Automatiza el proceso de Licencias Médicas con IA y Make

La implementación de la inteligencia artificial (IA) en las empresas a menudo desata debates internos. Algunas empresas han ido incluso al extremo de prohibir el uso de herramientas de IA como ChatGPT, por miedo a filtraciones de información confidencial. No solo la seguridad de la información es un tema de preocupación, sino también la necesidad de alinear estas herramientas con las normas y leyes vigentes de cada país.

Por tanto, es crucial encontrar un balance entre la innovación propulsada por la IA y el respeto por las regulaciones de privacidad. Esto requiere un diálogo constante a nivel corporativo y gubernamental para establecer pautas claras.

Hace unas semanas, compartí un artículo titulado “Optimizando la Gestión de Licencias Médicas con Make y OpenAI”, donde detallé cómo puedes crear un proceso automatizado en Make para manejar las licencias médicas. Si te lo perdiste, puedes leerlo aquí.

Para aquellos que aún mantienen reservas sobre el uso de la IA debido a preocupaciones sobre la privacidad, este artículo es para ti. Aquí te mostraré cómo puedes reproducir el proceso de licencia médica usando un modelo de inteligencia artificial privado - PrivateGPT. Esto significa que todos los datos compartidos estarán protegidos en un entorno controlado por la empresa, sin transferencia de datos fuera de este.

Stack Tecnológico a utilizar

Las herramientas y servicios a utilizar son los mismos que en el artículo original, con la diferencia de que reemplazaremos OpenAI por PrivateGPT. Adicionalmente, usaremos:

• Google Workspace, para administrar la organización.
• Slack, Gmail y Google Task, como canales de notificación.
• Google Drive, como espacio de almacenamiento de los diferentes archivos involucrados.
• Buk, el software de recursos humanos que centraliza la gestión de personas.

Uso de PrivateGPT en un entorno privado

En este caso, utilizaremos PrivateGPT, desarrollado por Private AI. Está diseñado para fortalecer la privacidad en el uso de ChatGPT. Te dejo su página oficial aquí para más información.

Una de las grandes ventajas de PrivateGPT es que permite aprovechar las capacidades del Modelo de Lenguaje Grande (LLMs) sin arriesgar la exposición de información sensible.

Sin embargo, una posible desventaja es que requiere esfuerzos para su instalación e integración con sistemas externos. Nota: PrivateGPT no se encuentra en el módulo de Make, pero posee una API que utilizaremos para crear el proceso automatizado en Make.

Prueba de Concepto: Automatización creada con Make y IA en un Entorno Privado

Paso 1: Instalación de PrivateGPT

Instala PrivateGPT en tu ordenador personal o en el servidor de tu empresa. Al ejecutarlo, generará una dirección IP local en el puerto 8001. A través de Ngrok, exponemos nuestro entorno local a Internet para que Make pueda conectarse a nuestro equipo local.

Paso 2: Modificación del escenario de Make

Modifica el escenario de Make eliminando los módulos de OpenAI y añadiendo los módulos HTTP que consumirán los 4 endpoints de PrivateGPT. Una vez que hemos realizado estos cambios, hemos creado un nuevo proceso utilizando PrivateGPT. Esto garantiza una mayor seguridad y privacidad en la gestión de la información de documentos de licencia médica.

Listado de Documentos: Antes de cargar un nuevo documento PDF de la licencia médica, es esencial obtener un listado de los documentos que actualmente posee PrivateGPT. Estos documentos se eliminarán antes de incorporar el archivo nuevo.

Por lo tanto, el primer módulo HTTP utiliza el endpoint /v1/ingest/list, el cual nos proporciona el inventario de documentos a eliminar.

Eliminación de Documentos: Posteriormente, procedemos a eliminar cada documento que el endpoint anterior nos ha proporcionado. Para realizar esta acción, empleamos el módulo iterator para recorrer la lista de documentos y obtener sus identificadores. Estos identificadores se utilizan más adelante en otro módulo HTTP que facilita la eliminación del documento. En este nuevo módulo HTTP, hacemos uso del endpoint /v1/ingest/[ID], donde [ID] representa el identificador del archivo que será eliminado.

Carga de Nuevo Documento: Una vez eliminados los documentos anteriores, avanzamos a cargar el nuevo documento PDF correspondiente a la licencia médica recién recibida por correo. Para realizar este proceso, empleamos el endpoint /v1/ingest/file en un módulo HTTP adicional, seleccionando el archivo adjunto al módulo de Gmail.

Extracción de Datos de la Licencia: Finalmente, ejecutamos el endpoint /v1/completions, enviándole el prompt con los datos que deseamos extraer del documento, junto con el identificador del archivo que previamente habíamos cargado.

De esta manera, hemos rediseñado el proceso original que utilizaba OpenAI GPT-4 para extraer información de documentos PDF relacionados con licencias médicas. Ahora, hemos creado un nuevo proceso utilizando PrivateGPT, asegurando la privacidad y confidencialidad de los datos de los documentos en las instalaciones del cliente.

Esto agrega una capa adicional de seguridad al procedimiento inicial.