El nuevo modelo de lenguaje proporciona una velocidad y precisión superior al 92% en la extracción de datos de pedidos, lo que favorece la optimización de la logística farmacéutica, entre otras.
Esker, empresa especializada en la digitalización de las relaciones comerciales entre proveedores y clientes, ha anunciado el lanzamiento de Synergy Transformer, una actualización de su tecnología Esker Synergy AI. Este modelo de inteligencia artificial, diseñado específicamente para la gestión de pedidos, destaca por su capacidad para extraer datos con una velocidad y precisión superior al 92%, lo que optimiza la logística en sectores críticos como el farmacéutico.
Synergy Transformer emplea la tecnología Transformer, adaptada a los matices del lenguaje y las especificidades propias de los pedidos industriales. Esta herramienta permite la automatización de tareas rutinarias y propensas a errores, como la introducción manual de datos, sin requerir que los clientes modifiquen la forma en que envían sus pedidos. Entre las empresas que ya utilizan las soluciones de la compañía se encuentran actores del sector farmacéutico como Sanofi, Zambon, Accord, Novartis y Logista Pharma.
IA en la gestión de pedidos: Más precisión y menos errores
La mejora en la precisión y velocidad de procesamiento tiene un impacto directo en la eficiencia de la logística de sectores como el farmacéutico, donde la exactitud en la gestión de pedidos es crucial para mantener la cadena de frío y evitar la contaminación de materiales sanitarios. Esta herramienta no solo reduce los tiempos de procesamiento de pedidos, sino que también disminuye el riesgo de errores humanos, facilitando el cumplimiento de plazos de entrega urgentes.
Según Esker, el modelo de lenguaje específico desarrollado para la gestión de pedidos supera en velocidad a otros modelos más amplios, como ChatGPT 4, al estar entrenado para procesar grandes volúmenes de datos de manera más eficiente y precisa. Además, Synergy Transformer consume menos recursos, lo que representa una mejora del 6% en comparación con versiones anteriores de la herramienta.
