Saltar al contenido

Agente de Cumplimiento de Documentos de Jitterbit (Azure)

Descripción general

Jitterbit proporciona el Agente de Cumplimiento de Documentos (Azure) a los clientes a través de Jitterbit Marketplace. Este agente automatiza el procesamiento de documentos enfocado en cumplimiento al recuperar archivos PDF de Azure Blob Storage, extraer su contenido de texto utilizando reconocimiento óptico de caracteres (OCR) y aplicar análisis impulsado por IA para detectar y eliminar información de identificación personal (PII), ayudando a las organizaciones a cumplir con los requisitos de privacidad de datos sin revisión manual de documentos.

El agente recupera archivos PDF de un contenedor de origen configurado, envía cada archivo a un servicio OCR para análisis y recopila el texto completo extraído. Un LLM luego analiza el texto extraído en dos pasos: una vez para identificar y almacenar datos de PII, y nuevamente para producir una versión desinfectada con todo el PII eliminado. Ambos archivos de salida se escriben en un servidor SFTP, el PDF original se archiva en un contenedor de archivo Azure Blob Storage separado y se elimina del contenedor de origen, y se envían notificaciones por correo electrónico a los destinatarios configurados cuando ocurren errores de procesamiento.

El agente realiza las siguientes tareas:

  • Recupera una lista de archivos PDF de un contenedor de origen de Azure Blob Storage configurado.
  • Envía cada PDF a Azure Document Intelligence para extracción de texto OCR y recopila el texto extraído.
  • Envía el texto extraído a un LLM para detectar y extraer datos de PII, y escribe la salida en un archivo en un servidor SFTP.
  • Envía el texto extraído al LLM para producir una versión limpia con todo el PII eliminado, y escribe la salida en un archivo en un servidor SFTP.
  • Archiva los archivos PDF procesados en un contenedor de archivo Azure Blob Storage de destino configurado y elimina los originales del contenedor de origen.
  • Envía notificaciones por correo electrónico a los destinatarios configurados cuando ocurren errores de procesamiento.

Este documento explica cómo configurar y operar este agente de IA. Cubre arquitectura, requisitos previos y pasos para instalar, configurar y operar el agente de IA.

Arquitectura del agente de IA

Este agente de IA conecta Azure Blob Storage, Azure Document Intelligence, un LLM y un servidor SFTP para extraer y desinfectar texto de documentos PDF. Una ejecución de procesamiento típica sigue estos pasos:

  1. La operación Initial Controller inicializa variables de procesamiento y activa el paso de listado de blobs.
  2. El agente se conecta al contenedor de origen configurado de Azure Blob Storage y recupera una lista de archivos PDF disponibles.
  3. Para cada archivo, el agente construye la URL de origen de Document Intelligence y envía el PDF a Azure Document Intelligence para procesamiento OCR.
  4. El agente recupera el resultado del análisis OCR completado y recopila el texto completo extraído.
  5. El agente envía el texto extraído al LLM con un prompt de detección de PII. Los datos de PII identificados se escriben en un archivo en el servidor SFTP.
  6. El agente envía el texto extraído al LLM con un prompt de limpieza de datos para producir una versión desinfectada. El texto limpio se escribe en un archivo en el servidor SFTP.
  7. El PDF original se mueve al contenedor de archivo Azure Blob Storage y se elimina del contenedor de origen.
  8. Se envían notificaciones por correo electrónico a los destinatarios configurados si ocurren errores durante el procesamiento.

Diagrama de flujo de trabajo

El siguiente diagrama muestra la canalización de procesamiento principal para el Agente de Cumplimiento de Documentos (Azure).

--- config: themeVariables: lineColor: '#6b7280' edgeLabelBackground: '#f5f5f5' flowchart: padding: 20 nodeSpacing: 80 --- flowchart LR classDef default fill:white, stroke:black, stroke-width:3px, rx:15px, ry:15px JSP@{ shape: hex, label: "
Document Compliance
Agent (Azure)" } BLOBSRC[Azure Blob Storage
Source Container] ADI[Azure Document
Intelligence] LLM[fas:fa-brain
LLM] SFTP[fas:fa-server
SFTP Server] BLOBARC[Azure Blob Storage
Archive Container] EMAIL[fas:fa-envelope
Email] JSP <-->|1. List and get PDFs| BLOBSRC JSP <-->|2. OCR request / extracted text| ADI JSP <-->|3. PII detection prompt / PII data| LLM JSP <-->|4. Clean data prompt / cleaned text| LLM JSP -->|5. Write output files| SFTP JSP -->|6. Archive and delete PDF| BLOBARC JSP -->|7. Error notification| EMAIL

Requisitos previos

Se necesitan los siguientes componentes para utilizar este agente de IA.

Componentes de Harmony

Se debe tener una licencia de Jitterbit Harmony con acceso a los siguientes componentes:

  • Jitterbit Studio
  • Agente de Cumplimiento de Documentos (Azure) adquirido como complemento de licencia

Extremos admitidos

El agente de IA se conecta a los siguientes extremos. Se puede adaptar a otros sistemas modificando las configuraciones de extremo y flujos de trabajo del proyecto.

Modelo de lenguaje grande (LLM)

El agente utiliza Azure AI Foundry para acceder a modelos de lenguaje grande para detección de PII y sanitización de datos. Azure AI Foundry es una plataforma administrada que proporciona acceso a modelos de proveedores incluyendo OpenAI, Microsoft y Meta. Se debe contar con una suscripción de Azure con un hub y proyecto de Azure AI Foundry configurados y un modelo implementado y accesible a través de la API de Foundry.

Azure Blob Storage

El agente utiliza Azure Blob Storage tanto como origen de PDF como destino de archivo. Se debe contar con una suscripción de Azure con dos contenedores configurados: uno para archivos PDF entrantes y otro para archivar archivos procesados. Ambos contenedores requieren tokens de firma de acceso compartido (SAS) con permisos de lectura, escritura y listado.

Azure Document Intelligence

El agente utiliza Azure Document Intelligence para extracción de OCR de archivos PDF. Se debe contar con un recurso de Azure Document Intelligence con una URL de endpoint válida y clave de API.

SFTP

El agente escribe archivos de salida procesados (datos de PII y texto limpio) en un servidor SFTP. Se debe contar con un servidor SFTP accesible desde Jitterbit con credenciales de conexión válidas.

Correo electrónico

El agente envía notificaciones de error a través de correo electrónico SMTP. La configuración predeterminada utiliza Gmail (smtp.gmail.com). Se debe contar con una cuenta de correo electrónico remitente con acceso SMTP habilitado y, si se utiliza Gmail, una contraseña de aplicación configurada.

Instalación, configuración y operación

Sigue estos pasos para instalar, configurar y operar este agente de IA:

  1. Descargar e instalar el proyecto
  2. Configurar recursos de Azure
  3. Configurar variables del proyecto
  4. Probar conexiones
  5. Implementar el proyecto
  6. Revisar flujos de trabajo del proyecto
  7. Activar flujos de trabajo del proyecto

Para orientación sobre solución de problemas, consulta Solución de problemas.

Descargar e instalar el proyecto

Sigue estos pasos para instalar el proyecto de Studio para el agente de IA:

  1. Inicia sesión en el portal Harmony en https://login.jitterbit.com y abre Marketplace.

  2. Localiza el agente de IA denominado Jitterbit Document Compliance Agent (Azure). Para localizarlo, utiliza la barra de búsqueda o, en el panel Filters bajo Type, selecciona AI Agent para limitar la visualización a agentes de IA.

  3. Haz clic en el enlace Documentation del agente para abrir su documentación en una pestaña separada. Mantén la pestaña abierta para consultarla después de iniciar el proyecto.

  4. Haz clic en Start Project para abrir un diálogo de configuración.

    Nota

    Si aún no has comprado el agente de IA, se muestra Get agent en su lugar. Haz clic en él para abrir un diálogo informativo, luego haz clic en Submit para que un representante se comunique contigo sobre la compra del agente de IA.

    Consejo

    El diálogo de configuración incluye una advertencia de no importar la plantilla antes de aplicar personalizaciones de endpoint. Esa advertencia no aplica a este agente de IA y puede ignorarse. En su lugar, sigue el orden recomendado de pasos en esta documentación.

  5. En el diálogo Create a New Project, selecciona un entorno donde se creará el proyecto de Studio, luego haz clic en Create Project.

  6. Después de que el diálogo de progreso indique que el proyecto fue creado, utiliza el enlace del diálogo Go to Studio o abre el proyecto directamente desde la página Projects de Studio.

Configurar recursos de Azure

Antes de configurar variables del proyecto, configura los recursos de Azure requeridos.

Crear contenedores de Azure Blob Storage

  1. Inicia sesión en el portal de Azure y busca Storage accounts en la barra de búsqueda superior.

  2. Haz clic en + Create, completa la suscripción, grupo de recursos y nombre de cuenta de almacenamiento, establece Performance en Standard y Redundancy en LRS, luego haz clic en Review + Create y Create.

  3. Una vez completada la implementación, haz clic en Ir al recurso, luego ve a Almacenamiento de datos > Contenedores.

  4. Haz clic en + Contenedor, ingresa un nombre para el contenedor de origen, establece el nivel de acceso en Privado y haz clic en Crear.

  5. Repite el paso 4 para crear un contenedor de archivo.

  6. Para cada contenedor, genera un token SAS:

    1. En la cuenta de almacenamiento, ve a Seguridad + redes > Firma de acceso compartido.
    2. Habilita los servicios de Blob, los tipos de recurso Contenedor y Objeto, y los permisos de Lectura, Escritura e Historial.
    3. Establece una fecha de vencimiento y haz clic en Generar SAS y cadena de conexión.
    4. Copia el token SAS inmediatamente — se muestra solo una vez.

Crear un recurso de Azure Document Intelligence

  1. En Azure Portal, haz clic en + Crear un recurso, busca Document Intelligence y haz clic en Crear.

  2. Configura el recurso, seleccionando Standard S0 como nivel de precios para cargas de trabajo de producción.

  3. Haz clic en Revisar + Crear, luego en Crear. Una vez completada la implementación, haz clic en Ir al recurso.

  4. Ve a Administración de recursos > Claves y punto de conexión y copia la URL del punto de conexión y la Clave 1 para utilizarlas en las variables del proyecto.

Crear un proyecto de Azure AI Foundry

  1. Ve a ai.azure.com e inicia sesión con tu cuenta de Azure.

  2. Haz clic en Nuevo centro, completa la configuración del centro (suscripción, grupo de recursos, nombre y región) y haz clic en Crear.

  3. Dentro del centro, haz clic en Nuevo proyecto, ingresa un nombre de proyecto y haz clic en Crear.

  4. Ve a Configuración > Detalles del proyecto y copia la URL del punto de conexión del proyecto y la clave de API para utilizarlas en las variables del proyecto.

Configurar variables del proyecto

En el proyecto Studio instalado desde Marketplace, establece valores para las siguientes variables de proyecto.

Para configurar variables de proyecto, utiliza el menú de acciones del proyecto y selecciona Variables del proyecto para abrir el panel de configuración.

Azure Blob Storage

Nombre de variable Descripción
Azure_Blob_Endpoint_URL URL del punto de conexión de Azure Blob Storage (por ejemplo, https://<account>.blob.core.windows.net).
Azure_Source_Container_Name Nombre del contenedor de origen donde se colocan los archivos PDF para procesamiento.
Azure_Source_Container_SAS_Token Token SAS para el contenedor de origen, utilizado para autenticar operaciones de lectura, escritura e historial.
Azure_Archive_Container_Name Nombre del contenedor de archivo donde se mueven los PDF procesados.
Destination_Archive_Container_SAS_Token Token SAS para el contenedor de archivo, utilizado para autenticar operaciones de escritura.

Azure Document Intelligence

Nombre de variable Descripción
Azure_Document_Intelligence_Endpoint_URL URL del punto de conexión del recurso Azure Document Intelligence (por ejemplo, https://<resource-name>.cognitiveservices.azure.com).
Azure_Document_Intelligence_Key Clave de API para autenticar solicitudes de Azure Document Intelligence.
Document_Intelligence_Model_ID ID del modelo para análisis OCR (predeterminado: prebuilt-layout).
Document_Intelligence_Locale Configuración regional para la extracción de texto OCR (predeterminada: en-US).
Document_Intelligence_API_Version Versión de API de Azure Document Intelligence (predeterminada: 2024-11-30).

Azure AI Foundry

Nombre de variable Descripción
Azure_Foundry_Base_URL Ubicación de región para Azure AI Foundry (por ejemplo, us).
Azure_AI_Foundry_Key Clave de API para autenticar solicitudes de Azure AI Foundry.
Azure_AI_Foundry_Project_Name Nombre del proyecto de Azure AI Foundry utilizado para la inferencia LLM.

SFTP

Nombre de variable Descripción
SFTP_Host Nombre de host del servidor SFTP donde se escriben los archivos de salida procesados.
SFTP_UserName Nombre de usuario para autenticación SFTP.
SFTP_Password Contraseña para autenticación SFTP.
SFTP_Folder_Path Ruta de carpeta en el servidor SFTP donde se escriben los archivos de salida (predeterminada: /Azure_PDF_Parser).

Correo electrónico

Nombre de variable Descripción
Email_Enabled Establece en true para habilitar notificaciones por correo electrónico (predeterminado: true).
Email_Summary Establece en true para habilitar notificaciones de correo electrónico de resumen (predeterminado: true).
Email_Data_Error Establece en true para habilitar notificaciones de correo electrónico de fallo (predeterminado: false).
Email_SMTP_Servers Lista separada por comas de direcciones de servidores SMTP para enviar notificaciones (predeterminada: smtp.gmail.com).
Email_Sender_Account Dirección de cuenta de correo electrónico utilizada para enviar notificaciones.
Email_Sender_Password Contraseña para la cuenta de correo electrónico del remitente. Para Gmail, genera una contraseña de aplicación en la configuración de seguridad de tu Cuenta de Google.
Email_Recipients Lista separada por comas de direcciones de correo electrónico de destinatarios para notificaciones.
Email_Subject_Line Línea de asunto para correos electrónicos de notificación (predeterminada: Azure PDF Parser Agent - Summary).

Probar conexiones

Prueba las configuraciones del endpoint para verificar la conectividad utilizando los valores de variables del proyecto definidos.

Para probar conexiones, ve a la pestaña Project endpoints and connectors (Endpoints y conectores del proyecto) de la paleta de componentes de diseño, coloca el cursor sobre cada endpoint y haz clic en Test (Probar).

Implementar el proyecto

Implementa el proyecto de Studio.

Para implementar el proyecto, utiliza el menú acciones del proyecto y selecciona Deploy (Implementar).

Revisar flujos de trabajo del proyecto

El proyecto de Studio contiene un flujo de trabajo que implementa la canalización de procesamiento del Agente de Cumplimiento de Documentos (Azure).

Analizador de PDF

Operación Descripción
Initial Controller Inicializa variables de procesamiento e inicia la canalización.
List Blobs From Azure Container Recupera una lista de archivos PDF del contenedor de origen de Azure Blob Storage.
Document Intelligence Source URL Formation Construye la URL de origen para cada archivo PDF para el procesamiento de Azure Document Intelligence.
Post PDF Data to Azure DI Envía cada PDF a Azure Document Intelligence para el procesamiento de OCR.
Get Azure DI Analysis Result Recupera el resultado de análisis de OCR completado desde Azure Document Intelligence.
Azure Foundry Request Formation Prepara solicitudes de LLM basadas en los resultados del análisis de Document Intelligence.
Post DI Data to Foundry for PII Data Envía texto extraído al LLM para detectar y extraer PII.
Write PII JSON Data to SFTP Escribe la salida de PII en un archivo del servidor SFTP.
Post DI Data to Foundry for Clean Data Envía texto extraído al LLM para producir una versión sin PII.
Write Clean JSON Data to SFTP Escribe la salida desinfectada en un archivo del servidor SFTP.
Move Blob to Archive Container Copia el PDF procesado al contenedor de archivo de Azure Blob Storage.
Delete Blob from Source Container Elimina el PDF original del contenedor de origen después del archivado.
Initial Controller

La operación Initial Controller funciona como punto de entrada del flujo de trabajo. Ejecuta el script Run Orchestrator#1 para activar la operación List Blobs From Azure Container, luego ejecuta scripts de registro y el script Logging and Notification Rollup para registrar detalles de procesamiento y llamar a la operación Send Email según los recuentos de éxito o error.

List Blobs From Azure Container

La operación List Blobs From Azure Container se conecta al contenedor de origen de Azure Blob Storage configurado y recupera una lista de blobs disponibles. La respuesta se transforma y almacena en una variable, y el script Extract Blob Names from Response itera a través de cada nombre de blob para llamar a la operación Document Intelligence Source URL Formation.

Document Intelligence Source URL Formation

La operación Document Intelligence Source URL Formation ejecuta el script DI Source URL Formation, que construye la URL de origen completamente calificada para el archivo PDF y llama a la operación Post PDF Data to Azure DI para comenzar el procesamiento de OCR.

Post PDF Data to Azure DI

La operación Post PDF Data to Azure DI transforma el cuerpo de la solicitud de Azure Document Intelligence y publica el PDF en Azure Document Intelligence a través de HTTP para análisis. La respuesta se transforma, almacena en una variable y se registra. La operación luego retrasa la ejecución para permitir que se complete el procesamiento antes de llamar a la operación Get Azure DI Analysis Result.

Obtener resultado del análisis de Azure DI

La operación Get Azure DI Analysis Result realiza una solicitud HTTP GET para recuperar el resultado del análisis de OCR completado desde Azure Document Intelligence. La respuesta se transforma y se almacena en una variable para usarla en pasos posteriores de procesamiento de LLM.

Formación de solicitud de Azure Foundry

La operación Azure Foundry Request Formation lee el resultado de Document Intelligence de la variable, transforma el contenido y ejecuta el script PII Request Formation for Foundry para preparar y enviar solicitudes de detección de PII, procesamiento de datos limpios y administración de blobs.

Publicar datos de DI en Foundry para datos de PII

La operación Post DI Data to Foundry for PII Data transforma el cuerpo de la solicitud de PII de Azure AI Foundry y publica el texto extraído en Azure AI Foundry mediante HTTP con un aviso de detección de PII. La respuesta de LLM se transforma, se almacena en una variable y se registra.

Escribir datos JSON de PII en SFTP

La operación Write PII JSON Data to SFTP lee los datos de PII de la variable, transforma el contenido y ejecuta el script Write PII Data in a file para escribir la salida de PII en un archivo del servidor SFTP y llamar a la operación Post DI Data to Foundry for Clean Data.

Publicar datos de DI en Foundry para datos limpios

La operación Post DI Data to Foundry for Clean Data ejecuta el script Clean Data Request Formation for Foundry, transforma el cuerpo de la solicitud y publica el texto extraído en Azure AI Foundry con un aviso de limpieza de datos para producir una versión sanitizada con todo el PII eliminado. La respuesta se transforma, se almacena en una variable y se registra.

Escribir datos JSON limpios en SFTP

La operación Write Clean JSON Data to SFTP lee los datos limpios de la variable, transforma el contenido y ejecuta el script Write Clean Data in a file para escribir la salida sanitizada en un archivo del servidor SFTP y llamar a la operación Move Blob to Archive Container.

Mover blob al contenedor de archivo

La operación Move Blob to Archive Container transforma el cuerpo de la solicitud de movimiento y envía una solicitud HTTP para copiar el PDF procesado del contenedor de origen al contenedor de archivo. La respuesta se transforma y se almacena en una variable.

Eliminar blob del contenedor de origen

La operación Delete Blob from Source Container envía una solicitud HTTP DELETE para quitar el PDF original del contenedor de origen después de que se haya archivado correctamente, asegurando que el archivo no se reprocese en ejecuciones posteriores.

Manejo de errores

Operación Descripción
On Failure Email Activa el flujo de trabajo de notificación de error cuando ocurre una falla de procesamiento.
Send Email Envía el correo electrónico de notificación de error a través del extremo SMTP configurado.
On Failure Email

La operación On Failure Email ejecuta el Send Error Email Script para registrar detalles del error y llamar a la operación Send Email.

Send Email

La operación Send Email transforma el cuerpo del correo electrónico, envía la notificación a través del adaptador de correo electrónico configurado y transforma cualquier respuesta de error.

Activar los flujos de trabajo del proyecto

Para ejecutar Document Compliance Agent (Azure), implementa y ejecuta la operación Initial Controller. En Studio, coloca el cursor sobre la operación y haz clic en el icono Deploy and Run en la esquina superior derecha del mosaico de la operación.

Para automatizar la canalización, configura horarios de operación en la operación Initial Controller para que se ejecute con la frecuencia que prefieras.

Solución de problemas

Si encuentras problemas, revisa los registros de operación para obtener información detallada de solución de problemas.

Para obtener ayuda adicional, comunícate con el soporte de Jitterbit.