Práticas recomendadas e limitações conhecidas

Práticas recomendadas

  • Um pool de rotuladores por projeto: no cenário BYOL, embora a interface de configuração do HITL permita criar novos pools de rotuladores para cada processador, recomendamos usar um único pool em todos os processadores de um projeto para simplificar. Isso acontece porque usuários de vários pools de rotuladores ainda podem ser atribuídos à mesma tarefa, e a atribuição de um pool de rotuladores a uma tarefa não impede que o Gerenciador de rotulagem atribua outros rotuladores a ela.
  • Várias tarefas/tipos de documento: várias tarefas podem ser necessárias para processar um único tipo de documento. Isso é necessário nos seguintes cenários:
    • Marcadores com diferentes habilidades ou credenciais necessárias para revisar/validar diferentes campos do mesmo documento.
    • Documentos com campos diferentes (por exemplo, faturas de diferentes fornecedores) podem precisar de esquemas diferentes para serem validados e, portanto, precisam ser encaminhados para tarefas diferentes.
    • Documentos de clientes diferentes têm pools de rotuladores diferentes trabalhando neles (por exemplo, faturas de clientes, idiomas ou países diferentes).
    Nesse cenário, recomendamos criar vários processadores (e tarefas) e postar os documentos na tarefa apropriada. [Um classificador pode ser necessário para classificar esses documentos e postar no processador correto].
  • Limite a revisão aos campos obrigatórios (em vez de todos os campos extraídos na página) para economizar tempo e custo de revisão: o tempo de resposta/página é dimensionado com o número de campos a serem revisados. Os custos do rotulador do Google são baseados no número de campos revisados. Portanto, é recomendável limitar os campos a serem revisados aos usados no processo comercial downstream.
    • Por exemplo, uma fatura pode ter mais de 30 campos, mas talvez você queira limitar a revisão a apenas 4 ou 5 campos importantes para o pagamento.
  • Nomear processadores ativados para HITL: o nome da tarefa HITL é o mesmo do processador. Recomendamos usar um nome que seja compreendido pelos gerentes e rotuladores e que seja facilmente distinguido de outras tarefas em que eles trabalham.
  • Priorização de tarefas: se um rotulador for atribuído a várias tarefas, ele as processará sequencialmente. Se um rotulador precisar mudar de tarefa (por exemplo, para responder a uma escalonamento de cliente ou atender a um SLO), o gerente de rotulagem vai precisar cancelar a atribuição da tarefa atual e atribuir a tarefa de alta prioridade aos rotuladores usando a guia "Atividades" no console do gerente de rotulagem.
    • A grade "Rotuladores X Tarefas" no console (mostrada abaixo) permite que o Gerente de rotulagem veja todas as atribuições de rotuladores a várias tarefas e ajuste qual rotulador trabalha em qual tarefa para atender às prioridades.
  • Definir filtros de validação Filtros de validação
  • Documentos rejeitados: o estado rejeitado do documento e o código do motivo [por exemplo, tipo de documento diferente, falsificado, brilho, embaçado, borda cortada etc.] são capturados nos arquivos JSON do documento (construção TextChange para todas as mudanças, HumanReview para o motivo da rejeição), saída no bucket do Cloud Storage configurado. Recomendamos usar esses metadados para separar os documentos rejeitados.
  • Como lidar com um grande volume de ingestão de documentos: as cotas atuais limitam a 600 solicitações de documentos on-line por minuto e até 5 solicitações off-line (em lote) simultâneas, cada uma processando até 50 documentos. Isso deve processar 36.000 solicitações on-line/hora e até 15.000 solicitações de documentos off-line (em lote)/hora, já que cada lote processa até 50 documentos. Se precisar de volumes maiores, entre em contato com o suporte.
  • Gerenciar os custos e o tempo da validação humana: a validação humana pode ser cara, independentemente se você está usando seus próprios rotuladores ou os do Google. O tempo gasto por página é dimensionado com o número de campos revisados. A força de trabalho do Google (na visualização particular) é faturada por rótulo revisado. É possível controlar seus esforços e custos de revisão limitando o HIT aos campos importantes que precisam ser verificados e corrigidos. Para fazer isso, use os filtros de validação no nível da etiqueta na tela de configuração da revisão humana.
  • Acesso de logon único com credenciais corporativas: o Labeler Workbench e o Labeling Manager Console são compatíveis com credenciais do Google Workforce ou do Gmail. Se for necessário o Logon único com credenciais corporativas, crie contas básicas do Google Workforce para seus rotuladores. O Google Workforce é compatível com SAML, e você pode configurar seu provedor de SSO para fazer login no Labeler Workbench ou no console do Labeling Manager com credenciais corporativas.

Limitações e soluções alternativas conhecidas

Confira a seguir algumas limitações conhecidas e possíveis soluções alternativas. Estamos trabalhando para resolver as limitações.

  • A caixa delimitadora precisa capturar algum texto: se o HITL for usado para anotar documentos para treinamento, qualquer caixa delimitadora desenhada precisará detectar algum OCR. O valor não pode ficar em branco. Inserir um valor manualmente não corrige esse problema.
  • Novo pool de rotuladores
  • VPC-SC: os clientes com o VPC-SC ativado no projeto de HITL talvez não consigam usar os rotuladores do Google para a revisão de HITL.
  • Latência pós-revisão: depois que um documento é revisado, pode levar até 30 minutos para que ele seja depositado na pasta pré-configurada do Cloud Storage.
  • Limite de 10 páginas: a revisão de HITL é limitada a 10 páginas para faturas. As faturas com mais de 10 páginas não são enviadas para revisão humana.
  • Fluxo de trabalho de rotulagem única: as tarefas do fluxo de trabalho atual são limitadas a uma única revisão de rotulagem. Se o documento precisar ser revisado por vários revisores (para controle de qualidade, prevenção de fraudes etc.), faça upload dos documentos revisados para um segundo processador no modo "Ignorar processador, enviar todos os documentos para revisão HITL".
  • Editar administradores de rotulagem do pool de rotulagem: nas tarefas BYOL, não é possível adicionar ou remover administradores de rotulagem de um pool depois que ele é criado. Solução alternativa: ao criar um novo pool de rotulagem,
    • Atribua mais de um gerente de rotulagem para que, se um sair antes da conclusão da tarefa, os outros possam gerenciar o pool e as atribuições de tarefas.
    • As pessoas que precisam acessar os painéis de rotuladores ou de análise de tarefas na interface do Gerenciador de rotulagem precisam ser adicionadas como administradores de pool ao criar o pool.
  • Cancelamento de uma tarefa: depois de iniciada, uma tarefa não pode ser cancelada. A solução alternativa é o Gerenciador de rotulagem pausar ou remover a atribuição de rotuladores da tarefa no console do Gerenciador de rotulagem.
  • Atribuir uma tarefa a um pool de rotuladores inteiro com um único clique: no momento, não é possível, mas será em breve. A solução alternativa é selecionar todos os rotuladores e atribuir a tarefa a eles.
  • Novo pool de rotuladores
  • Rotuladores BYOL com contas do Google Workspace: se os gerentes e rotuladores BYOL tiverem contas do Google Workspace, o admin do Google Workspace talvez precise ativar "Outros serviços" na parte de baixo da página "Serviços do Google" (capturas de tela abaixo) para permitir o acesso ao Console do Gerenciador de rotulagem e ao Workbench do rotulador. Google Workspace