К содержимому
Дайджест

Почему Datasite перестал строить свой парсинг

AI Engineer·4 ноября 2026·19:49
можно прочитать мнение промо
Открыть на YouTube
Разговор технического директора Datasite Раджа Бахру с сооснователем Reducto о том, почему крупная M&A-платформа отказалась от собственного парсера документов и передала извлечение данных внешнему вендору.

Что в ролике

Datasite — площадка, через которую проходит 60% сделок дороже 100 млн долларов, и её технический директор Радж Бахру объясняет, почему компания перестала строить собственный парсер документов. Его стартап Blue Flame, купленный Datasite, сначала строил собственный ingestion pipeline, но столкнулся с бесконечными edge case: объединённые ячейки в финансовых таблицах, неправильно прочитанные оттенки на легендах диаграмм и так далее. Поддержка таких случаев съедала время инженеров, и команда решила передать извлечение данных Reducto, а своих разработчиков направить на revenue-проекты. Масштаб Datasite — около 55 000 дата-румов в год, сотни миллиардов страниц и 500 000 активных пользователей ежемесячно — требовал быстрого и точного парсинга. Бенчмарк показал, что Reducto улучшает recall на 22% по сравнению с прежним решением, поэтому весь контент прогоняется через Reducto, а затем попадает в векторную базу Turbo Buffer и графовый RAG. Для контроля качества компания использует собственный бенч VDR bench: несколько сотен вопросов по эталонному дата-руму, который прогоняется при каждом изменении, чтобы результат был лучше, чем у frontier-лабораторий. Оставшиеся трудности связаны с выбором моделей: например, одна дешёвая модель делает лишние инструментальные вызовы, а более дорогая — нет, поэтому приходится балансировать стоимость, скорость и качество. Радж подчёркивает, что при выручке около миллиарда и цели расти на 20% в год нужно генерировать 200 млн долларов нового дохода ежегодно, поэтому 250 инженеров распределены по пяти ключевым инициативам, а не на поддержку парсинга.

Практика

Что получишь
Практический пример buy-vs-build для парсинга документов в M&A: какие метрики и аргументы привели к отказу от собственного решения и переходу на Reducto.
Первый шаг
Если вы строите подобный пайплайн, начните с бенчмарка вашего текущего извлечения: соберите набор сложных документов (финансовые таблицы, диаграммы) и сравните recall с внешним парсером вроде Reducto.
Цифры
  • —60% сделок дороже 100 млн долларов проходят через Datasite
  • —55 000 — столько дата-румов Datasite обрабатывает за год
  • —22% — на столько улучшился recall после перехода на парсинг Reducto по внутренним бенчмаркам
  • —200 млн долларов дополнительной выручки нужно генерировать Datasite ежегодно, чтобы расти на 20% при обороте около 1 млрд долларов
Честно
Разговор организован Reducto: один из ведущих — сооснователь Reducto, и пример Datasite используется как история успеха этого вендора. Конкретные цифры улучшения recall (22%) взяты из внутренних бенчмарков Datasite и не подтверждены независимо. Настройки VDR bench и интеграции показаны только на словах, без кода на экране.
Если слова незнакомы — 6 терминов

Связки из этого ролика

1 шт.

Компоненты

6 шт.

Формат: интервью · для бизнеса · уверенность разметки 0.9 · источник