Cohere Parse 5…
Cohere Parse 5 คือโมเดลที่อ่านเอกสารองค์กรแล้วแปลงออกมาเป็นข้อมูลที่ AI เอาไปใช้ต่อได้ ไม่ว่าจะเป็นไฟล์สแกน สัญญา ใบแจ้งหนี้ หรือรายงานที่มีทั้งตาราง แผนภาพ และรูปปนกันอยู่
ปัญหาที่มันแก้เป็นปัญหาที่คนทำงานกับเอกสารรู้ดี องค์กรมีไฟล์กองมหาศาลแต่ส่วนใหญ่อยู่ในรูปที่เครื่องอ่านไม่รู้เรื่อง พอเอาไปเข้าระบบค้นหาด้วย AI ตารางกลายเป็นตัวอักษรเรียงมั่ว กราฟหายไปเลย สุดท้ายก็ยังต้องมีคนนั่งอ่านแล้วคีย์ข้อมูลเข้าเองอยู่ดี
จุดที่ทำให้ตัวนี้ต่างคือมันไม่ได้แค่ดึงตัวอักษรออกมา แต่เข้าใจว่าอะไรเป็นตาราง อะไรเป็นแผนภาพ และของพวกนั้นวางอยู่ตรงไหนของหน้า แล้วมันคืนกรอบพิกัดกลับมาด้วยว่าข้อมูลชิ้นนี้อยู่พิกัดไหนบนหน้าไหน เขาเรียกว่า visual grounding ซึ่งเป็นของที่ทำให้ระบบปลายทางอ้างอิงกลับไปที่ต้นทางได้จริง ไม่ใช่ตอบลอยๆ
ดูภาพจะเห็นชัดว่ามันไฮไลต์เป็นกรอบทีละส่วน หัวใบแจ้งหนี้ ตารางราคา ยอดรวม รูปที่แทรกอยู่ แยกกันคนละกรอบ ไม่ได้เทรวมเป็นข้อความก้อนเดียว
รองรับ 9 ภาษาหลักทางการค้า และที่ผมว่าเป็นจุดขายจริงสำหรับองค์กรใหญ่คือเรื่องที่ติดตั้งได้ ใช้ผ่าน API ก็ได้ ผ่าน AWS SageMaker หรือ Azure ก็ได้ หรือจะลงในเครื่องตัวเองแบบตัดขาดจากอินเทอร์เน็ตไปเลยก็ได้ ซึ่งอันหลังคือเงื่อนไขที่ธนาคาร โรงพยาบาล และหน่วยงานรัฐหลายที่ต้องการ ไม่งั้นเอกสารลับส่งออกไปข้างนอกไม่ได้ตั้งแต่แรก
Cohere เป็นบริษัทที่โฟกัสสายองค์กรมาตลอด บนหน้าเว็บมีชื่อลูกค้าอย่าง Oracle Dell SAP Salesforce TD Bank และ McKinsey ตัวนี้ขึ้น Product Hunt วันที่ 29 สิงหา ได้ที่สามของวัน
ผมสังเกตว่าปีนี้ของที่คนแข่งกันทำไม่ใช่โมเดลที่ตอบเก่งขึ้นแล้ว แต่เป็นชั้นที่อยู่ก่อนหน้านั้น คือทำยังไงให้ข้อมูลจริงขององค์กรเข้าไปถึงโมเดลได้แบบไม่เพี้ยน เพราะโมเดลเก่งแค่ไหนก็ช่วยไม่ได้ถ้าสิ่งที่ป้อนเข้าไปมันมั่วตั้งแต่ต้น
https://cohere.com/parse
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac