Una empresa procesa cientos de documentos PDF y JPG impresos diariamente y necesita un flujo de trabajo automatizado y de bajo mantenimiento para extraer campos de texto específicos y clasificar documentos. ¿Qué solución requiere el menor esfuerzo operativo?

La opción correcta es usar Amazon Textract para extraer campos y Amazon Comprehend para clasificar documentos. Amazon Textract es un servicio de OCR completamente administrado que está optimizado para extraer texto y datos estructurados (como formularios y tablas) de documentos, incluyendo PDFs y JPGs, con un esfuerzo operativo mínimo. Amazon Comprehend es un servicio de procesamiento de lenguaje natural (NLP) completamente administrado que puede clasificar documentos de forma automática. Esta combinación ofrece una solución de bajo mantenimiento y completamente administrada. Las otras opciones son menos óptimas porque: Usar PaddleOCR en SageMaker requeriría la gestión de la infraestructura de SageMaker y el entrenamiento/despliegue de modelos, lo que aumenta el esfuerzo operativo. Amazon Rekognition se utiliza principalmente para el análisis de imágenes y videos (reconocimiento facial, detección de objetos), no para la clasificación de documentos basada en texto.