Launch HN: Parsewise (YC P25) – APIで文書全体にわたる推論を実現

皆さん、こんにちは。Parsewiseの創設者であるグレッグとマックスです。 Parsewiseは、大量の非構造化データを、複数の文書にわたる値の来歴を保持しつつ、スキーマ準拠のデータに変換します。 Claudeに大量のファイルを渡し、CSVやJSON出力をお願いする場面を想像してみてください。もしこれを試したことがあるなら、システムの限界（ファイルの数、入力の種類、コスト、レイテンシー）だけでなく、結果を迅速に検証できないという人間に直面する課題もご存じでしょう。私たちはその両方を解決します。 私たちは、技術チームが非構造化データのETLを簡素化し、ビジネスの専門家を定義や即時検証のために巻き込む手助けをします。 いくつかのユースケースを説明するビデオはこちらです: <a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=dbRllnnh47w" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=dbRllnnh47w</a> Parsewiseを、私たちを訪ねてきた人の言葉で表現すると： 「保険証券のPDF、転写された電話の会話、メールなどから情報を抽出する必要があります。データポイントごと、ページごとに構造化された明確なスキーマにデータを抽出するようなものではなく、情報が複数の文書にまたがっている可能性を理解し、何を抽出するかを推論できる、よりエージェント的なものを求めています。」 私たちは、複雑なデータ変換とデータ分析・合成における10年間の経験（と苦痛）に基づいて会社を立ち上げました。グレッグはPalantirで古典的なETLとAIワークフローの両方を構築していました。ベインでは、マックスは金融分野で高度に複雑なデータ分析を行っており、これは私たちの顧客の多くと同様です。 Parsewiseは、大量のデータ（数百または数千のPDF、Excelなど）を取り込み、スキーマ準拠のデータを出力します。その際、すべての値は、そのバケット内の複数の文書にわたる単語レベルの引用まで追跡可能です。私たちはAPI顧客に、自分たちのアプリケーションで来歴を表示する方法を提供するか、内部業務のために私たちのプラットフォームを利用してもらうことができます。 データ処理の核となるのは、自己改善型エージェント定義です。これらは、許容されるソース、値の解決または結合のロジック、およびエンドユーザーに不確実性を強調するルールを定義します。 基盤となる技術はモデルやクラウドに依存せず、プライベートネットワークにデプロイできます。視覚的推論ではGeminiモデルで最高の結果を得ており、私たちが見つけた中で最も強力なグラウンデッド推論ベンチマーク（Databricks OfficeQA）でSOTA（Claude Fableを上回る）を達成しました。 特筆すべきは、モデルハーネスよりも「ヒューマンハーネス」に注力したことです。これは、採用における実際の摩擦、つまり検証可能性に焦点を当てたことを意味します。つまり、結果を信頼するために必要な時間とクリック数を最適化するということです。 解析にはvLLMsを使用し、その後、効率的な大規模網羅的検索のために小型モデルを使用します。RAGとは異なり、サンプリングはせず、与えられたクエリに対して関連するすべての値を網羅的に見つけます。解決策の決定やユーザーへの矛盾点の指摘には、より大規模なモデルを使用します。 この網羅性と明示的な値のソース特定は、当社のプラットフォームに固有のものであり、多くの既存プロバイダーがカバーするデータ解析の最初のステップを超えています。 Parsewiseを、複雑なドキュメント課題を抱えるビルダーや技術者に試してもらうことを歓迎します。製品を拡張し、改善するためのアイデアはたくさんありますが、コミュニティからのフィードバックやアイデアを高く評価いたします。