رفع ريتاب 3.5 مليون دولار وإطلاق منصة قوية مدعومة بالذكاء الاصطناعي لتحويل المستندات المتضمنة إلى بيانات منظمة

لمطوري الأدوات القوية بالذكاء الاصطناعي في صناعات مثل اللوجستيات والمالية والرعاية الصحية، يظل تحدي واحد قائم دائمًا: الحصول على نماذج اللغة الكبيرة (LLM) لاستخراج البيانات بشكل موثوق من المستندات في العالم الحقيقي. غالبًا ما تسبب الفواتير PDF والتقارير التي تصل إلى 200 صفحة والاستمارات المكتوبة بخط اليد والهويات الممسوحة ضغوطًا على الأنظمة الذكية.

ريتاب، شركة ناشئة جديدة تأسست من قبل مهندسين واجهوا هذه المشكلة بشكل مباشر، أطلقت مؤخرًا لتحل هذه المشكلة. إلى جانب إطلاق منصتها العامة، أعلنت الشركة أيضًا عن جمع 3.5 مليون دولار في التمويل قبل المرحلة من بقيادة VentureFriends وKima Ventures وK5 Global، مع مشاركة إريك شميدت (من خلال StemAI) وأوليفييه بوميل (الرئيس التنفيذي، Datadog (DDOG )) وفلوريان دواتو (الرئيس التنفيذي، Dataiku).

بدلاً من أن تكون مزودًا آخر للنماذج LLM، تقع ريتاب فوق ذلك – تقدم منصة موجهة للمطورين للذكاء الاصطناعي للمستندات التي تسمح للمستخدمين بتحديد البيانات التي يريدون استخراجها، ثم تتعامل مع العملية بأكملها: التسمية، والتقييم، وتصميم التحفيز، واختبار النماذج، والتوجيه.

“الناس يبقون يبنيون عروضًا تجريبية للذكاء الاصطناعي تبدو ساحرة ولكنها تتفكك في الإنتاج”، قال لويس دي بينوا، المؤسس المشارك والرئيس التنفيذي لشركة ريتاب. “لقد بنينا ريتاب لأننا كنا متعبين من توصيل أنابيب هشة فقط لاستخراج بعض الحقول من المستند. الآن، يمكن للمطورين التركيز على مخططهم الذي يريدونه – نحن نتعامل مع الباقي”.

ما الذي تفعله ريتاب بالفعل

في جوهرها، تقوم ريتاب بتحويل المستندات غير المنظمة – PDF وملفات مسح ونسخ وطابعات – إلى خرج منظم نظيف يمكن للمطورين إدراجه في أنظمة الإنتاج. تم بناؤها كمنصة وSDK، فهي تحدد جميع تعقيدات بناء تدفقات استخراج البيانات القوية بالذكاء الاصطناعي.

الشركات التي تستخدم ريتاب تصف ببساطة مخطط البيانات التي تريد استخراجها. ثم تقوم ريتاب بتوليد مجموعات بيانات مسماة تلقائيًا، واختيار النماذج LLM المثالية، وتنقيح التحفيز، وتحديد أخطاء الكشف وlogic الإعادة. وتضمن دقة الإنتاج من خلال ثلاثة ابتكارات رئيسية:

• المخططات الذاتية التحسين: تستخدم ريتاب وكيل ذكاء اصطناعي داخلي لاختبار وتحسين تعليمات الاستخراج باستمرار باستخدام أمثلة حقيقية، مما يلغي الحاجة إلى ضبط يدوي.
• التوجيه الذكي للنماذج: المنصة غير محددة بالنسبة للنماذج وتبين تلقائيًا عبر نماذج LLM (مثل OpenAI وAnthropic وGoogle)، وتوجيه كل مستند إلى أفضل نموذج بناءً على التكلفة والسرعة ودقة المتطلبات. وقد مكّن هذا بعض المستخدمين من خفض تكاليف المعالجة بنسبة تصل إلى 100 ضعف.
• إجماع k-LLM والتوجيه المنطقي: بدلاً من الاعتماد على خرج نموذج واحد، تفرض ريتاب التفكير المتسلسل (سلسلة الأفكار) وتشغيل نماذج متعددة بالتوازي للوصول إلى إجماع. إذا ظلت الشكوك، يتم وضع علامة أو إعادة حسابها، مما يعطي المطورين الثقة في كل إجابة.

تمنح هذه طبقة التوجيه للمطورين القدرة على تحويل تدفقات المستندات التي تسبب الأخطاء – مثل تحليل العقود أو التحقق من الهوية أو تحليل الفواتير – إلى أنظمة قابلة للتطوير وذاتية التصحيح.

من اللوجستيات إلى البنية التحتية

بنى المؤسسون في الأصل أسس ريتاب أثناء تلقين العمليات الداخلية للمستندات الثقيلة في صناعة اللوجستيات. ومع تقدمهم في تحسين الأدوات، أدركوا أن قيمتها تتجاوز أي حالة استخدام واحدة. اليوم، يتم استخدام ريتاب من قبل عشرات الشركات عبر:

• اللوجستيات: تحليل فواتير الشحن ووثائق الجمارك وسجلات التسليم
• المالية: استخراج عوامل الخطر والمعايير المالية من التقارير الطويلة
• الرعاية الصحية: تلقين استمارات القبول والطلبات والوثائق الطبية

استخدمت شركة نقل واحدة ريتاب لتحديد أصغر وأسرع تكوين نموذج يلبي متطلباتها بدقة 99٪ – مما خفض التكلفة الحاسوبية والزمن بدون التضحية بالأداء. قامت شركة مالية بقطع أيام من التحليل الربع سنوي باستخدام ريتاب لاستخراج مؤشرات الخطر المنظمة من وثائق المستثمرين.

“تعتمد экономية الذكاء الاصطناعي على تحويل المستندات المتضمنة والقابلة للقراءة البشرية إلى بيانات منظمة ومدقة”، قال فلوريان دواتو، الرئيس التنفيذي لشركة Dataiku. “ريتاب هي المنصة التي تجعل هذا القفزة ممكنة على نطاق واسع”.

النظر إلى الأمام

ريتاب تتوسع الآن إلى ما وراء المستندات: سيسمح الإصدار القادم للمستخدمين باستخراج البيانات من صفحات الويب والمحتوى الديناميكي، مما يفتح الباب أمام حالات استخدام مثل التحليل التنافسي وتماسك البيانات وتلقين التلقين. كما يتم إعداد التكاملات مع أدوات مثل Zapier وn8n وDify، مما يسمح لريتاب بالدخول إلى سير العمل الحالية دون الحاجة إلى كتابة رمز مخصص.

على المدى الطويل، تهدف ريتاب إلى أن تصبح طبقة الوسيط بين البيانات غير المنظمة في العالم والوكلاء الذكاء الاصطناعي الذين يعتمدون عليها – سواء كان ذلك للبحث في الشركات أو أتمتة العمليات أو مساعدات الذكاء الاصطناعي.

على الرغم من وجود فقط عشرة موظفين، يتم الاعتراف بريتاب بالفعل كحجر أساسي لبناء منتجات ذكاء اصطناعي أصيلة – وليس مجرد بائع آخر، بل مجموعة أدوات لتحويل الواقع المتضمن للبيانات في العالم الحقيقي.