Extraire des données à l\'aide de modèles Anthropic

Vous pouvez utiliser les modèles Anthropic d\'IA générative disponibles via AWS et GCP pour l\'extraction de données dans Automatisation de documents.Cette option Anthropic est disponible à partir de la v.33 et des versions ultérieures.

Prérequis

Par défaut, aucune configuration supplémentaire n\'est requise pour Anthropic. L\'extraction des données fonctionnera à l\'aide d\'un compte de service Automation Anywhere disponible dans AWS. Cependant, si vous souhaitez utiliser votre propre compte, assurez-vous d\'avoir effectué les tâches suivantes en fonction du fournisseur cloud que vous avez configuré pour Anthropic :

Anthropic comprend les fonctionnalités suivantes :

  • Traitement efficace de grands documents non structurés
  • Gestion des documents en anglais et dans d\'autres langues
  • Traitement plus rapide des documents avec une meilleure précision d\'extraction des données
  • Possibilité d\'utiliser votre propre licence grâce au modèle BYOL (Bring Your Own License)
Remarque : Nous vous recommandons d\'utiliser des modèles Anthropic Claude 3.0 ou versions ultérieures pour l\'extraction des données.

Procédure

  1. Accédez à Automatisation > Processus de l\'espace de travail des documents.
  2. Cliquez sur le dossier portant le même nom que l\'instance d\'apprentissage. Par exemple, si le nom de l\'instance d\'apprentissage est Residential Lease, alors le nom du dossier sera Residential Lease.
  3. Cliquez <li_name>_extractionbot.
  4. Dans le Éditeur de Bot, sélectionnez l\'action Extraire les données.
  5. Dans l\'option Paramètres supplémentaires, sélectionnez Anthropic.
  6. Utilisez l\'une des options suivantes en fonction du fournisseur cloud que vous avez configuré pour Anthropic :
    • AWS Bedrock
      1. Dans l\'option Clé d\'accès, saisissez l\'identifiant unique associé à un utilisateur qui est requis pour l\'authentification.

        La clé d\'accès est utilisée comme nom d\'utilisateur pour l\'authentification. Utilisez l\'option Information d\'identification, Variable ou Chaîne non sécurisée pour saisir la clé d\'accès.

      2. Dans l\'option Clé d\'accès secrète, entrez la chaîne secrète associée à la clé d\'accès requise pour l\'authentification.

        La clé d\'accès secrète est utilisée comme mot de passe pour l\'authentification. Utilisez l\'option Information d\'identification, Variable ou Chaîne non sécurisée pour saisir la clé d\'accès secrète.

      3. (Facultatif) Dans l\'option Jeton de session, saisissez des informations d\'identification de sécurité de courte durée qui fournissent un accès temporaire au service.

        Cette configuration est facultative et n\'est requise que si vous souhaitez que l\'accès des utilisateurs soit limité dans le temps. Utilisez l\'option Information d\'identification, Variable ou Chaîne non sécurisée pour saisir le jeton de session.

        Remarque : Si vous utilisez l\'option de jeton de session, veillez à mettre à jour ce jeton chaque fois qu\'il est actualisé afin de traiter les documents sans interruption ni erreur.
      4. Dans l\'option URL du point de terminaison pour le modèle Claude, saisissez l\'URL pour spécifier le modèle Anthropic et envoyer des requêtes au point de terminaison AWS Bedrock.

        Par exemple, https://bedrock-runtime.{aws-region}.amazonaws.com/model/{model-id}/invoke. Reportez-vous aux rubriques Amazon Bedrock endpoints and quotas et AWS Bedrock model IDs .

    • GCP Vertex AI
      1. Dans l\'option Clé de compte de service, saisissez les informations d\'identification utilisées pour s\'authentifier auprès des services GCP.

        Utilisez l\'option Information d\'identification, Variable ou Chaîne non sécurisée pour saisir la clé du compte de service. Reportez-vous à la rubrique Creating a service account.

        Remarque : Google actualise la valeur de la clé privée dans la clé de compte de service à certains intervalles pour des raisons de sécurité. Veillez à mettre à jour cette valeur chaque fois que la valeur de la clé privée est actualisée, afin de traiter les documents sans interruption ni erreur.
      2. Dans l\'option URL de point de terminaison pour le modèle Claude, saisissez l\'URL pour spécifier le modèle Anthropic et envoyer des requêtes au point de terminaison Google Vertex AI.

        Par exemple, https://{gcp-region}-aiplatform.googleapis.com/v1/projects/{project-id}/locations/{deployment-region}/publishers/anthropic/models/{model-ID}:RawPredict. Reportez-vous à la rubrique AWS Bedrock InvokeModel examples.

    Remarque : Vérifiez que les paramètres Anthropic sont correctement configurés. Sinon, une erreur s\'affiche lorsque les documents sont traités dans les instances d\'apprentissage.
Maintenant que vous avez configuré BYOL pour utiliser le modèle Anthropic, vous pouvez traiter des documents en utilisant l\'instance d\'apprentissage pour extraire des données.