Pulse AI وAmazon Bedrock لأتمتة معالجة المستندات المالية
عرضت AWS كيفية بناء pipeline متكامل لمعالجة المستندات المالية، يجمع بين Pulse AI (التي تفهم الصيغ المعقدة) وAmazon Bedrock (لإجراء fine-tuning للنماذج). والنتيجة استخراج تلقائي للبيانات المطلوبة بدقة كافية للتشغيل في بيئات المؤسسات.
معالج بواسطة الذكاء الاصطناعي من AWS Machine Learning Blog؛ بتحرير Hamidun News
تُعدّ معالجة المستندات المالية عبئًا ثقيلًا على أي مؤسسة. فالإيصالات والفواتير والنماذج الضريبية والعقود كثيرًا ما تصل بصيغ مختلفة وخطوط يد متباينة، وتحمل ضوضاء على النسخ الممسوحة ضوئيًا. وقد اقترحت AWS حلًا يجمع بين Pulse AI (خدمة لفهم المستندات) وAmazon Bedrock (خدمة لضبط نماذج الذكاء الاصطناعي). والنتيجة pipeline متكامل يستخرج البيانات بدقة ويصحّح نفسه عبر fine-tuning.
Pulse AI — فهم المستندات المعقدة
تتخصص Pulse AI في قراءة المستندات بكفاءة تضاهي القارئ البشري. فهي لا ترى النص وحده، بل ترى البنية أيضًا: حدود الجداول، ومواضع الحقول، والتسلسل الهرمي للمعلومات. وهذا أمر حاسم في المستندات المالية، حيث يختبئ المنطق داخل التنسيق.
فعلى سبيل المثال، لا ترد المبلغ في الفاتورة في موضع عشوائي، بل في الزاوية اليمنى. وتُوضع بيانات الجهة في كتلة على اليسار. أما جدول السلع فله تسلسله الهرمي الخاص. تتعلم Pulse AI هذه الهندسة البنيوية للمستندات، ويمكنها تطبيقها على مستندات جديدة من المصدر نفسه.
وبذلك تستخرج الخدمة الحقول لا بوصفها بحثًا نصيًا من نوع «ابحث عن كلمة "المبلغ"»، بل بوصفها فهمًا من نوع «هنا يُوضع المبلغ دائمًا في هذا النوع من المستندات».
Amazon Bedrock للضبط وفق بياناتكم
Amazon Bedrock منصة تختارون فيها نموذجًا أساسيًا (Claude وLlama وغيرهما) وتضبطونه لمهمتكم عبر fine-tuning. وفي سياق المستندات المالية، يجري ذلك على مرحلتين:
الاستخراج (Extraction): بعد المرور الأول عبر Pulse AI، تجمعون أمثلة على الأخطاء والنجاحات. وتغذّون بها Bedrock، فيتعلم النموذج استخراج الحقول المطلوبة بدقة أكبر.
التحقق والسياق: يتذكر النموذج بعد fine-tuning ما تعنيه «المبلغ» أو «تاريخ الدفع» في مؤسستكم. ويمكنه التحقق من أن المبلغ ضمن حدود معقولة، وأن التاريخ بالصيغة الصحيحة، وأن بيانات الجهة تتطابق مع سجل الأطراف المقابلة لديكم.
pipeline المتكامل: من المستند إلى بيانات منظمة
تجري العملية بأكملها على النحو الآتي:
- يمر المستند المرفوع عبر Pulse AI لتحليل بنيته واستخراج الحقول
- تُمرَّر النتيجة إلى Amazon Bedrock (نموذج خضع لـ fine-tuning) للتحقق والتطبيع
- يتحقق النموذج من صحة جميع البيانات ومطابقتها لمنطق أعمالكم
- في حال وجود خطأ، يُعاد إرساله إلى pipeline كمثال لإعادة التدريب
- وفي المخرجات بيانات منظمة ومدقَّقة بصيغتي JSON أو CSV
والحصيلة العملية أن المحاسب أو المراقب المالي لم يعد مضطرًا إلى إعادة تصحيح نصف البيانات المستخرجة يدويًا. فالنظام يفعل ذلك تلقائيًا ويتعلم من أخطائه.
ما معنى ذلك
بالنسبة للفرق المالية، يعني ذلك توفير أسابيع أو أشهر من العمل. فبدلًا من المعالجة اليدوية لأكوام المستندات، تحلّ أتمتة بدقة بمستوى المؤسسات.
وبالنسبة للمطورين، يعني أنه يمكن بناء أنظمة موثوقة لمعالجة المستندات المالية دون تعقيد الشيفرة، فكل ما يلزم بيانات ومنصة وfine-tuning.
وبالنسبة لمؤسسات تقنية المعلومات، فهو طريق إلى اعتماد أسرع: فبنيتكم التحتية قائمة أصلًا على AWS، وBedrock مدمج فيها، ولا حاجة إلى خدمات منفصلة.
- 12 نوفمبر 2026جنسن هوانغ يتنحى عن منصب الرئيس التنفيذي لـNvidia: الشركة تفقد 1.4 تريليون دولار خلال أسبوعين
- 12 نوفمبر 2026AWS توضّح كيف تُخفي دقة بحث بنسبة 100% إخفاق وكيل الذكاء الاصطناعي
- 12 نوفمبر 2026AWS تربط ثلاثة وكلاء ذكاء اصطناعي في حسابين عبر بروتوكول A2A
- 12 نوفمبر 2026AWS تُظهر كيف تمنع وكيل LLM من قراءة مستندات الآخرين: البوابة هي من تحقن userContext
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول Pulse AI — فهم المستندات المعقدة؟
تتخصص Pulse AI في قراءة المستندات بكفاءة تضاهي القارئ البشري. فهي لا ترى النص وحده، بل ترى البنية أيضًا: حدود الجداول، ومواضع الحقول، والتسلسل الهرمي للمعلومات. وهذا أمر حاسم في المستندات المالية، حيث يختبئ المنطق داخل التنسيق. فعلى سبيل المثال، لا ترد المبلغ في الفاتورة في موضع عشوائي، بل في الزاوية اليمنى. وتُوضع بيانات الجهة في كتلة على اليسار. أما جدول السلع فله تسلسله الهرمي الخاص. تتعلم Pulse AI هذه الهندسة البنيوية للمستندات، ويمكنها تطبيقها على مستندات جديدة من المصدر نفسه.
ما أبرز التفاصيل حول Amazon Bedrock للضبط وفق بياناتكم؟
Amazon Bedrock منصة تختارون فيها نموذجًا أساسيًا (Claude وLlama وغيرهما) وتضبطونه لمهمتكم عبر fine-tuning. وفي سياق المستندات المالية، يجري ذلك على مرحلتين: الاستخراج (Extraction): بعد المرور الأول عبر Pulse AI، تجمعون أمثلة على الأخطاء والنجاحات. وتغذّون بها Bedrock، فيتعلم النموذج استخراج الحقول المطلوبة بدقة أكبر. التحقق والسياق: يتذكر النموذج بعد fine-tuning ما تعنيه «المبلغ» أو «تاريخ الدفع» في مؤسستكم.
ما أبرز التفاصيل حول pipeline المتكامل: من المستند إلى بيانات منظمة؟
تجري العملية بأكملها على النحو الآتي: يمر المستند المرفوع عبر Pulse AI لتحليل بنيته واستخراج الحقول تُمرَّر النتيجة إلى Amazon Bedrock (نموذج خضع لـ fine-tuning) للتحقق والتطبيع يتحقق النموذج من صحة جميع البيانات ومطابقتها لمنطق أعمالكم في حال وجود خطأ، يُعاد إرساله إلى pipeline كمثال لإعادة التدريب وفي المخرجات بيانات منظمة ومدقَّقة بصيغتي JSON أو CSV والحصيلة العملية أن المحاسب أو المراقب المالي لم يعد مضطرًا إلى إعادة تصحيح نصف البيانات المستخرجة يدويًا. فالنظام يفعل ذلك تلقائيًا ويتعلم من أخطائه.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.