_Print_Table_Format.fancy_grid))

ہمیں فیلڈز کی درج ذیل فہرست کلیدی قدر کے جوڑوں کے طور پر ملتی ہے (بائیں طرف اسکرین شاٹ دیکھیں) اور خریدی گئی انفرادی لائن آئٹمز کی پوری قطار (دائیں جانب اسکرین شاٹ دیکھیں) نتائج میں۔

نتیجہ

اس پوسٹ میں، ہم نے دعووں کی پروسیسنگ میں عام چیلنجوں کی نمائش کی، اور دعویٰ کا ازخود فیصلہ کرنے کے لیے ہم ایک ذہین دستاویز پراسیسنگ پائپ لائن کو خودکار بنانے کے لیے AWS AI سروسز کا استعمال کیسے کر سکتے ہیں۔ ہم نے دیکھا کہ Amazon Comprehend کسٹم کلاسیفائر کا استعمال کرتے ہوئے دستاویزات کو مختلف دستاویزات کی کلاسوں میں کیسے درجہ بندی کرنا ہے، اور غیر ساختہ، نیم ساختہ، ساختی، اور خصوصی دستاویز کی اقسام کو نکالنے کے لیے Amazon Textract کا استعمال کیسے کیا جائے۔

In حصہ 2، ہم Amazon Textract کے ساتھ نکالنے کے مرحلے کو بڑھاتے ہیں۔ ہم ڈیٹا کو افزودہ کرنے کے لیے Amazon Comprehend پہلے سے طے شدہ اداروں اور حسب ضرورت اداروں کا بھی استعمال کرتے ہیں، اور یہ دکھاتے ہیں کہ IDP پائپ لائن کو مزید پروسیسنگ کے لیے تجزیات اور ویژولائزیشن سروسز کے ساتھ کیسے بڑھایا جائے۔

ہم تجویز کرتے ہیں کہ کے سیکورٹی سیکشنز کا جائزہ لیں۔ ایمیزون ٹیکسٹ، ایمیزون سمجھنا، اور ایمیزون A2I دستاویزات اور فراہم کردہ رہنما خطوط پر عمل کریں۔ حل کی قیمتوں کے بارے میں مزید جاننے کے لیے، کی قیمتوں کی تفصیلات کا جائزہ لیں۔ ایمیزون ٹیکسٹ، ایمیزون کی تعریف، اور ایمیزون A2I.

مصنفین کے بارے میں

چنمئی رانے ایمیزون ویب سروسز میں ایک AI/ML ماہر حل آرکیٹیکٹ ہے۔ وہ لاگو ریاضی اور مشین لرننگ کے بارے میں پرجوش ہے۔ وہ AWS صارفین کے لیے ذہین دستاویز پروسیسنگ سلوشن ڈیزائن کرنے پر توجہ مرکوز کرتی ہے۔ کام سے باہر، وہ سالسا اور بچتا ڈانس سے لطف اندوز ہوتی ہے۔

سونالی ساہو ایمیزون ویب سروسز میں انٹیلجنٹ ڈاکومنٹ پروسیسنگ AI/ML سلوشنز آرکیٹیکٹ ٹیم کی قیادت کر رہا ہے۔ وہ ایک پرجوش ٹیکنوفائل ہے اور اختراع کا استعمال کرتے ہوئے پیچیدہ مسائل کو حل کرنے کے لیے صارفین کے ساتھ کام کرنے سے لطف اندوز ہوتی ہے۔ اس کی توجہ کا بنیادی شعبہ مصنوعی ذہانت اور ذہین دستاویز کی پروسیسنگ کے لیے مشین لرننگ ہے۔

ٹم کونڈیلو ایمیزون ویب سروسز میں ایک سینئر AI/ML ماہر حل آرکیٹیکٹ ہیں۔ اس کا فوکس قدرتی زبان کی پروسیسنگ اور کمپیوٹر ویژن ہے۔ ٹم کو گاہک کے خیالات لینے اور انہیں قابل توسیع حل میں تبدیل کرنے میں مزہ آتا ہے۔