我们加入Y Combinator的那天，我们就告诉了他们我们要转型。当人们把文档上传到Chatbot时，没人会去思考复杂性问题。你只是期望它能正常工作。另一方面，用来解决这些问题的工具原本要强大得多。对我们来说，文档几乎是人类工作的抽象和产物。这是我第一次发现智能体在许多任务上比人类更擅长结构化提取，即使PDF包含各种细微的复杂情况。鉴于大型模型实验室也专注于知识工作，为什么你认为这不是一个他们能解决的问题？这需要像Reducto这样独立的公司来真正专注于此。
其中被低估的一点是问题范围的深度。是的，实验室也许可以深入挖掘试图构建所有这些单独的工具，但我 personally 相信他们正处于军备竞赛中。>> Adit，欢迎来到我们的播客工作室。很高兴见到你。谢谢邀请我。我想从一个问题开始对话：当你和Ronic最初开始在Reduct工作时，我认为你们在处理一些内存相关问题。是什么让你们的注意力转向文档？为什么这仍然是一个未解决的问题？
我们是在2023年开始的，当时模型的上下文窗口非常糟糕，所以内存是那个时期人们最关注的问题。我记得我们加入Y Combinator的那天，我们告诉Diana我们要转型。她对此出奇地包容。现在回顾起来，我们的框架在当时并不像现在这么清晰：如果考虑到智能体将从事各种人类工作。文档对我们来说几乎就是这些抽象和产物，对吧？
像医疗保健、法律、金融和保险等大量的白领工作都存在于PDF和电子表格中。你从中读取信息，向其中写入内容，它们目录化这些知识。因此，如果你要让智能体在医疗保健领域工作，读取诸如患者记录之类的东西，那么拥有与人类查看时相同的保真度就非常重要。这不仅仅是说“哎呀，我勾选错了复选框”，而是关乎患者的结果。
所以我们对此感到非常兴奋：你将在历史上处理比以往更多的文档。如何构建这种连接合成智能与人类知识的界面？这是一个非常深奥的领域。我们真正到达这里的诚实答案是，恰逢其时地遇到了垂直AI应用的兴起。我们的背景是计算机视觉，我们开始与许多早期的原生AI公司交谈，并惊讶地发现人们一直在挣扎于他们的文档处理基础设施。
因为我们的背景是CV研究，所以我们想从更广泛的问题角度来看待它：你会如何像人类那样去阅读？由此衍生出了后续的发展。我想稍微分解一下。我认为OCR技术已经有20年的历史了。>> 有一段时间了。是的，而且我知道Reducto是建立在视觉语言模型之上的。能不能简要透露一下两者的区别？
传统技术为何不够好，大型模型和前沿VLM如何驱动解决这些混乱问题，以及仍有哪些未解决的开放性问题？请为我们拆解Reducto的文档世界。我总是开玩笑说，我 literally 遇到过从事PDF处理时间比我年龄还长的人。（笑声）在20世纪90年代，有人致力于编写打印PDF的驱动程序，这是该格式的原始目的：如何忠实地呈现页面上的所有字符？
你可以将其分为几个阶段。首先是文件处理问题，然后出现了基于OCR的IDP公司。通常你会对W2表格进行模板化，比如你对像素级别有理解：名字出现在这里。然后后处理文本。这对于许多一致的流程来说没问题，但2023年发生的变化是：当人们把文档上传到ChatGPT时，没人会去思考复杂性。
你只是期望它能正常工作。另一方面，用来解决这些问题的工具要强大得多。VLM具有对内容进行推理的概念，这是历史上你所不具备的。这两件事在我们创立时恰好结合在了一起。最终这些文档只是图像，你有一个9x11的网格信息可以以任何方式构建。这不仅仅是页面上的字符。
比如当你有两列时，你要理解你在读第一列和第二列；当有表格时，它是二维数据但你想要保留行、列、合并单元格及其间的一切。所以我们最初开始从两部分问题来看待它：如何使用传统计算机视觉来保留结构，以及如何将VLM用作校正循环。因为存在明显的准确性、成本和延迟权衡。
我们非常关心不仅仅是准确性，还有确定性和可追溯性。我们的客户需要知道答案从何而来。传统CV在这方面做得很好。但随着人们推动多模态的发展，我们在如何为此类任务构建最佳VLM方面做了很多有趣的工作。这就是R1介入的地方：现在我们要有一个统一的模型，在没有历史权衡的情况下完成端到端处理。
你仍然有边界框并且非常一致，但它捕获了页面上的所有内容。既然提到了R1，让我们谈谈那个模型。我想你们最初是从使用现成模型开始的，但决定对基础模型进行后训练——那就是R1。据报道它准确率更高、速度更快且成本更低。能否多谈谈你们是如何在这个模型上达到前沿水平的？
你认为这在用例方面能解锁什么？鉴于你知道这是这个模型以及整个 AI 领域强大的地方，当你能够开启一个新的前沿时，你就拥有了以前认为不可能、但现在可能实现的用例。我认为 Reducto 已经一次又一次地证明了这一点。
是的，我们的工作有很多内容。我们很幸运拥有该领域一些最顶尖的研究人员加入团队。这不仅仅是一个季度的突破，我将其视为自公司成立以来我们所做工作的结晶。有一段时间我们花了大量时间在捕获生产环境中的错误，比如找出如何创建反馈循环：“嘿，我们在表格上搞砸了。我们如何创造更好的表格表示？”
我们还幸运地与一些最难处理的数据分布合作。我们与最大的企业、领先的 AI 原生公司合作，他们帮助我们了解了不同类型模型失败的边缘情况。因此，我们投入了大量时间，不仅关注模型架构，还关注围绕它的数据管道、如何评估产品以及在模型的训练中和后训练阶段建立非常好的强化学习循环。
最杂乱的数据类型有哪些？解决这些边缘情况最难的是什么？能给我们一些例子吗？这取决于你使用的工具。例如，文档语言模型（DLMs）的一个特征是重复变得非常令人讨厌，你会遇到用句点分隔不同空间的 PDF。人们就这样组织内容，当你连续看到 100 个句点时，模型就会开始重复输出句点。
但我们看到的范围实际上比这些几乎属于最后一公里的技术细节要难得多，因为在现实世界中，你会遇到跨越两页的内容。也许扫描得并不完美，列也有些错位，因此你需要开始思考结构，并积极应用专门的管道将这些内容合并在一起并保留上下文。
你可以想象当人们捕获蓝图和图表时，这些页面非常密集。作为人类需要放大才能解读它，因此你几乎需要一个基于补丁的方法来理解页面上的内容。这些正是我们想要确保做到极致的地方。
也许再谈谈准确性。我发现每提升一个数量级的准确率，你就能解锁更多用例进入更完全自动化或自动化的范围。许多传统 OCR 实际上处于 70% 到 80% 的范围，甚至接近不了 90%，或者是 75、98%。你们的目标是什么？你是如何看待保留人工回路的权衡的，还是说你可以使用智能体来替代整个文档处理管道？
是的。这实际上涉及我们在解析之外所做的工作。我认为解析是理解页面上内容的基础构建模块。对于绝大多数用例，我们今天实际上可以达到 90% 以上的高准确率。当然也有边缘情况，比如医生的手写体我读不懂，所以我甚至不知道我们做得好不好。
但如果你考虑像 N10 这样的任务，比如你接收一个贷款包。这不仅仅是解析，还要拆分内容、提取各个字段，也许最后还要编辑贷款申请表。每个步骤都需要准确。如果你接收 dozen（一打）文件，你不能指望单个页面的准确率只有 90%，因为这些错误会累积。
因此我们最近很多有趣的工作不仅仅在模型层，我们还开始发布围绕我们所做工作的工具包。Deep Extract 就是一个很好的例子，这是我第一次发现智能体在许多测试中比人类更擅长结构化提取。我们发现人工标注的地面真值中存在很多错误，否则他们不会知道，因为那是你们认定的地面真值。
但当你思考时，人类会犯各种错误，对吧？人们可能会遗漏内容，可能漏掉行，也许因为懒惰只填写部分信息。但如果你有一个工具包，其中智能体不仅提取信息还能自我纠正、审查其输出，你就能在追求完美准确率方面获得无限的可能。
那么在准确性和延迟之后，我们来谈谈成本。现在我们已经将高质量解析和提取的成本降至每页一分钱左右。你是如何看待拥有如此强大的文档处理管道后可能发生什么的？它能解锁什么其他用例？人们之前犹豫是否要通过模型或管道处理的，现在我们可以从经济角度考虑使用智能体的用例有哪些？
是的。很长一段时间里，大多数 AI 产品都是聊天机器人，你只能处理受限来源集的内容。但如果你要让智能体工作，人类非常擅长意识到：“嘿，我缺少信息，让我去找更多。”因此理想情况下，你希望你的智能体搜索网络以获取内容。
你还希望它们在你的知识库中查找并检索更多内容。理想情况下，人们不应该从“解析一页花费这么多成本”的角度思考问题，从而决定只有这些页面进入准确管道。今天早上我们刚刚突破了第 70 亿页的处理量，目前我们每月处理数十亿个页面。
因此我们要达到的目标是：每一个需要被模型阅读的页面都首先通过 Reducto 进行处理。这需要毫无摩擦。因此我们团队还有很多工作要做，每页一美分是我们的标价。但我们正在做大量工作来理解在更高容量下，如果有人想要处理数百亿个页面，我们如何大规模地实现这一点。
非常酷。祝贺你们突破 70 亿页。我记得你发推文说花了多久才达到 10 亿？它每次都快得更多。是的，每一次都是如此。（笑声）
你对达到 80 亿页有什么预测吗？我们说这将在十月底出来。我想我们会在那之前超过 80 亿页。
真是酷毙了。我们一直在刷新每周处理页面的记录，这太棒了。嗯……也许我们可以多谈谈推动这种增长背后的因素？比如我们看到的负载类型，涉及大量文档的工作。我可以将早期的用例浪潮归类为不同形式的信息综合，比如聊天机器人最终对许多人来说就是搜索工具。因此早期我们开始与许多领先的AI原生公司合作，比如像Harbies、Rogos这样的巨头。
但越来越多地，我们开始被最大的对冲基金、私募股权公司以及科技公司所采用，用例五花八门。有些情况下他们正在构建工具，让智能体对数据进行推理；而在另一些情况下，他们试图做实际的工作。比如如果你是一家对冲基金，聚合信息的数据管道就是你在市场上的竞争优势，对吧？
所以如果能在收集所有可用信号时更快、更稳健，那就是Alpha收益（超额回报）。这些正是我们开始越来越多看到的趋势。
很乐意谈谈你们开发的Harness，并多讲讲其背后的灵感，以及最大的私募股权基金和金融服务机构是如何采用它的。我们开始看到许多客户同时使用两个或多个端点。如果你要在生产环境中部署，你不仅需要出色的解析准确率，还需要用于评估、审查以及构建个人工作流的工具。
我们希望让这一切变得更容易。还有一些小细节，我认为在现实世界中思考时真的很难处理。比如如果你以前谈判过合同，你的笔记本电脑里某个地方会有多版修订版的条款清单。除非有人给文件贴上“最终”之类的标签，否则很难让人理解哪个是最新版本。
因此你会遇到内容重复的问题。你需要调和相互矛盾的不同信息集。这建立在我们所做的大量工作的基础上，我们投入了大量时间进行引用：不仅说明“这是答案”和“来源文档”，还指出具体是哪个词让我们知道X是正确答案。
如果你在一个文档中知道了这一点，在另一个文档中也知道了同样的信息，你就能更容易地让智能体进行推理和理解。比如：通过查看这两种类型的信息并加以调和，我应该如何得出真相？这就是我们真正想做的事情。我们希望文档工作变得更加普及。
支撑这一点的是，我最近跟团队聊过这件事。如果你看2023年的代码生成市场，当时工具仅仅是代码补全功能时，它们的规模只是今天的一小部分。我很钦佩Cursor这家公司，我记得我有个朋友剃了光头来参加晚餐聚会。他们为了庆祝达到100万美元的年经常性收入（ARR），全都剃了光头，哈哈。
那是Cursor的一个重大里程碑。是的……现在看看市场，其中许多公司的ARR已经超过了十亿美元。但在专业服务市场中你还没有看到这种现象。问题是为什么？是因为价值不足吗？显然不是。
医疗保健、保险、法律和金融等领域有大量的纸质工作密集型任务。我认为其中很大一部分原因是存在这些“二阶问题”，而不仅仅是智能性的问题，我们希望帮助客户解决这些问题。
你认为这在多大程度上是技术问题，又在多大程度上是文化及采用速度的问题？比如人们不够信任机器。尽管我们知道对于某些类型的工作，机器的准确率可能远高于人类（后者可能会漏掉行、列或数据未填写），但他们仍然习惯于这种常规操作。
毕竟，开发者想要自动化取代自己的工作，这在文化上是可接受的且令人兴奋的。哈哈……是的，科技领域确实有一部分热情因素，这些对技术人员来说几乎像是玩具一样可以玩弄。
但我认为后果也是一个重要考量。比如如果你用“氛围编程”（vibe coding）写出的代码充满了bug，你可以回滚你的PR（拉取请求），但这在医疗决策中是行不通的。没错，那里的风险是非常真实的。
所以我认为不能仅仅归咎于采用意愿的问题。真正的问题是：如何设置足够的护栏？如何让人们对他们所做的决策有信心？这与我们之前谈到的引用和 grounding（事实依据）等内容息息相关。
是的……也很想深入探讨一下，既然你现在已经拥有自己的模型和Harness，并更深入地融入工作流，接下来会有什么？第一点是我们一直在做大量工作以解锁完整的交互模态范围。一个很好的例子就是文档编辑。
我不知道你是否花过很多时间与Claude for Excel或各种插件打交道，但实际上让智能体处理Office套件是非常困难的。这很奇怪，因为许多人类工作正是在那里发生的。
想象一下Lotus中可能包含的各种不同事物，我喜欢的一个好例子是本地化是一个非常困难的问题。人们在这方面投入了大量时间，但翻译其实很容易：模型可以将自由文本翻译成其他语言。我们希望让应用这些翻译变得更加容易。
比如你有一份英文文档，我们要如何让你轻松将其翻译成阿拉伯语或其他语言？在未来几周内，我们将在这方面推出许多新功能。我们将从Tragpt上的一个插件开始，你将能够编辑任何你喜欢的内容。
你可以把它想象成智能体可以使用的无头版Microsoft Word……但这还没有结束。我认为总体而言，我们希望使这些工具在评估、监控和可观测性方面更加稳健。更广泛地说，我们要实现的目标是让客户更容易使用Reducto来改进他们的管道。
这将从诸如方案优化之类的事情开始，作为一阶问题来处理。但我们真正希望达到的一点是，人们能够有效地应用他们的上下文信息。也许在构建 Reducto 插件这一点上，鉴于大型模型实验室也专注于知识工作，并且他们一直在提升其自身模型在多模态以及视觉方面的能力。你认为为什么这不是一个他们会解决的问题，而是一个需要像 Reducto 这样的独立公司真正专注于此的问题？
是的。我们做的很多工作与智能本身是间接相关的，我们并不试图在推理质量上与这些实验室竞争。我认为其中一点被低估的是问题范围的深度。即使在我阅读了比大多数人类更多的 PDF 文件之后，我仍然会发现一些我们未曾预料到的边缘情况。例如在 PDF 中，你可以拥有包含其他 PDF 的文件夹。如果你考虑渲染一个 Microsoft Word 文件，你会发现并没有好的开源工具能够忠实地表示它。因此像 LibreOffice 这样的库往往存在不足。
所以，是的，这些实验室也许可以深入钻研，试图构建所有这些单独的工具，但我个人相信他们正处于一场为全世界创造超级智能的军备竞赛中。而我们所做的工作更多是围绕这一目标的底层基础设施，使其变得更加有用。另一件事是我发现专注真的非常重要。我们能够限制我们需要擅长的特定问题集，这是我们能够领先的一大原因。我们在这里并没有制造通用模型。
相比之下， powering ChatGPT 的模型的视觉编码器需要能够处理自拍并将其转化为类似吉卜力工作室风格的图像。而我们清楚自己工作的信息领域，我们需要我们的模型在特定的任务集上表现出色。因此对于我们的客户来说，当处理规模不仅仅关乎准确率时——你还需要大规模下的成本和延迟优势——我们在具有可比准确率的模型面前，在价格上能够激进得多。
这在决定何时使用某种工具时产生了巨大差异：你不能将 Astra 用于所有的 PDF 解析测试，但我们希望在我们所做的工作中达到 Astra 级别的质量。这也是我发现很多人误解所在的地方：他们认为只需对模型进行一次一次性调用，就能从长文档中获取所需信息。但通常这是一个管道过程，你必须将文档分解，将其拆分为部分。
我认为你们在这方面投入了大量精力来分解理解文档内容、了解格式，能够准确地进行翻译，并处理所有琐碎的细节，以确保每一部分都被正确解析和提取。同时利用最后阶段的大模型能力。能否谈谈管道的典型组成部分，以及这与这种一次性方法相比在价格和延迟方面有何不同？
实际上有一个非常有趣的基准测试是由 Micro One 发布的。它是独立运行的，我们有幸与他们合作进行了这项测试。该基准侧重于长文档提取测试。我认为它有趣的原因在于，我们当时测试了所有前沿模型、Reducto 以及一些专门的文档解析器。我们发现实际上，在精确率方面，前沿模型优于许多专门用于文档的解析器。鉴于它们正在提取某些内容，它们的正确率更高。
但前沿模型的失败模式实际上是召回率低：它们会无声地丢弃信息。这是在生产中很难发现的问题类型。因此当我们思考像深度提取这样的功能时，那里发生了很多事情：这不仅仅是一个专注于提取的模型。事实上，这个框架对模型是通用的。我们为模型创建了许多工具，使其能够审查自身的输出并制定验证规则。
例如，如果你有一个巨大的发票，你如何让父代理确保项目总和等于总额？正是这些细节使得系统知道何时回去双重检查信息。这是我们在那方面达到近乎完美准确率的唯一方式。这也适用于我们所做的各种事情，包括文档拆分等。
也许触及基准测试的部分。一个基准测试结果可能看起来很棒，我们确实在所有现实场景中对各种情况进行了大量时间投入的基准测试。Micro One 的那个非常具有代表性。但有时它仍然缺少客户自身的一些细节。你认为当你的客户评估 Reducto 与开源模型或其他前沿模型执行类似任务时，什么样的基准测试评估是有用的？他们主要关心什么？
是的。我认为他们应该关心的第一件事是数据的分布，以及理解其是否具有代表性以符合他们的需求。如果你处理的是非常简单的文档，那么一个简单的管道就足够了。你不希望为此查看通用基准测试。但第二点我认为在很多地方都会出错，比如你如何决定衡量什么。我们最近就此发表过一篇文章：在基准测试中制定过于严格的规则通常是一个错误，因为你可以用两种不同的方式忠实地表示相同的信息，而你不希望因此受到惩罚。
AI 行业的一个不幸之处在于（我不是在为 Reducto 开脱，我认为这是一般现象）：基准测试随着时间的推移变成了营销工具。随之而来的下游效应是，当一切都标榜为“最先进”时，很难知道在你的上下文中什么是真正好的。我们发现有时存在极其严重的情况——我不点名了——但我们测试了一个公开的基准，如果你取相同的文档并添加一点噪声，比如倾斜一度或增加一些高斯模糊。
发布基准测试的提供商表现远差于其他所有模型，而其他各家则相对一致。你可以从中得出结论，但这并非普通人会去做的操作。因此我们的建议是，“语言模型作为裁判”的方法如今非常有效，前提是你需要深思熟律的制定方式以及评估方法。我们希望行业能转向让用户使用自有数据进行测试，并借助工具简化这一过程。与其依赖通用基准，不如明确什么最适合你。
客户是否常带着现成的“黄金数据集”来评估模型性能？这虽是预期，但往往存在隐患。我们发现许多团队虽有此类数据集，却因生成方式不同而问题重重：有的由人工生成导致信息遗漏；有的为节省成本使用较弱模型（如Sonnet而非Opus），从而引入错误。尽管拥有某种评估形式日益普遍，但确保其有效性极难。我们致力于与团队紧密合作，帮助他们在进行任何对比测试前建立信心。
目前主流文档仍是PDF吗？还是有其他格式逐渐增多且更难处理？实际上情况五花八门。我们支持40多种文件格式，PDF虽具代表性，但核心仍是图像处理。例如Excel文件可能极大且结构复杂（单一大表或多工作簿集群），即便模型支持长上下文也难以应对。因此，我们需要构建专为模型消费而设计的Excel表示形式，而非直接提供原始文件。
随着多模态内容的增加（如PDF中嵌入多媒体），这对模型意味着什么？虽然图像对AI更友好，但对传统方法而言处理难度更大。随着文件格式日益复杂并包含多种模态，问题呈现分层结构：首要问题是判断文档是否复杂；次要是识别页面难度；再次是处理区域内不同难度的区域。
以金融领域为例，时间序列数据（如折线图、柱状图）极难处理。人类擅长识别趋势，但模型往往表现不稳定。我们需要让模型不仅能描述“收入增长”，还能精准定位并推理单个数据点。这是我们专门训练图表智能体的子领域，Reducto在此方面处于领先地位。其他模型的表现差距之大令人震惊，我们的目标是让客户无需操心这些细节即可实现抽象化处理。
Excel中的嵌套表格和多工作簿进一步证明了这是一个无边界的问题库。展望未来几年，Reducto将如何演变？除了文档解析的准确性，随着我们深入构建工作流以解决长周期端到端问题，您认为还有哪些未被察觉的机会？
这回到了我们起初讨论的话题。无论是AI原生企业（如Harvey在法律领域的应用）还是大型企业内部，都在进行大量创新。Reducto旨在成为可靠工具集，让各类客户能将自身上下文与模型结合应用。这不仅要求我们在解析上做到极致，还需解决基础设施难题（如并行处理千万级文档）。这些抽象层对客户价值巨大。
我不将智能文档处理（IDP）市场视为我们的核心类别，因为该领域的野心并非我们所愿。我们希望智能体能辅助人类工作，而非仅仅遵循某种市场地图愿景。在这一进程中发挥关键作用对世界至关重要。正如我们常说，模型的两个重要输入是数据（Reducto将文档转化为LLM所需的数据）和算力。为语言模型创造行为与性能提升的价值，机遇无穷无尽。
“有机会，嗯，不断提高标准。” “这就是为什么我们能一起工作。” “太好了。[笑声] 让我们更深入地谈谈准确性的后果，以及这如何影响客户信任——我想是说，使用代理和人工智能来处理文档。” “是的。我记得我们有一位在医疗保健行业工作的客户。嗯，他们是一家非常大的提供商，提供实质上供医生捕获信息的搜索工具。” “是的。他们在医疗保健领域处理一些较难的情况，以至于这些是物理文档。嗯，他们会有一些高度达英寸的文件夹包。” “奇怪的是，很难体会到错误对个人的实际影响有多大。我们曾讨论过一些个案，比如初始管道将‘胸痛’误读为其他内容。” “嗯，某人的索赔被拒绝，因为医生搜索‘他们是否有过病史’。如果没有，那就意味着也许他们不需要这种药物。” “嗯，这很重要，对吧？因为在许多医疗系统中，医生也非常忙碌，无法逐一核实所有信息。”
“他们只是信任所使用的工具是可靠的。嗯，这还仅仅是搜索产品；想象一下如果代理做出这种裁决决定。” “所以确保你处理的输入是你可以信任的至关重要，因为这是建立在一切基础之上的。” “这太不可思议了。他们不是按页数来衡量，而是按文档的高度感兴趣。” “那么目前这些 OCR 工具的大致准确率如何？” “嗯，在那种情况下，我们发现有些案例的准确率甚至低于 50%。” “是的。最好的情况也只能是近似地知道信息所在的位置，然后由人工查看。”
“嗯，比如一个病人的文件夹可能有成千上万页。所以即使展示最好的例子，医生也无法真正深入其中。” “嗯，这些是我希望能为世界解决的边缘问题。” “当然。那么今天的后备方案是什么？我想是说，如果……人类错过了胸痛？” “哦，人们总是犯错。每年有数百万份医疗保险索赔因为预先授权而被拒绝。” “我学到的一个令人震惊的数据是，在 80% 的上诉中，原始决定被推翻。” “嗯，这应该令人震惊。因为显然在决策的起源过程中存在某种低效性。” “80%？” “是的，80% 的上诉案件。”
“哇。嗯，我觉得这难以置信，但这不仅限于医疗保健领域。如果你看看美国公民及移民服务局（USCIS）目前存在的积压案件，嗯，其中许多只是纸面流程。” “这些流程因需要足够高的准确率而受到瓶颈限制，以至于今天仍需人工介入。如果你拥有无限的精度、成本和延迟处理能力，从而可以直接将这些前沿模型应用于这些任务。” “嗯，你可以让世界各地的许多流程对人类来说变得更轻松。”
“看到过一些移民申请文件后，我确定肯定还有大量的不同手写笔记、作为证据的照片需要处理。” “所以我确信今天仍有大量涉及人工介入的工作可以被自动化，但尚未实现。” “是的。如果人工智能真的能够可靠地理解、评估和更改像……文档，那么你认为今天本应实现但尚未实现的初步工作类别有哪些？” “是的。嗯，你会惊讶于数据录入仍有如此多部分是手动的。”
“嗯，这可能是我最兴奋的第一件事。就像你在思考推理和决策时那样，人类有很多可以贡献的地方。” “嗯，但世界上有很多人拿着物理文档，并将其中的内容写出来。” “这真的效率很低。在美国，仍有 16% 的报税人通过纸质邮寄方式提交。” “嗯，所以所有这些只是像增加几周工作量……以某种重复和常规的方式进行的任务，这些可能是我希望首先消失的问题集。”
“那么作为你的客户或应用层，有哪些人在解决这些问题，你认为人们应该知道？” “这真的取决于行业。比如在会计领域，我们看到 Basis 正在做令人难以置信的工作。” “嗯，这也适用于大型企业。我们与一家最大的会计服务公司合作，他们处理海关和边境巡逻表格。” “嗯，还有一家外包公司（BO Company）为许多大公司处理后台工作。”
“是的。我认为他们都渴望超越这一类问题。” “非常酷。迫不及待想看到更多这些……菜单般的、平庸的以及如此令人沮丧的人工介入工作消失，这样我们就可以专注于更令人兴奋的事情。” “是的。太好了。”
“有你来真是太棒了，Adit。非常感谢你今天前来分享。” “再次感谢。这很有趣。”