Kaip Parsio apdoroja jūsų duomenis priklausomai nuo duomenų ištraukimo variklio

Parsio nėra vienas universalus konvejeris. Kiekvienai pašto dėžutei pasirenkate tinkamą duomenų ištraukimo variklį — AI Parser, GPT Parser, Template Parser arba OCR Converter — ir kiekvienas iš jų turi iš tiesų skirtingą duomenų kelią, su skirtingais tiekėjais (arba be jų). Norime tiksliai paaiškinti, kas vyksta kiekvienu atveju, kad jums nereikėtų mumis tiesiog pasitikėti aklai.

Šis puslapis papildo mūsų bendrą Saugumo puslapį, išsamiau paaiškindamas, kaip kiekvienas variklis tvarko jūsų duomenis.

Keturi varikliai, keturi skirtingi duomenų keliai

AI Parser apdoroja jūsų dokumentą naudodamas iš anksto apmokytus, jau paruoštus ištraukimo modelius — jokios konfigūracijos, jokio prompt'o, jokio šablono. GPT Parser siunčia dokumento tekstą (arba jo OCR versiją) kartu su jūsų parašytu prompt'u į didelį kalbos modelį, kai dokumentų maketas ir formuluotės per daug skiriasi, kad tiktų fiksuotos taisyklės. Template Parser lygina jūsų dokumentą su šablonu, kurį sukuriate spustelėdami fiksuotas laukų pozicijas — čia nedalyvauja joks AI ar LLM tiekėjas. OCR Converter ištraukia neapdorotą tekstą ir lenteles iš nuskaitytų dokumentų, PDF ir vaizdų, jų neinterpretuodamas kaip struktūrizuotų laukų.

AI Parser — iš anksto apmokyti modeliai, jokios konfigūracijos

AI Parser naudoja Microsoft Azure Document Intelligence paruoštus modelius, kurių kiekvienas specializuotas konkrečiam dokumento tipui (sąskaitoms, kvitams, asmens dokumentams, vizitinėms kortelėms, banko išrašams ir kt.). Jums nereikia rašyti prompt'o ar kurti šablono — modelis jau žino, ko ieškoti. Jokia laisvo teksto instrukcija niekur nesiunčiama; dokumentą apdoroja tik pats modelis.

GPT Parser — jūsų prompt'as, AI modelis

GPT Parser skirtas dokumentams, kurių maketas ar formuluotės yra per daug nenuoseklios fiksuotoms taisyklėms. Paprasta kalba parašote prompt'ą, apibūdinantį norimus laukus; Parsio ištraukia natyvų dokumento tekstą (arba, jei tai nuskaitytas dokumentas ar vaizdas, pirmiausia atlieka OCR) ir siunčia tekstą bei jūsų prompt'ą į OpenAI ištraukimui. Šie duomenys šifruojami perdavimo metu ir niekada nenaudojami OpenAI modeliams mokyti.

Template Parser — jokio AI, jokio trečiosios šalies modelio iškvietimo

Jei norite išvis neįtraukti jokio AI tiekėjo, Template Parser yra tikras kelias be AI: šabloną apibrėžiate pažymėdami laukų pozicijas pavyzdiniame dokumente, o kiekvienas būsimas dokumentas su tokiu maketu lyginamas su juo naudojant taisyklėmis pagrįstą logiką, veikiančią išimtinai Parsio nuosavoje infrastruktūroje. Šiam varikliui joks dokumento turinys nesiunčiamas į OpenAI, Microsoft, Mistral ar bet kurį kitą AI tiekėją.

OCR Converter — teksto ir lentelių ištraukimas

OCR Converter, priklausomai nuo konfigūracijos, naudodamas AWS Textract arba Mistral OCR, paverčia nuskaitytus dokumentus, PDF ir vaizdus neapdorotu tekstu ir lentelėmis. Skirtingai nei kiti trys varikliai, jis neinterpretuoja rezultato kaip struktūrizuotų laukų — tai teksto ištraukimo žingsnis, dažnai naudojamas kaip pagrindas prieš Template Parser arba jūsų pačių tolesnį apdorojimą.

Mokymas ir duomenų saugojimas

• Niekada nemokome ir nepritaikome jokio modelio naudodami jūsų duomenis ir niekada jų neparduodame. Tai nuolatinis įsipareigojimas, o ne nuo plano priklausanti funkcija.
• Mūsų susitarimai su AI subrangovais — OpenAI, Microsoft ir Mistral — draudžia jiems naudoti ištraukimui pateiktus duomenis savo modeliams mokyti.

Šifravimas ir duomenų perdavimas

Visas ryšys su mūsų AI subrangovais vyksta per šifruotus ryšius (HTTPS/TLS 1.2+) — tas pats standartas, kurį taikome visoms kitoms mūsų infrastruktūros dalims.

Duomenų atskyrimas

Kiekvienos Parsio paskyros dokumentai, šablonai ir rezultatai loginiu būdu atskirti nuo bet kurios kitos paskyros. Vieno kliento dokumento apdorojimas niekada neatskleidžia ir nesumaišo kito kliento duomenų.

Kas lieka jūsų kontrolėje

• Jūs esate Duomenų valdytojas; Parsio ir jos subrangovai veikia tik kaip Duomenų tvarkytojai, pagal jūsų nurodymus.
• Bet kada galite ištrinti bet kurį dokumentą, šabloną ar visą savo paskyrą.
• Konfigūruojamos saugojimo politikos leidžia automatiškai ištrinti apdorotus duomenis per 1–180 dienų laikotarpį.
• Jūs pasirenkate, kuris variklis — taigi ir kurie tiekėjai, jei tokie yra — apdoroja kiekvieną dokumentą, atskirai kiekvienai pašto dėžutei.

Dažnai užduodami klausimai

Kurį variklį naudoti, jei nenoriu, kad dalyvautų joks AI tiekėjas?

Template Parser. Tai taisyklėmis pagrįstas laukų pozicijų suderinimas, veikiantis išimtinai Parsio nuosavoje infrastruktūroje — joks dokumento turinys nesiunčiamas į OpenAI, Microsoft ar Mistral.

Ar Parsio yra tik ChatGPT priedanga?

Ne. Tik GPT Parser iškviečia OpenAI, ir tik dokumentams, kuriuos jam nukreipiate. AI Parser naudoja paruoštus Microsoft ištraukimo modelius, Template Parser visiškai nenaudoja jokio AI tiekėjo, o OCR Converter naudoja AWS Textract arba Mistral tik teksto ištraukimui.

Ar AI tiekėjams siunčiamas originalus failas, ar tik ištrauktas tekstas?

Tai priklauso nuo variklio. GPT Parser siunčia ištrauktą tekstą (natyvų arba po OCR) kartu su jūsų prompt'u į OpenAI. AI Parser ir OCR Converter apdoroja dokumentą tiesiogiai per atitinkamo tiekėjo modelį. Template Parser niekada nesiunčia dokumento turinio jokiam AI tiekėjui.

Ar naudojate embeddings ar vektorinę paiešką ilgiems dokumentams?

Ne. Parsio šiuo metu nenaudoja embeddings ar vektorinės paieškos — GPT Parser tiesiogiai siunčia ištrauktą tekstą ir jūsų prompt'ą.

Ar Parsio darbuotojai gali skaityti mano dokumentus?

Prieiga prie klientų duomenų ribojama pagal mažiausios privilegijos principą ir apribota tik tuo, kas būtina palaikymui ar trikčių šalinimui, o tai reguliariai audituojama. Daugiau informacijos rasite mūsų Saugumo puslapyje.

Ar mano duomenys naudojami Parsio ar jos AI tiekėjų modeliams tobulinti?

Ne. Mes nemokome modelių naudodami jūsų duomenis, o mūsų sutartys su AI subrangovais — OpenAI, Microsoft ir Mistral — jiems tai taip pat draudžia.

Kas nutinka mano duomenims, jei ištrinu dokumentą?

Jie iš karto pašalinami iš aktyvių sistemų, o iš atsarginių kopijų ir žurnalų — per jūsų sukonfigūruotą saugojimo laikotarpį (1–180 dienų).

Turite klausimų?

Jei jums reikia daugiau informacijos savo saugumo ar tiekėjų vertinimui, susisiekite su mumis adresu [email protected].