Adit Abraham, cofundador y director ejecutivo de Reducto – Serie de entrevistas

Adit Abraham es cofundador y director ejecutivo de Reducto, donde se centra en convertir documentos empresariales complejos en datos fiables para aplicaciones de IA. Antes de fundar la empresa junto con Raunak Chowdhuri, también graduado del MIT, estudió informática en el MIT, investigó sobre aprendizaje automático en el MIT Media Lab y trabajó como gerente de producto en las áreas de anuncios y búsqueda de Google. Reducto surgió de los esfuerzos de sus fundadores por crear herramientas de memoria para modelos de lenguaje grandes, cuando la ingesta poco fiable de documentos se convirtió en un obstáculo recurrente. El trabajo directo de Abraham con los primeros clientes contribuyó a definir el énfasis de la empresa en la precisión, la seguridad, la flexibilidad de implementación y el rendimiento predecible en producción.

Reducto desarrolla infraestructura de inteligencia documental que ayuda a los equipos de IA a convertir archivos PDF, documentos escaneados, hojas de cálculo y otros archivos en información estructurada y útil. Su plataforma combina reconocimiento óptico de caracteres, visión artificial y modelos de visión y lenguaje para interpretar texto, tablas, figuras, formato y diseños de página complejos. Además del análisis, ofrece herramientas para la extracción estructurada, la división, la clasificación y la edición de documentos, con citas que vinculan la información extraída con su fuente. Entre sus clientes se encuentran Harvey, Scale AI, Vanta, Mercor y Rogo. La actividad de la empresa abarca la generación aumentada por recuperación, la búsqueda y los flujos de trabajo documentales en sectores como las finanzas, la salud y el derecho, donde la ingesta precisa y los resultados trazables son esenciales.

Reducto surgió de los desafíos que tú y Raunak Chowdhuri encontraron al crear herramientas de memoria para modelos de lenguaje grandes. ¿Qué fallaba concretamente en las herramientas existentes de procesamiento de documentos y cuándo se dieron cuenta de que el problema del análisis de documentos era lo bastante importante como para crear una empresa?

Intentábamos dar a los modelos acceso al contexto de los documentos, así que añadimos una función para subir archivos, pero nos encontrábamos constantemente con problemas de calidad en el procesamiento. Probamos todas las herramientas disponibles en aquel momento, pero ninguna cumplía nuestros estándares para trabajar con documentos reales y desordenados, como los que la gente subía de verdad.

Así que creamos nuestra propia solución de análisis de documentos, inicialmente como una función de nuestro producto de memoria para modelos de lenguaje grandes. Después, vimos que despertaba un enorme interés entre los desarrolladores que también se habían encontrado con ese problema y que apreciaban nuestra solución. Algunos equipos pasaban semanas creando y manteniendo sus propias canalizaciones de ingesta porque las herramientas disponibles no podían procesar sus documentos de forma fiable. Esas conversaciones nos ayudaron a ver mucho más claramente la oportunidad: aunque la inteligencia de los modelos no dejaba de mejorar, contar con un contexto limpio y preciso seguía marcando una enorme diferencia.

Los archivos PDF están diseñados técnicamente para mostrar información, no para hacerla legible por máquinas. ¿Qué hace que los documentos complejos, en particular los que contienen tablas, gráficos, diseños en varias columnas o imágenes incrustadas, sean tan difíciles de interpretar de forma fiable para los sistemas de IA?

Cuando leemos un documento, damos por sentadas muchas de nuestras capacidades naturales de comprensión: podemos inferir relaciones casi al instante, porque vemos que una cifra corresponde a un encabezado de columna determinado, que el texto continúa en otra columna o que un pie de figura se refiere a la ilustración que aparece encima.

A los modelos de IA les cuesta mucho hacerlo, porque los PDF no están diseñados para conservar este tipo de información relacional ni metadatos; en esencia, son imágenes con una densidad de datos muy alta. Un analizador debe reconstruir esas relaciones a partir de la página, y la tarea se vuelve mucho más difícil cuando hay celdas combinadas, tablas anidadas, gráficos, documentos escaneados y diseños inusuales. Como nos centramos en este problema de comprensión documental, podemos procesar de forma fiable la larga cola de documentos que los modelos de IA suelen alucinar y manejar mal.

Reducto combina visión artificial, reconocimiento óptico de caracteres y modelos de visión y lenguaje en su proceso de procesamiento de documentos. ¿Cómo trabajan juntas estas distintas tecnologías y en qué aspectos suelen quedarse cortos los sistemas tradicionales de OCR?

El OCR tradicional existe desde hace décadas y se diseñó para leer, carácter por carácter, documentos con texto limpio y legible. Deja de funcionar bien cuando se trata de documentos manuscritos, escaneados, inclinados o con tablas, que suelen representar la mayoría de los datos empresariales.

Reducto fue pionera en incorporar modelos de visión y lenguaje al ámbito del procesamiento de documentos con «Agentic OCR», porque vimos el potencial de los VLM para comprender algo más que el texto literal de los documentos: la verdadera inteligencia documental requiere contexto, precisión y capacidades multimodales. Nuestro modelo de análisis más reciente, r-1, combina las capacidades de Agentic OCR con funciones como el formato, las citas y la detección de diseño en una sola pasada.

Ese trabajo adicional importa porque incluso un analizador con una precisión general muy alta puede causar un problema grave si la pequeña cantidad de información que pasa por alto contiene la cifra, la cláusula o la entrada de tabla que alguien necesita.

A medida que los modelos de IA se vuelven cada vez más multimodales y capaces de interpretar directamente imágenes y documentos, ¿cómo cree que evolucionará el papel de las plataformas especializadas en inteligencia documental? ¿Podrían los modelos fundacionales acabar realizando por sí mismos gran parte de este trabajo, o seguirá siendo necesaria una infraestructura especializada?

De hecho, apostamos a que los modelos de IA seguirán mejorando y serán cada vez más rápidos y eficaces. Como surgen modelos nuevos constantemente, nos mantenemos al día evaluando sus puntos débiles e incorporamos sus fortalezas a nuestros propios flujos de trabajo para ofrecer a nuestros clientes el mejor rendimiento general. Reducto quiere ser su equipo de ingesta y ayudarle a construir a medida que crece.

Las empresas siguen enfrentándose al desafío particular de necesitar no solo rendimiento, sino también capacidad de procesamiento escalable, gobernanza y verificabilidad a escala de producción, algo que hoy sigue siendo difícil de lograr con los modelos fundacionales.

Hace poco lo probamos con el benchmark GDP.pdf, que mostró que los modelos de vanguardia todavía tienen dificultades para razonar sobre documentos profesionales reales y complejos, y obtuvieron tasas estrictas de aprobación por tarea inferiores a entre el 15 % y el 25 %. Al dejar que Reducto analizara primero estos documentos y luego pasar los datos estructurados a los modelos de vanguardia, la precisión global mejoró nueve puntos porcentuales y se redujeron un 13 % los tokens de razonamiento, en comparación con los modelos que procesaban los documentos directamente.

Esto demuestra que la infraestructura de ingesta especializada sigue aportando un enorme valor, ya que la mayoría de los datos empresariales aún no se ha aprovechado plenamente.

Muchas aplicaciones de IA empresarial dependen, en última instancia, de la generación aumentada por recuperación o de sistemas agénticos que acceden a información oculta en documentos internos. ¿Cuánto del problema de fiabilidad de estos sistemas se origina realmente antes, en la ingesta y el análisis de documentos?

Una parte importante comienza durante la ingesta. Los equipos suelen descubrir el problema mucho después, porque la respuesta incorrecta aparece al final del flujo de trabajo. Si un analizador omite una fila de una tabla, altera el orden de lectura de dos columnas o no detecta una figura, la recuperación no puede recuperar información que ni siquiera llegó a la base de datos.

A menudo vemos que la experiencia de los usuarios finales de nuestros clientes mejora notablemente cuando sustituyen su sistema de ingesta por Reducto, ya que los sistemas de RAG y búsqueda ofrecen resultados mejores y más consistentes. Por ejemplo, tras implementar Reducto como capa de procesamiento, Harvey vio cómo se reducían drásticamente las consultas de clientes relacionadas con el OCR y se multiplicaba el uso del producto.

Reducto ha ampliado sus capacidades más allá del análisis de documentos para incluir la extracción estructurada y flujos de trabajo documentales más amplios. ¿Cómo será la siguiente capa de inteligencia documental una vez que un sistema pueda comprender con precisión la estructura subyacente de un documento?

La ingesta de datos suele ser apenas el primer paso de un proceso empresarial mucho más amplio. Una empresa podría recibir un archivo de 500 páginas y necesitar identificar los documentos que contiene, clasificarlos, extraer información específica, comparar esa información con la de otro sistema y enviar los casos atípicos a un especialista para que los revise. Hemos dedicado 2 años a entrenar los mejores modelos de comprensión documental del mercado y ahora nos centramos más en agilizar lo que viene después.

Cuando puedes comprender de forma fiable el contenido y la estructura de un documento, puedes automatizar más tareas que actualmente ocupan el tiempo de las personas, como recopilar información, comprobarla y transferirla entre sistemas. Casi todos los flujos de trabajo empresariales de alto riesgo pueden desglosarse en pasos que implican que las personas lean documentos, tomen decisiones y escriban en otros documentos. Nuestro objetivo es convertirnos en la forma predeterminada en que las personas o los agentes interactúen con los datos documentales en el futuro.

Tienen clientes que van desde empresas nativas de IA como Harvey, Vanta, Scale AI, Mercor y Rogo hasta grandes instituciones financieras y empresas de Fortune 10. ¿En qué se diferencian los requisitos de procesamiento de documentos de una startup de IA de los de una gran empresa regulada?

Las empresas nativas de IA suelen avanzar rápido, y sus equipos de ingeniería quieren una API que gestione documentos complejos sin obligarlos a crear y mantener su propia infraestructura de procesamiento. A las grandes empresas les importa igualmente la precisión, pero a menudo tienen requisitos adicionales en cuanto a dónde se almacenan los datos, cómo implementan el software, qué sucede cuando se disparan los volúmenes y si los usuarios pueden rastrear un valor extraído hasta la página original. Por ejemplo, Scale AI utiliza Reducto en entornos gubernamentales donde la confidencialidad y la implementación local son fundamentales, mientras que Harvey nos evaluó en términos de precisión, fiabilidad, costo, latencia y modos de fallo antes de pasar a producción en aproximadamente seis semanas. Trabajar con ambos tipos de clientes nos ha llevado a centrarnos tanto en el rendimiento de Reducto bajo requisitos reales de producción como en la precisión con la que procesa un documento en particular.

Según se informa, Reducto alcanzó más de 5 millones de dólares en ingresos recurrentes anuales, en gran medida gracias a las ventas lideradas por sus fundadores, antes de crear un equipo de ventas especializado. ¿Qué aprendiste al hablar directamente con esos primeros clientes sobre los problemas que los desarrolladores realmente intentaban resolver?

Esas conversaciones nos enseñaron a dedicar menos tiempo a hablar en términos generales sobre el procesamiento de documentos y más a entender qué intentaban conseguir realmente los clientes. Las primeras llamadas de ventas solían convertirse en sesiones de trabajo en las que un cliente compartía los documentos que interrumpían su flujo de trabajo, y analizábamos qué ocurría después cuando fallaba la extracción. En el sector sanitario, eso significaba ver cómo la omisión de una fila de una tabla o la lectura incorrecta de una unidad en un informe de laboratorio podía retrasar una reclamación o dejar a un profesional clínico con un historial incompleto del paciente. Esa responsabilidad redefinió nuestro nivel de exigencia en materia de precisión: una buena puntuación en una prueba de referencia sirve de poco si oculta los errores más importantes. Los clientes necesitaban precisión, pero también fiabilidad, seguridad, flexibilidad de implementación y un rendimiento predecible a gran escala; escuchar esto directamente determinó lo que desarrollamos.

Reducto procesa ahora miles de millones de páginas al mes. ¿Qué retos de ingeniería surgen a esa escala, especialmente en cuanto a latencia, precisión, coste y coherencia de los resultados entre tipos de documentos muy distintos?

Ya he perdido la cuenta de cuántas páginas procesamos, así que incluso una pequeña ineficiencia puede encarecer las cosas muy rápidamente. Añadir inferencias innecesarias a cada página aumenta tanto el coste como la latencia, mientras que optimizar demasiado la velocidad puede perjudicar la precisión en documentos difíciles. Por eso dedicamos mucho esfuerzo de ingeniería a determinar cuánto procesamiento necesita realmente cada página.

Con r-1, mejoramos la precisión del análisis y, al mismo tiempo, redujimos la latencia y bajamos el precio a un centavo por página. También trabajamos para automatizar más el enrutamiento, de modo que una página sencilla no consuma los mismos recursos que otra con una tabla o una figura complejas. Con nuestro volumen actual, esas decisiones afectan a millones de páginas cada día, por lo que la eficiencia forma parte del problema central de ingeniería.

Si miramos varios años hacia el futuro, a medida que los agentes de IA interactúen cada vez más con contratos, registros financieros, artículos de investigación, presentaciones y otros documentos empresariales, ¿cómo cree que será la interfaz ideal entre los sistemas de IA y la información no estructurada del mundo?

Los agentes de IA actuales están concebidos fundamentalmente para trabajar con texto. Son muy buenos razonando sobre información digital y limpia, pero el mundo real sigue funcionando con archivos PDF, hojas de cálculo, presentaciones, documentos escaneados, contratos y registros financieros. Con el tiempo, creo que los agentes deberían poder interactuar con esos documentos con la misma naturalidad con la que hoy interactúan con un archivo de texto.

Los desarrolladores no deberían tener que pensar demasiado en el reconocimiento óptico de caracteres (OCR), el análisis de documentos, la selección de modelos ni la estructura documental. Un agente debería poder recibir cualquier archivo, entender qué contiene, rastrear la información importante hasta su fuente y utilizarla de forma fiable en la tarea que deba completar. La infraestructura subyacente debería determinar cómo procesar el documento, elegir los modelos adecuados y señalar los casos de incertidumbre que realmente requieran el criterio humano.

En última instancia, creo que esa es la división del trabajo que buscamos: que las máquinas se ocupen de las tareas documentales repetitivas y que las personas dediquen su tiempo a las decisiones que requieren contexto, conocimiento institucional y criterio. Los documentos contienen una enorme cantidad de la información en la que se basan las empresas, así que hacer que esa información sea verdaderamente accesible para los agentes será un gran avance para que la IA resulte útil en los procesos empresariales reales.

Gracias por esta excelente entrevista. Los lectores que deseen saber más sobre cómo convertir documentos complejos en datos fiables para aplicaciones de IA pueden visitar Reducto.