Adit Abraham、Reductoの共同創業者兼CEO — インタビューシリーズ

Adit AbrahamはReductoの共同創業者兼CEOで、企業向けの複雑な文書をAIアプリケーションで活用できる信頼性の高いデータに変換することに取り組んでいます。MITの同窓生であるRaunak Chowdhuriとともに同社を創業する前は、MITでコンピューターサイエンスを学び、MITメディアラボで機械学習の研究に従事し、Googleではプロダクトマネージャーとして広告と検索に携わりました。Reductoは、創業者たちが大規模言語モデル向けのメモリーツールを開発する中で、信頼性に欠ける文書の取り込みが繰り返し障害となったことをきっかけに生まれました。Abrahamが初期の顧客と直接やり取りした経験は、正確性、セキュリティ、柔軟な導入方法、本番環境での安定した性能を重視する同社の姿勢を形作る一助となりました。

Reductoは、AIチームがPDF、スキャン文書、スプレッドシートなどのファイルを、構造化された使いやすい情報に変換できるよう支援する、文書インテリジェンス基盤を開発しています。同社のプラットフォームは、光学文字認識、コンピュータービジョン、視覚言語モデルを組み合わせ、テキスト、表、図、書式、複雑なページレイアウトを読み取ります。解析に加え、構造化データの抽出、文書の分割、分類、編集のためのツールも提供しており、抽出した情報とその出典を結び付ける引用情報も備えています。顧客にはHarvey、Scale AI、Vanta、Mercor、Rogoが含まれます。同社は、金融、医療、法律など、正確なデータ取り込みと追跡可能な結果が不可欠な分野で、検索拡張生成、検索、文書ワークフローに取り組んでいます。

Reductoは、大規模言語モデル向けのメモリーツールを開発する中で、あなたとRaunak Chowdhuriが直面した課題から生まれました。既存の文書処理ツールでは具体的に何がうまくいかず、文書解析そのものが会社を立ち上げるほど大きな課題だと気づいたのはいつですか？

モデルが文書の内容をコンテキストとして利用できるようにするため、ファイルのアップロード機能を追加しました。しかし、処理品質の問題に何度も直面しました。当時利用できた既存のツールはすべて試しましたが、実際に人々がアップロードする、雑然とした現実の文書を扱ううえで、私たちの基準を満たすものはありませんでした。

そこで、当初は自社のLLMメモリー製品の機能として、独自の解析ソリューションを開発しました。その後、同じ問題に自ら直面した開発者たちから大きな反響があり、私たちのソリューションを高く評価してもらえました。利用可能なツールでは文書を安定して処理できなかったため、独自のデータ取り込みパイプラインの構築と保守に何週間も費やしているチームもありました。そうしたやり取りを通じて、この分野の可能性がより明確になりました。モデルの知能がますます向上しているにもかかわらず、クリーンで正確なコンテキストが依然として大きな違いを生むからです。

PDFは、情報を機械で読み取れる形にするためではなく、情報を表示するために設計されています。特に表、グラフ、複数段組のレイアウト、埋め込み画像を含む複雑な文書は、AIシステムが安定して理解するうえで、なぜこれほど難しいのでしょうか？

人間が文書を読むとき、私たちは自分たちの自然な理解力を当たり前のものとして捉えがちです。特定の列見出しの下にある数字や、別の列へ続く文章、上にある図を指すキャプションなどを目で確認できるため、ほとんど瞬時にそれらの関係を推測できます。

AIモデルは、実際にはこうした処理を非常に苦手としています。PDFはこの種の関係性やメタデータを保持するように設計されておらず、実質的には非常に情報密度の高い画像だからです。解析システムはページからそうした関係を再構成しなければならず、セルの結合、入れ子になった表、グラフ、スキャン文書、特殊なレイアウトがあると、問題はさらに難しくなります。私たちは文書理解の課題に注力しているため、AIモデルが幻覚を起こしたり、処理を誤ったりしがちな、扱いの難しい多様な文書も安定して処理できます。

Reductoは、文書処理のパイプラインでコンピュータービジョン、光学文字認識、視覚言語モデルを組み合わせています。これらの技術はどのように連携し、従来のOCRシステムは今もどのような点で課題を抱えているのでしょうか？

従来のOCRは数十年前から存在し、きれいで読みやすい文書のテキストを一文字ずつ読み取るために開発されました。手書き、スキャン、傾きのある文書や表を扱うと、こうした仕組みは簡単に機能しなくなります。そして、企業データの大半はそうした形式です。

Reductoは、視覚言語モデル（VLM）が文書の単なるテキスト以上のものを理解できる可能性に着目し、「Agentic OCR」によって視覚言語モデルを文書処理分野に先駆けて導入しました。真の文書インテリジェンスには、コンテキスト、正確性、マルチモーダルな能力が必要だからです。最新のr-1解析モデルは、Agentic OCRの能力に書式設定、引用情報、レイアウト検出などの機能を組み合わせ、1回の処理で実行します。

この追加の処理が重要なのは、全体として非常に高い精度を持つ解析システムであっても、見落としたわずかな情報の中に、誰かが必要としている図表、条項、表の項目が含まれていれば、深刻な問題を招きかねないからです。

AIモデルがますますマルチモーダルになり、画像や文書を直接解釈できるようになる中で、専門的な文書インテリジェンスプラットフォームの役割はどのように変化すると考えていますか？基盤モデルが将来的にこうした作業の多くを自力で担えるようになるのでしょうか。それとも、専用のインフラは今後も必要でしょうか？

私たちは、AIモデルは今後も進化し、より高速かつ高性能になると確信しています。新しいモデルが次々と登場するなか、弱点を評価して最新の状況を把握し、その強みを自社のパイプラインに取り入れることで、お客様に総合的に最高の性能を提供し続けています。Reductoは、お客様のデータ取り込みチームとして、お客様の成長に合わせて一緒に構築を支援したいと考えています。

企業には、性能だけでなく、本番環境の規模で実現する拡張可能な処理能力、ガバナンス、検証可能性も求められるという、独自の課題があります。こうした要件を満たすのは、現時点では基盤モデルにとって依然として困難です。

最近、GDP.pdfベンチマークを使って検証したところ、最先端モデルは実際の複雑な業務文書の推論に依然として苦戦しており、厳格なタスク単位の合格率は15～25％未満でした。Reductoで先に文書を解析し、構造化データを最先端モデルに渡すことで、文書を直接処理させた場合と比べ、マクロ精度が9パーセントポイント向上し、推論トークンを13％削減できました。

企業データの大半がいまだ十分に活用されていないことから、専用のデータ取り込みインフラには今なお大きな価値があります。

多くの企業向けAIアプリケーションは、最終的に、検索拡張生成や、社内文書に埋もれた情報にアクセスするエージェント型システムに依存しています。こうしたシステムの信頼性の問題は、実際にはどの程度、上流工程にあたる文書の取り込みや解析に起因するのでしょうか？

問題のかなりの部分は取り込みの段階ですでに生じています。パイプラインの最後で不正確な回答が表面化するため、チームが問題に気づくのはずっと後になることがよくあります。パーサーが表の行を落としたり、2列の読み取り順序を混同したり、図表を見落としたりすれば、そもそもデータベースに取り込まれなかった情報を検索で取り戻すことはできません。

取り込み処理をReductoに置き換えた後、顧客のエンドユーザー体験が大きく向上するケースをよく目にします。RAGや検索システムが、より一貫して優れた結果を返すようになるためです。たとえばHarveyでは、処理レイヤーとしてReductoを導入した後、OCR関連の顧客問い合わせが大幅に減り、製品の利用が何倍にも増えました。

Reductoは解析にとどまらず、構造化抽出や、より広範な文書ワークフローへと領域を広げています。文書の基礎的な構造をシステムが正確に理解できるようになった後、文書インテリジェンスは次にどのような段階へ進むのでしょうか？

データの取り込みは通常、より大きなビジネスプロセスの最初の一歩にすぎません。たとえば、企業が500ページのファイルを受け取り、その中の文書を特定して分類し、特定の情報を抽出し、その情報を別のシステムのデータと照合したうえで、例外的なケースを専門家に回して確認してもらう必要があるかもしれません。私たちは2年間、市場最高水準の文書理解モデルのトレーニングに取り組んできました。今は、その後のプロセスをどう効率化するかに、さらに力を注いでいます。

文書の内容と構造を確実に理解できれば、人々が現在、情報をまとめ、確認し、システム間で移すために費やしている作業を、さらに自動化できます。ほぼすべての重要なビジネスワークフローは、人が文書から情報を読み取り、判断を下し、別の文書に記入する工程として捉え直せます。私たちは将来、人やエージェントが文書データを扱う際の標準的な手段になることを目指しています。

Harvey、Vanta、Scale AI、Mercor、RogoなどのAIを中核に据えた企業から、大手金融機関やFortune 10企業まで、幅広い顧客がいます。AIスタートアップと、規制の厳しい大企業では、文書処理の要件はどのくらい異なるのでしょうか？

AIを中核に据えた企業は迅速に動く傾向があり、エンジニアリングチームは、独自の処理基盤を構築・保守しなくても難しい文書を扱えるAPIを求めています。大企業も同じように精度を重視しますが、データの保管場所、ソフトウェアの導入方法、処理量が急増した際の対応、抽出した値を元のページまでたどれるかどうかなど、追加の要件を抱えていることがよくあります。たとえばScale AIは、機密性とオンプレミス導入が重視される政府機関の環境でReductoを利用しています。一方、Harveyは、本番環境への導入に進む前に、精度、信頼性、コスト、遅延、障害モードにわたって当社を評価し、その期間は約6週間でした。両方のタイプの顧客と協業するなかで、個々の文書をどれほど正確に処理できるかだけでなく、実際の本番環境の要件のもとでReductoがどのように機能するかにも、同じくらい重点を置くようになりました。

Reductoは、専任の営業組織を構築する前に、創業者主導の営業を中心に、年間経常収益が500万ドルを超えたと報じられています。初期の顧客と直接話したことで、開発者が実際に解決しようとしていた課題について、どのようなことを学びましたか？

こうした対話を通じて、文書処理について広く語る時間を減らし、顧客が実際に何を実現しようとしているのかを理解することに、より多くの時間をかけるようになりました。初期の営業電話は、顧客がパイプラインで問題を起こした文書を共有し、情報抽出に失敗した場合に後工程で何が起きるのかを一緒に掘り下げる、実務的な作業セッションになることもよくありました。医療分野では、検査報告書の表の行が抜け落ちたり、単位が誤って読み取られたりすることで、保険請求が遅れたり、医療従事者が不完全な患者の病歴をもとに対応せざるを得なくなったりすることを目の当たりにしました。こうした重大な影響を踏まえ、精度の基準を見直しました。ベンチマークで高いスコアを得ても、最も重要なエラーが見過ごされているなら、ほとんど意味がありません。顧客が求めていたのは精度だけでなく、信頼性、セキュリティ、柔軟な導入方法、そして大規模運用でも予測可能な性能でした。顧客から直接それを聞いたことが、私たちの開発内容を形作りました。

Reductoは現在、毎月数十億ページを処理しています。この規模では、特にレイテンシー、精度、コスト、そして種類が大きく異なる文書間で一貫した結果を維持するうえで、どのようなエンジニアリング上の課題が生じますか？

処理しているページ数はもう把握できていません。そのため、わずかな非効率でもすぐに大きなコストにつながります。すべてのページで不要な推論を行えばコストとレイテンシーの両方が増える一方、速度を優先しすぎると難しい文書の精度が損なわれるおそれがあります。そのため、各ページにどれほどの処理が実際に必要なのかを見極めることに、多くのエンジニアリングの労力を費やしています。

r-1では、解析精度を高めながらレイテンシーを短縮し、価格を1ページあたり1セントに抑えました。また、単純なページに複雑な表や図を含むページと同じリソースを使わないよう、より自動的に処理を振り分ける仕組みの実現にも取り組んでいます。現在の処理量では、こうした判断が毎日数百万ページに影響するため、効率性はエンジニアリングの中核的な課題の一つです。

数年先を見据え、AIエージェントが契約書、財務記録、研究論文、プレゼンテーションなどの企業文書をますます扱うようになるなかで、AIシステムと世界中の非構造化情報をつなぐ理想的なインターフェースは、どのようなものになるとお考えですか？

現在のAIエージェントは、根本的にテキストを中心に設計されています。整理されたデジタル情報を推論するのは非常に得意ですが、現実の世界では今もPDF、スプレッドシート、プレゼンテーション、スキャン文書、契約書、財務記録が使われています。いずれエージェントは、現在テキストファイルを扱うのと同じくらい自然に、こうした文書を扱えるようになるべきだと考えています。

開発者がOCR、解析、モデル選択、文書構造について深く考える必要はないはずです。エージェントはどのようなファイルでも受け取り、その内容を理解し、重要な情報の出典をたどり、完了すべきタスクに応じてその情報を確実に活用できる必要があります。その基盤となるインフラが、文書の処理方法や適切なモデルを決定し、人間の判断が本当に必要な場合には、不確実性を人に引き継ぐべきです。

最終的に目指すべき役割分担は、機械が反復的な文書業務を担い、人は文脈、組織についての知識、判断力を必要とする意思決定に時間を使うことだと思います。文書には、企業活動を支える膨大な情報が含まれています。その情報をエージェントが扱いやすい形にすることは、実際の業務プロセスでAIがどれほど役立つかを大きく高める鍵となるでしょう。

素晴らしいインタビューをありがとうございました。複雑な文書をAIアプリケーション向けの信頼できるデータに変える方法について詳しく知りたい方は、Reductoをご覧ください。