MedSchoolCoach automatiza la extracción de documentos académicos y la agrupación de estudiantes con la IA generativa de AWS

Cliente

MedSchoolCoach

Ubicación

Boston, MA

Industria

Tecnología educativa, consultoría de admisión médica

Servicios y tecnología

Amazon Bedrock, Amazon S3, Amazon EC2, Amazon SageMaker, AWS Lambda, Amazon API Gateway

Resumen del proyecto

MedSchoolCoach capacita a los estudiantes de medicina con orientación personalizada individualizada de asesores médicos con experiencia en el comité de admisiones. A medida que el negocio creció, el equipo necesitó una forma más rápida y consistente de extraer métricas académicas clave de miles de documentos de estudiantes entrantes y convertirlos en información útil para el asesoramiento. Avahi proporcionó un flujo de trabajo de IA generativa basado en AWS que realiza OCR en currículos y transcripciones no estructurados, normaliza la información de GPA y MCAT, y agrupa a los estudiantes en grupos académicos basados en señales de éxito históricas. Esta base permite a los asesores dedicar más tiempo a la participación de los estudiantes y ofrecer recomendaciones más específicas e informadas por datos.

Acerca del cliente

MedSchoolCoach es una organización de tecnología educativa y consultoría de admisión médica que apoya a los estudiantes de medicina a través de asesoramiento individualizado, ayudándoles a construir solicitudes más sólidas utilizando orientación estructurada, entrenamiento y experiencia en admisiones.

El problema

MedSchoolCoach recibe grandes volúmenes de currículos, transcripciones y documentos académicos cada mes. Estas entradas varían ampliamente en estructura y calidad, incluyendo PDFs, imágenes escaneadas y capturas de pantalla, lo que dificulta la extracción automatizada.

El equipo de asesoramiento estaba dedicando una cantidad significativa de tiempo a extraer manualmente el GPA, las puntuaciones del MCAT, los detalles del curso y los patrones académicos de estos documentos. Esto ralentizó las evaluaciones de los estudiantes, creó cuellos de botella en la revisión y limitó la consistencia con la que el equipo podía personalizar el asesoramiento a escala.

Sin la automatización, MedSchoolCoach seguiría enfrentándose a una creciente carga operativa a medida que aumentaran los volúmenes de documentos, lo que limitaría el crecimiento y retrasaría las interacciones de asesoramiento de mayor valor.

Por qué AWS

MedSchoolCoach seleccionó AWS para apoyar una canalización segura y escalable para la ingesta y el procesamiento de documentos académicos, al tiempo que utilizaba los servicios gestionados de AWS para la inferencia de modelos y el análisis. AWS proporcionó la base para almacenar documentos brutos y procesados, ejecutar flujos de trabajo de agrupación y evaluación, e integrar modelos básicos a través de Amazon Bedrock.

Por qué MedSchoolCoach eligió Avahi

MedSchoolCoach contrató a Avahi debido a la experiencia de Avahi en la entrega de sistemas de IA generativa nativos de AWS que combinan la extracción de datos no estructurados con flujos de trabajo analíticos repetibles. Avahi aportó patrones de entrega probados para la integración de OCR con el razonamiento LLM, el diseño de pasos de validación medibles y el empaquetado de la solución detrás de un backend API-first que puede evolucionar hacia operaciones a escala de producción.

Solución

Avahi diseñó un flujo de trabajo de extremo a extremo para transformar los documentos de los estudiantes no estructurados en perfiles académicos estructurados que pudieran ser agrupados y analizados. Los documentos se ingirieron y almacenaron en Amazon S3, y luego se procesaron a través de un componente de extracción OCR capaz de manejar PDFs escaneados, fotos y transcripciones con muchas tablas.
Después de la extracción, Avahi implementó la lógica de limpieza y normalización para estandarizar las señales académicas a través de formatos inconsistentes, incluyendo múltiples convenciones de GPA y campos MCAT incompletos. Cuando las reglas por sí solas eran insuficientes, se utilizaron modelos básicos de Amazon Bedrock para interpretar el contexto y producir salidas consistentes y estructuradas adecuadas para el análisis posterior.
Para ayudar a MedSchoolCoach a ir más allá del asesoramiento genérico, Avahi construyó un marco de agrupación que agrupa a los solicitantes en cohortes basados en características académicas críticas vinculadas a los resultados de las admisiones. El enfoque de agrupación se diseñó para el aprendizaje no supervisado y se validó a través de métodos cuantitativos (como la puntuación de la silueta) combinados con la revisión de las partes interesadas de MedSchoolCoach.
Para los nuevos solicitantes, el flujo de trabajo asigna los datos de admisión al grupo más relevante, identifica las lagunas de cualificación y genera recomendaciones específicas utilizando los modelos de Amazon Bedrock. El sistema se expuso a través de un backend FastAPI alojado en AWS y se desplegó en Amazon EC2 para pruebas y demostraciones de extremo a extremo, con interfaces claras para la futura integración y expansión.

Resultados clave

– Infraestructura alojada en AWS en Amazon EC2 (incluyendo Elastic IP) para ejecutar la canalización de extremo a extremo

– Ingesta y almacenamiento de documentos en Amazon S3

– Canalización de extracción OCR para currículos y transcripciones

– Análisis y normalización automatizados de las métricas GPA y MCAT

– Agrupación no supervisada de estudiantes por similitud académica

– Integración de Amazon Bedrock para la interpretación basada en LLM y la generación de recomendaciones

– Puntos finales de backend FastAPI para la ejecución del flujo de trabajo y la entrega de resultados

– Documentación técnica, entrega de demostración y recomendaciones para escalar a producción

Impacto del proyecto

El compromiso demostró que MedSchoolCoach puede automatizar la extracción de métricas académicas y los flujos de trabajo de segmentación de estudiantes que antes eran manuales y requerían mucho tiempo. Al combinar OCR con la interpretación y la agrupación impulsadas por Bedrock, la solución mejora la consistencia del procesamiento y aumenta la capacidad de los asesores para las interacciones de mayor valor con los estudiantes.

Métricas

Más del 85 por ciento de exactitud en la extracción de GPA y MCAT en el conjunto de datos de evaluación

Recomendamos encarecidamente a Avahi como un socio tecnológico fiable e innovador. Su experiencia en tecnologías de vanguardia fue fundamental para construir nuestra prueba de concepto (PoC) y desarrollar nuestro producto mínimo viable (MVP). Avahi siempre ofreció soluciones de alta calidad a tiempo, manteniendo un enfoque colaborativo y receptivo. Fueron más allá de las expectativas al identificar oportunidades de mejora, garantizando la escalabilidad y el cumplimiento de nuestros productos centrados en la aplicación de la ley. Avahi es la elección clara si necesita un socio tecnológico con conocimiento de la industria, profesionalidad y un compromiso con la innovación.

¿Listo para transformar su negocio con la IA?

Reserve su taller gratuito de IA de activación

Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita de medio día

Vea nuestros casos prácticos

Vea cómo hemos ofrecido resultados medibles para empresas como la suya

Avahitech.com ahora es avahi.ai