Retab recauda $3.5M y lanza una plataforma con inteligencia artificial para convertir documentos desordenados en datos estructurados

Para los desarrolladores que crean herramientas con inteligencia artificial en industrias como la logística, las finanzas y la salud, un desafío constante se interpone en el camino: obtener que los grandes modelos de lenguaje (LLM) extraigan datos de documentos del mundo real de manera fiable. Las facturas en PDF, los informes de 200 páginas, los formularios manuscritos y los documentos escaneados a menudo frustran a los sistemas de inteligencia artificial que de otra manera son potentes.

Retab, una nueva startup fundada por ingenieros que enfrentaron este problema de primera mano, acaba de lanzarse para solucionarlo. Junto con el debut público de su plataforma, la empresa también anunció $3.5 millones en financiación de pre-semilla liderada por VentureFriends, Kima Ventures, y K5 Global, con la participación de Eric Schmidt (a través de StemAI), Olivier Pomel (CEO, Datadog (DDOG )), y Florian Douetteau (CEO, Dataiku).

En lugar de ser otro proveedor de LLM, Retab se sitúa en una capa superior, ofreciendo una plataforma de inteligencia artificial para documentos pensada en los desarrolladores que permite a los usuarios definir exactamente qué datos desean extraer, y luego maneja todo el proceso: etiquetado, evaluación, ingeniería de prompts, benchmarking de modelos y enrutamiento.

“La gente sigue construyendo demos de inteligencia artificial que parecen mágicas pero se desmoronan en producción,” dijo Louis de Benoist, co-fundador y CEO de Retab. “Construimos Retab porque estábamos cansados de cablear pipelines frágiles solo para extraer unos pocos campos de un documento. Ahora, los desarrolladores pueden centrarse en el esquema que desean—nosotros nos encargamos del resto.”

Qué hace Retab en realidad

En su núcleo, Retab convierte documentos no estructurados—PDF, escaneos, formularios—en salidas limpias y estructuradas en JSON o tabulares que los desarrolladores pueden integrar en los sistemas de producción. Construida como un SDK y una plataforma, abstracta toda la complejidad de crear flujos de trabajo de extracción de datos con inteligencia artificial.

Las empresas que utilizan Retab simplemente describen el esquema de los datos que desean. Retab luego genera automáticamente conjuntos de datos etiquetados, selecciona el modelo de LLM óptimo, refina los prompts y maneja la detección de errores y la lógica de reintento. Asegura la precisión de producción a través de tres innovaciones clave:

• Esquemas de auto-optimización: Retab utiliza un agente de inteligencia artificial interno para probar y refinar iterativamente las instrucciones de extracción utilizando ejemplos reales, eliminando la necesidad de ajuste manual.
• Enrutamiento de modelos inteligentes: La plataforma es agnóstica de modelos y realiza benchmarks automáticamente en varios LLM (por ejemplo, OpenAI, Anthropic, Google ), enrutando cada documento al mejor modelo según los requisitos de costo, velocidad y precisión. Esto ha permitido a algunos usuarios reducir los costos de procesamiento hasta en un 100x.
• Consenso k-LLM y razonamiento guiado: En lugar de confiar en la salida de un solo modelo, Retab impone un razonamiento paso a paso (cadena de pensamiento) y ejecuta varios modelos en paralelo para alcanzar un consenso. Si persiste la incertidumbre, se marca o se recalcula, lo que da a los desarrolladores confianza en cada respuesta.

Esta capa de orquestación da a los desarrolladores el poder de convertir flujos de documentos propensos a errores—como el análisis de contratos, la verificación de identidad o el análisis de facturas—en sistemas escalables y auto-corregibles.

De la logística a la infraestructura

Los fundadores originalmente construyeron la base de Retab mientras automatizaban procesos internos para operaciones intensivas en documentos en la industria logística. Pero a medida que perfeccionaban la herramienta, se dieron cuenta de que su valor excedía cualquier caso de uso único. Hoy en día, Retab ya está siendo utilizado por decenas de empresas en:

• Logística: Analizando listas de carga, manifiestos de aduanas y registros de entrega
• Finanzas: Extrayendo factores de riesgo y métricas financieras de informes de larga forma
• Salud: Automatizando formularios de admisión, reclamaciones y registros médicos

Una empresa de camiones utilizó Retab para identificar la configuración de modelo más pequeña y rápida que cumpliera con su requisito de precisión del 99%—reduciendo el costo de cómputo y la latencia sin sacrificar el rendimiento. Una firma financiera redujo días de su análisis trimestral al utilizar Retab para extraer indicadores de riesgo estructurados de documentos de inversores.

“La economía de la inteligencia artificial depende de convertir documentos humanos desordenados en datos verificables y estructurados,” dijo Florian Douetteau, CEO de Dataiku. “Retab es la plataforma que hace que ese salto sea posible a escala.”

Mirando hacia adelante

Retab ahora se expande más allá de los documentos: las próximas versiones permitirán a los usuarios extraer datos de páginas web y contenido dinámico, abriendo la puerta a casos de uso como análisis competitivo, cumplimiento de normas y automatización de incorporación. Las integraciones con herramientas como Zapier, n8n y Dify también están en camino, lo que permitirá a Retab integrarse en flujos de trabajo existentes sin código personalizado.

A largo plazo, Retab tiene como objetivo convertirse en la capa de middleware entre los datos no estructurados del mundo y los agentes de inteligencia artificial que dependen de ellos—ya sea para la búsqueda empresarial, la automatización de procesos robóticos o los copilotos de inteligencia artificial.

A pesar de tener solo diez empleados, Retab ya está siendo reconocido como un bloque de construcción fundamental para los desarrolladores que crean productos nativos de inteligencia artificial—no solo otro proveedor, sino un conjunto de herramientas para operativizar la realidad desordenada de los datos del mundo real.