AI終於能讀懂你的手寫——企業為何關注

在人工智慧資料攝取管道對語言、數字和表格資料的需求持續增長的同時，另一片未被充分開發的領域——非結構化文件——正逐漸成為企業AI應用的關鍵瓶頸。Valantor公司近日宣佈收購非結構化資訊RAG專家EyeLevel，正式推出企業視覺智慧平臺，旨在連線企業內那些無模式、自由格式且未經整理的海量資訊。

據EyeLevel執行長兼聯合創始人Benjamin Fletcher介紹，約80%的企業知識存在於數百萬頁視覺複雜的PDF、PPTX和DOCX檔案中。這些資訊遠超任何大語言模型上下文視窗的容量，實際上對大模型和AI代理來說是不可訪問的。更令人擔憂的是，人工構建的“黃金資料集”通常存在10%到25%的錯誤率，但團隊對AI的要求往往遠高於對自身人員的要求。

在事務性工作流（如發票和索賠處理）中，文件的視覺複雜性和多樣性使得企業仍然依賴人工處理，而人工處理速度慢、成本高且易出錯。Valantor注意到，大多數AI公司專注於模型本身，而Valantor則聚焦於“模型無法看到的資訊”——這些資訊被鎖定在文件、合同、圖表、報告等視覺複雜的內容中。

Valantor的旗艦平臺產品GroundX執行在資料所在的位置，包括私有云、主權基礎設施、本地部署甚至完全離線的環境。GroundX是一個針對非結構化文件的攝取和檢索層，所有功能透過REST API、SDK和MCP暴露。作為收購的一部分，Valantor還推出了GroundX Studio，其工具集與現代化AI開發環境整合，使開發者能夠構建執行在企業知識之上的安全AI應用，同時保持基礎設施不變。GroundX Studio還向業務使用者擴充套件了能力，使其無需大量定製開發即可建立AI驅動的工作流。

對於資料攝取可能帶來的延遲和成本問題，Fletcher表示，他們從不將整個檔案傳送給語言模型，而是先由視覺模型將頁面拆分為元素，處理在多個層級並行執行，代理只執行小型任務，因此可以使用更便宜的模型，團隊甚至可以用Helm在自己的硬體上執行整個堆疊以控制成本。

在手寫識別方面，Valantor聲稱其專有視覺模型在超過一百萬頁的企業文件上進行了微調，能夠像人類一樣看待頁面：表格、段落和圖形。手寫標記作為頁面元素被捕獲，並保留其佈局上下文，窄代理隨後將每個元素提煉為適合搜尋和LLM補全的上下文物件。

實際案例包括Air France-KLM使用GroundX開發基於AI的客戶服務助手，在複雜政策問題上達到96%+的準確率；AskVet則利用該平臺將超過十年的專有獸醫資料投入運營，實現高達85%的客戶諮詢自主解決。

儘管文件管理可能仍像“吃蔬菜”一樣不受歡迎，但隨著AI工具開始分析企業長期積累的非結構化資訊，這一領域正變得愈發重要。