Adit Abraham, medgrundare och vd för Reducto – intervjuserie

Adit Abraham är medgrundare och vd för Reducto, där han fokuserar på att omvandla komplexa företagsdokument till tillförlitliga data för AI-tillämpningar. Innan han grundade företaget tillsammans med sin MIT-studiekamrat Raunak Chowdhuri studerade han datavetenskap vid MIT, bedrev forskning om maskininlärning vid MIT Media Lab och arbetade med annonsering och sök som produktchef på Google. Reducto växte fram ur grundarnas försök att bygga minnesverktyg för stora språkmodeller, då problem med opålitlig dokumentinläsning återkom gång på gång. Abrahams direkta arbete med de första kunderna bidrog till att forma företagets fokus på noggrannhet, säkerhet, flexibilitet vid driftsättning och förutsägbar prestanda i produktionsmiljö.

Reducto utvecklar infrastruktur för dokumentförståelse som hjälper AI-team att omvandla PDF-filer, skannade dokument, kalkylblad och andra filer till strukturerad och användbar information. Plattformen kombinerar optisk teckenigenkänning, datorseende och visuella språkmodeller för att tolka text, tabeller, figurer, formatering och komplexa sidlayouter. Utöver tolkning erbjuder plattformen verktyg för strukturerad datautvinning, uppdelning av dokument, klassificering och redigering, med källhänvisningar som kopplar den utvunna informationen till dess källa. Bland kunderna finns Harvey, Scale AI, Vanta, Mercor och Rogo. Företagets arbete omfattar generering med förstärkt informationshämtning, sökning och dokumentflöden inom områden som finans, hälso- och sjukvård samt juridik, där korrekt inläsning och spårbara resultat är avgörande.

Reducto växte fram ur utmaningar som du och Raunak Chowdhuri stötte på när ni byggde minnesverktyg för stora språkmodeller. Vad var det konkret som inte fungerade med befintliga dokumentbehandlingsverktyg, och när insåg ni att själva problemet med dokumenttolkning var tillräckligt stort för att bygga ett företag kring?

Vi ville ge modeller tillgång till sammanhang från dokument, så vi lade till en funktion för filuppladdning. Men vi stötte hela tiden på problem med kvaliteten på bearbetningen. Vi provade alla befintliga verktyg som fanns då, men inget av dem höll måttet när det gällde att hantera verkliga, röriga dokument som människor faktiskt laddade upp.

Därför byggde vi en egen lösning för dokumenttolkning, ursprungligen som en funktion i vår produkt för minne i stora språkmodeller. Sedan märkte vi att utvecklare som själva hade stött på problemet visade ett enormt intresse för lösningen och uppskattade den. Vissa team lade veckor på att bygga och underhålla egna inläsningsflöden eftersom de tillgängliga verktygen inte kunde hantera deras dokument på ett tillförlitligt sätt. De samtalen gjorde möjligheten mycket tydligare för oss, eftersom rent och korrekt sammanhang fortfarande gjorde stor skillnad trots att modellerna blev allt mer intelligenta.

PDF-filer är tekniskt sett utformade för att visa information, inte för att göra den maskinläsbar. Vad gör komplexa dokument – särskilt sådana med tabeller, diagram, flerkolumnslayouter eller inbäddade bilder – så svåra för AI-system att förstå på ett tillförlitligt sätt?

När vi människor läser ett dokument tar vi mycket av vår naturliga förståelse för given – vi kan nästan omedelbart dra slutsatser om samband, eftersom vi ser att ett tal hör till en viss kolumnrubrik, att texten fortsätter i en annan kolumn eller att en bildtext syftar på figuren ovanför.

AI-modeller har faktiskt mycket svårt för detta, eftersom PDF-filer inte är utformade för att bevara den här typen av relationell information eller metadata; i grunden är de mycket informationstäta bilder. En tolkare måste återskapa sambanden utifrån sidan, och problemet blir mycket svårare med sammanslagna celler, nästlade tabeller, diagram, skanningar och ovanliga layouter. Eftersom vi fokuserar på problemet med dokumentförståelse kan vi tillförlitligt bearbeta den långa svansen av dokument som AI-modeller tenderar att hallucinera kring och hantera felaktigt.

Reducto kombinerar datorseende, optisk teckenigenkänning och visuella språkmodeller i sin pipeline för dokumentbehandling. Hur samverkar dessa olika tekniker, och var brister traditionella OCR-system fortfarande?

Traditionell OCR har funnits i årtionden och utvecklades för att läsa dokument med ren, tydlig text, tecken för tecken. Det fungerar lätt sämre när dokumenten är handskrivna, skannade, sneda eller innehåller tabeller, vilket ofta gäller merparten av företagsdata.

Reducto var pionjärer med att ta in visuella språkmodeller i området för dokumentbehandling genom ”Agentic OCR”, eftersom vi såg potentialen i att VLM:er kunde förstå mer än bara den rena texten i dokument. Verklig dokumentförståelse kräver sammanhang, noggrannhet och multimodala förmågor. Vår senaste tolkningsmodell, r-1, förenar Agentic OCR med funktioner som formatering, källhänvisningar och layoutidentifiering i en enda genomgång.

Det extra arbetet är viktigt eftersom även en tolkare med mycket hög övergripande träffsäkerhet kan orsaka allvarliga problem om den lilla mängd information som missas innehåller just den figur, klausul eller tabellpost som någon behöver.

I takt med att AI-modeller blir allt mer multimodala och kan tolka bilder och dokument direkt, hur ser du då på hur specialiserade plattformar för dokumentförståelse kommer att utvecklas? Kan grundmodeller så småningom utföra en stor del av det här arbetet själva, eller kommer särskild infrastruktur även fortsättningsvis att behövas?

Vi satsar faktiskt på att AI-modeller bara kommer att bli bättre och snabbare. Eftersom det hela tiden kommer nya modeller håller vi oss uppdaterade genom att utvärdera deras svagheter och integrera deras styrkor i våra egna arbetsflöden, så att vi kan erbjuda våra kunder bästa möjliga prestanda. Reducto vill fungera som ert team för dataintag och hjälpa er att bygga upp verksamheten i takt med att ni växer.

Företag står fortfarande inför den särskilda utmaningen att inte bara behöva prestanda, utan också skalbar genomströmning, styrning och verifierbarhet i produktionsskala – något som grundmodeller fortfarande har svårt att leverera.

Vi testade nyligen detta med benchmarktestet GDP.pdf, som visade att de mest avancerade modellerna fortfarande har svårt att resonera kring komplexa, verkliga yrkesdokument och fick under 15–25 % i strikt godkännandefrekvens på uppgiftsnivå. När Reducto först fick tolka dokumenten och därefter skicka de strukturerade uppgifterna vidare till de mest avancerade modellerna ökade den övergripande träffsäkerheten med nio procentenheter, samtidigt som antalet resonemangstoken minskade med 13 procent jämfört med när modellerna bearbetade dokumenten direkt.

Det visar att det fortfarande finns ett enormt värde i en särskild infrastruktur för dataintag, eftersom de flesta företagsdata ännu inte utnyttjas fullt ut.

Många AI-tillämpningar för företag är i slutändan beroende av retrieval-augmented generation eller agentbaserade system som hämtar information ur interna dokument. Hur stor del av tillförlitlighetsproblemen i dessa system har egentligen sin början tidigare i kedjan, vid inläsning och tolkning av dokument?

En betydande del av problemen uppstår vid inläsningen – team upptäcker dem ofta långt senare, eftersom det felaktiga svaret dyker upp i slutet av arbetsflödet. Om en parser utelämnar en rad i en tabell, blandar ihop läsordningen i två kolumner eller missar en figur kan informationssökningen inte återställa information som aldrig ens lagts in i databasen.

Vi ser ofta att våra kunders slutanvändare får en betydligt bättre upplevelse när kunderna ersätter sin lösning för dataintag med Reducto, eftersom deras RAG- och söksystem ger bättre och mer konsekventa resultat. Harvey såg till exempel en kraftig minskning av kundärenden relaterade till OCR och en mångdubbling av produktanvändningen efter att ha infört Reducto som bearbetningslager.

Reducto har expanderat från tolkning till strukturerad dataextraktion och mer omfattande dokumentflöden. Hur ser nästa nivå av dokumentintelligens ut när ett system väl kan förstå dokumentets underliggande struktur korrekt?

Dataintag är vanligtvis bara det första steget i en mycket större affärsprocess. Ett företag kan få in en fil på 500 sidor och behöva identifiera dokumenten i den, klassificera dem, extrahera specifik information, jämföra den informationen med uppgifter i ett annat system och skicka ovanliga ärenden till en specialist för granskning. Vi har ägnat 2 år åt att träna några av marknadens bästa modeller för dokumentförståelse, och nu lägger vi mer tid på att effektivisera det som händer därefter.

När man på ett tillförlitligt sätt kan förstå innehållet och strukturen i ett dokument går det att automatisera mer av det arbete som människor i dag ägnar tid åt att sammanställa, kontrollera och flytta mellan system. Nästan alla affärsprocesser med höga insatser kan delas upp i steg där människor antingen läser information från andra dokument, fattar beslut utifrån den eller skriver in uppgifter i dem. Vår ambition är att bli det självklara sättet för människor eller agenter att interagera med dokumentdata i framtiden.

Ni har kunder från AI-inriktade företag som Harvey, Vanta, Scale AI, Mercor och Rogo till stora finansinstitut och Fortune 10-företag. Hur skiljer sig kraven på dokumentbearbetning hos en AI-startup från kraven hos ett stort, reglerat företag?

AI-inriktade företag brukar röra sig snabbt, och deras utvecklingsteam vill ha ett API som kan hantera svåra dokument utan att tvinga dem att bygga och underhålla en egen bearbetningslösning. Stora företag värdesätter samma träffsäkerhet, men har ofta ytterligare krav på var data lagras, hur programvaran driftsätts, vad som händer när volymerna ökar kraftigt och om användarna kan spåra ett extraherat värde tillbaka till den ursprungliga sidan. Scale AI använder till exempel Reducto i myndighetsmiljöer där sekretess och lokal driftsättning är viktiga, medan Harvey utvärderade oss utifrån träffsäkerhet, tillförlitlighet, kostnad, svarstid och feltyper innan de gick i produktion efter ungefär sex veckor. Samarbetet med båda kundtyperna har fått oss att fokusera lika mycket på hur Reducto presterar under verkliga produktionskrav som på hur korrekt tjänsten hanterar ett enskilt dokument.

Reducto ska enligt uppgift ha nått mer än 5 miljoner dollar i årliga återkommande intäkter, till stor del genom försäljning som grundarna själva drev, innan företaget byggde upp en särskild säljavdelning. Vad lärde du dig av att tala direkt med de första kunderna om vilka problem utvecklarna faktiskt försökte lösa?

De här samtalen lärde oss att ägna mindre tid åt att prata allmänt om dokumenthantering och mer tid åt att förstå vad kunderna faktiskt försökte åstadkomma. Tidiga säljsamtal blev ofta arbetssessioner där en kund delade med sig av dokumenten som hade fått deras pipeline att fallera, och vi undersökte vad som hände längre fram i processen när extraheringen misslyckades. Inom sjukvården innebar det att se hur en borttappad tabellrad eller en feltolkad måttenhet i en laboratorierapport kunde försena ett ersättningsanspråk eller ge en kliniker en ofullständig patienthistorik. De insatserna höjde ribban för vår noggrannhet: ett högt resultat i ett benchmark säger inte mycket om det döljer de fel som spelar störst roll. Kunderna behövde noggrannhet, men också tillförlitlighet, säkerhet, flexibilitet i driftsättningen och förutsägbar prestanda i stor skala. Att höra det direkt från dem påverkade vad vi byggde.

Reducto bearbetar nu miljarder sidor i månaden. Vilka tekniska utmaningar uppstår i den skalan, särskilt när det gäller svarstid, noggrannhet, kostnader och att upprätthålla konsekventa resultat för mycket olika dokumenttyper?

Jag har sedan länge tappat räkningen på hur många sidor vi bearbetar, så även en liten ineffektivitet kan snabbt bli dyr. Onödiga inferenskörningar på varje sida ökar både kostnaderna och svarstiden, medan en alltför hård optimering för hastighet kan försämra noggrannheten för svåra dokument. Därför lägger vi mycket ingenjörsarbete på att avgöra hur mycket bearbetning varje sida faktiskt kräver.

Med r-1 förbättrade vi extraheringens noggrannhet samtidigt som vi minskade svarstiden och sänkte priset till en cent per sida. Vi arbetar också med att utveckla mer automatisk routning, så att en enkel sida inte förbrukar lika mycket resurser som en sida med en komplicerad tabell eller figur. Med vår nuvarande volym påverkar sådana beslut miljontals sidor varje dag, vilket gör effektivitet till en central teknisk utmaning.

Om vi blickar flera år framåt, när AI-agenter i allt högre grad interagerar med avtal, finansiella handlingar, forskningsartiklar, presentationer och andra företagsdokument, hur tror du att det ideala gränssnittet mellan AI-system och världens ostrukturerade information kommer att se ut?

Dagens AI-agenter är i grunden textbaserade. De är mycket bra på att resonera kring ren, digital information, men verkligheten bygger fortfarande på PDF-filer, kalkylblad, presentationer, inskannade dokument, avtal och finansiella handlingar. Med tiden tror jag att agenter bör kunna interagera med sådana dokument lika naturligt som de i dag interagerar med en textfil.

Utvecklare ska inte behöva ägna särskilt mycket tanke åt OCR, parsning, val av modell eller dokumentstruktur. En agent bör kunna ta emot vilken fil som helst, förstå vad den innehåller, spåra viktig information tillbaka till källan och använda den informationen på ett tillförlitligt sätt i den uppgift den ska lösa. Den underliggande infrastrukturen bör avgöra hur dokumentet ska bearbetas, välja rätt modeller och uppmärksamma användaren på osäkerhet när mänskligt omdöme verkligen behövs.

I slutändan är det den här arbetsfördelningen vi vill ha: maskiner sköter repetitivt dokumentarbete, medan människor ägnar sin tid åt beslut som kräver sammanhang, institutionell kunskap och omdöme. Dokument innehåller en enorm mängd av den information som företag bygger sin verksamhet på, så att göra informationen verkligt anpassad för AI-agenter blir ett stort lyft för hur användbar AI kan bli i verkliga affärsprocesser.

Tack för en givande intervju. Läsare som vill veta mer om hur komplexa dokument omvandlas till tillförlitliga data för AI-tillämpningar kan besöka Reducto.