Retab kerää 3,5 miljoonaa dollaria ja lanseeraa tekoälypohjaisen alustan muuttamaan sekavat asiakirjat rakenteelliseksi dataksi

Kehittäjille, jotka rakentavat tekoälypohjaisia työkaluja logistiikka-, rahoitus- ja terveydenhuoltoalalla, yksi haaste estää jatkuvasti: saada suuret kielimallit (LLM) luotettavasti hakemaan tietoja oikeasti maailman asiakirjoista. PDF-laskut, 200-sivuiset raportit, käsin kirjoitetut lomakkeet ja skannatut henkilökortit usein aiheuttavat ongelmia muuten voimakkaille tekoälyjärjestelmille.

Retab, uusi startup, joka perustettiin insinöörien toimesta, jotka kohtasivat tämän ongelman omakohtaisesti, on nyt lanseerattu ratkaisemaan tämän ongelman. Yhdessä alustansa julkistamisen kanssa yhtiö ilmoitti myös 3,5 miljoonan dollarin ennakko-rahoituksen, jota johtavat VentureFriends, Kima Ventures, ja K5 Global, mukana StemAI:n Eric Schmidt, Datadog (DDOG ):n toimitusjohtaja Olivier Pomel ja Dataiku:n toimitusjohtaja Florian Douetteau.

Retab ei ole vain toinen LLM-toimittaja, vaan se sijaitsee yhden kerroksen ylempänä tarjoamalla kehittäjien ensisijaisen alustan asiakirjojen tekoälylle, joka antaa käyttäjille mahdollisuuden määritellä tarkalleen, mitä tietoja he haluavat hakea, ja sen jälkeen hoitaa koko prosessin: merkintä, arviointi, ohjelmistosuunnittelu, mallin vertailu ja reititys.

“Ihmiset rakentavat tekoälydemoja, jotka näyttävät taikauskoisilta, mutta hajoavat tuotannossa,” sanoi Louis de Benoist, Retab:n perustaja ja toimitusjohtaja. “Rakensimme Retab:n, koska olimme väsyneitä raskaiden putkien yhdistämiseen vain muutamien kenttien hakemiseksi asiakirjasta. Nyt kehittäjät voivat keskittyä siihen, mitä schemaa he haluavat – me huolehdimme loput.”

Mitä Retab todella tekee

Retab muuttaa rakenteettomat asiakirjat – PDF:t, skannaukset, lomakkeet – puhdistetuiksi, rakenteellisiksi JSON- tai taulukkomuotoisiksi tuloksiksi, joita kehittäjät voivat laskea tuotantojärjestelmiin. Rakennettu SDK:na ja alustana, se abstrahoi pois kaiken tekoälypohjaisten tietojen hakuprosessien monimutkaisuuden.

Yritykset, jotka käyttävät Retab:ia, kuvaavat yksinkertaisesti schemaa, jota he haluavat. Retab generoi sitten automaattisesti merkityt kokoelmat, valitsee optimaalisen LLM:n, hienostaa ohjelmistosuunnittelua ja hoitaa virheiden havaitsemisen ja uudelleenyrityksen logiikkaa. Se varmistaa tuotantoon sopivan tarkkuuden kolmen ydinteknologian avulla:

• Itseoptimointi: Retab käyttää sisäistä tekoälyagenttia testaamaan ja parantamaan hakuprosessia käyttäen todellisia esimerkkejä, mikä poistaa tarpeen manuaaliselle säätölle.
• Älykäs mallin reititys: Alusta on malliriippumaton ja vertailee automaattisesti LLM:n suorituskykyä (esim. OpenAI, Anthropic, Google ), reitittäen jokaisen asiakirjan parhaalle mallille perustuen kustannuksiin, nopeuteen ja tarkkuuden vaatimuksiin. Tämä on mahdollistanut joillekin käyttäjille kustannusten leikkaamisen jopa 100-kertaisesti.
• k-LLM-yhteisö ja ohjattu päättely: Sen sijaan, että riippuisi yhden mallin tuloksesta, Retab toteuttaa askelkohtaisen päättelyn (ketjuajattelu) ja suorittaa useita malleja rinnakkain saavuttaakseen yhteisymmärryksen. Jos epävarmuutta jää, se merkitään tai lasketaan uudelleen, antaen kehittäjille luottamusta jokaiseen vastaukseen.

Tämä orkestraatiokerros antaa kehittäjille mahdollisuuden muuttaa virheherkkät asiakirjavirrat – kuten sopimussopimuksen, henkilöllisyystodistuksen tai laskujen analyysin – skaalautuviksi, itsekorjaaviksi järjestelmiksi.

Logistiikasta infrastruktuuriin

Perustajat alun perin rakensivat Retab:n perustan automatisoimalla sisäisiä prosesseja asiakirjojen raskaasti kuormittamalle logistiikkatoimialalle. Mutta kun he jalostivat työkaluja, he tajusivat sen arvon ylittävän jokaisen yksittäisen käyttötapausten. Nykyään Retab:ia käytetään jo kymmenissä yrityksissä eri aloilla:

• Logistiikka: Purkamalla lähetysohjeita, tullimääräyksiä ja toimitusrekisteröintejä
• Rahoitus: Hakemalla riskitekijöitä ja taloudellisia mittareita pitkistä raporteista
• Terveydenhuolto: Automatisoimalla otto- ja vaatimuslomakkeita, korvausvaatimuksia ja lääkärintodistuksia

Yksi kuorma-autofirma käytti Retab:ia tunnistamaan pienimmän, nopeimman mallikonfiguraation, joka täytti heidän 99 prosentin tarkkuusvaatimuksensa – vähentämällä laskutus- ja viivekustannuksia ilman suorituskyvyn uhraamista. Rahoitusyhtiö leikkasi päivät pois neljännesvuosittaisesta analyysistä käyttämällä Retab:ia hakemaan rakenteellisia riski-merkintöjä sijoittajadokumenteista.

“Tekoälytalous riippuu siitä, voidaanko muuttaa sekavat, ihmisten luettavat asiakirjat rakenteelliseksi, verifioiduksi dataksi,” sanoi Florian Douetteau, Dataiku:n toimitusjohtaja. “Retab on alusta, joka tekee tämän loikan mahdolliseksi skaalassa.”

Tulevaisuuden näkymät

Retab laajentaa nyt asiakirjojen ulkopuolelle: tulevat julkaisut sallivat käyttäjien hakea tietoja verkkosivuilta ja dynaamisesta sisällöstä, avaen ovia uusiin käyttötapauksiin, kuten kilpailuanalyysiin, noudattamisen skannaukseen ja automaatioon. Integraatiot työkalujen kanssa, kuten Zapier, n8n ja Dify, ovat myös tulossa, jolloin Retab voi sulautua olemassa oleviin työvirtoihin ilman mukautettua koodia.

Pitkällä aikavälillä Retab pyrkii muodostumaan välikerrokseksi maailman rakenteettoman datan ja sen tekoälyagenttien välillä – olipa kyse sitten yritysten hakutoiminnasta, RPA:sta tai tekoälyavustajista.

Vaikka Retab:illa on vain kymmenen työntekijää, Retab on jo tunnustettu perusrakennuspalikka kehittäjille, jotka rakentavat tekoälyominaisuuksia – ei vain toimittaja, vaan työkalupakkaus, joka ottaa käyttöön sekavien, maailmanlaajuisten asiakirjojen todellisuuden.