Η Felicis ηγείται γύρου 7,5 εκατ. δολαρίων για την Unsiloed AI
Η Unsiloed AI συγκέντρωσε 7,5 εκατ. δολάρια σε seed χρηματοδότηση με επικεφαλής τη Felicis, με στόχο να κάνει τα σύνθετα εταιρικά έγγραφα πιο χρήσιμα για AI agents.
Στον γύρο συμμετείχαν επίσης η Y Combinator, η Orange Collective και η Uncorrelated Ventures, ενώ έβαλαν χρήματα και οι angel investors Aarthi Ramamurthy και Beth Turner.
Καθώς οι επιχειρήσεις στρέφονται όλο και περισσότερο σε AI agents για να αυτοματοποιήσουν εργασίες, ο μεγάλος όγκος πληροφοριών που παραμένει «κλειδωμένος» σε πολύπλοκα έγγραφα εξακολουθεί να αποτελεί πρόβλημα. Έγγραφα με πίνακες, γραφήματα και σύνθετες διατάξεις συχνά δυσκολεύουν τα συστήματα τεχνητής νοημοσύνης, που μπορεί να αποδώσουν λάθος τα δεδομένα.
Η Unsiloed θέλει να αντιμετωπίσει αυτό το ζήτημα με λογισμικό που αποδομεί τα σύνθετα έγγραφα, εξάγει πληροφορίες από πίνακες, γραφήματα και άλλα στοιχεία και τα μετατρέπει σε δομημένα δεδομένα που μπορούν να χρησιμοποιήσουν οι AI agents. Η τεχνολογία δείχνει επίσης από πού προήλθε κάθε πληροφορία μέσα στο αρχικό έγγραφο, ώστε οι επιχειρήσεις να μπορούν να ελέγχουν το αποτέλεσμα και όχι να δέχονται άκριτα την έξοδο της AI.
«Το πρόβλημα με τα LLM είναι ότι είναι εγγενώς πιθανοκρατικά», είπε ο συνιδρυτής και διευθύνων σύμβουλος της Unsiloed, Aman Mishra, σε συνέντευξή του. «Θα υπάρξει κάποια απόκλιση. Θα υπάρξει κάποια παραισθήση, και αυτό έχει τεράστιο αρνητικό αντίκτυπο παρακάτω».
Ο Mishra συνίδρυσε την Unsiloed μαζί με τον Adnan Abbas, τον πρώην συμφοιτητή του στο Indian Institute of Technology (IIT) Kharagpur. Οι δύο τους μπήκαν στο φθινοπωρινό πρόγραμμα της Y Combinator για το 2025, αφού είχαν περάσει κάποιο διάστημα αναπτύσσοντας την τεχνολογία.
Ο Mishra είπε στο TechCrunch ότι η εταιρεία ήδη συνεργάζεται με πελάτες στους τομείς των χρηματοοικονομικών, των νομικών υπηρεσιών και της υγείας. Σύμφωνα με τον ίδιο, μία τράπεζα χρησιμοποιεί την τεχνολογία της για την επεξεργασία εγγράφων, ενώ μια δικηγορική εταιρεία την έχει εγκαταστήσει στους δικούς της servers για συμβόλαια και παλιές δικογραφίες, χωρίς να κατονομάσει καμία από τις δύο. Ανέφερε επίσης τη startup φωνητικής τεχνητής νοημοσύνης Bolna AI ως πελάτη, λέγοντας ότι χρησιμοποιεί την Unsiloed για να «τραβά» βάσεις γνώσης για τη δημιουργία voice agents.
Η startup, με έδρα το Σαν Φρανσίσκο, μπαίνει σε μια ήδη γεμάτη αγορά, όπου υπάρχουν εξειδικευμένες εταιρείες επεξεργασίας εγγράφων όπως οι Reducto και Unstructured, αλλά και εργαλεία της Microsoft και της Amazon. Επιπλέον, οι επιχειρήσεις χρησιμοποιούν ορισμένες φορές και γενικής χρήσης μοντέλα τεχνητής νοημοσύνης για να αντλούν πληροφορίες από έγγραφα, κάτι που προσθέτει κι άλλους ανταγωνιστές για την Unsiloed.
Ο Mishra υποστηρίζει ότι το πλεονέκτημα της εταιρείας βρίσκεται στον τρόπο που επεξεργάζεται τα σύνθετα έγγραφα. Η startup χρησιμοποιεί αυτό που αποκαλεί «dual-stream» vision models, τα οποία χειρίζονται ξεχωριστά τα δεδομένα κειμένου και εικόνας, μαζί με μια τεχνική που ονομάζει «heat map-based chunking» και βοηθά στον εντοπισμό των πιο σημαντικών τμημάτων ενός εγγράφου.
«Σε ένα από τα streams έχεις τα text tokens, στο άλλο τα ακριβή image tokens», είπε ο Mishra. «Αυτό είναι κάτι πάνω στο οποίο έχουμε δουλέψει πολύ από αρχιτεκτονικής πλευράς».
Στη συνέχεια, η τεχνολογία κατευθύνει περισσότερη υπολογιστική ισχύ σε περιοχές όπως σχήματα, αριθμούς και γραφήματα. Η Unsiloed χρησιμοποιεί επίσης έναν εξειδικευμένο decoder που λαμβάνει υπόψη την ορολογία κάθε κλάδου, βοηθώντας τη να ξεχωρίζει όρους που μπορεί να σημαίνουν διαφορετικά πράγματα σε διαφορετικά επιχειρηματικά περιβάλλοντα.
Για να στηρίξει αυτούς τους ισχυρισμούς, ο Mishra παρέπεμψε σε δοκιμή με 542 χρηματοοικονομικά έγγραφα που παρείχε εταιρικός πελάτης. Σύμφωνα με τεχνικό σημείωμα της startup, η Unsiloed πέτυχε ακρίβεια 99,78% σε περίπου 84.000 σημεία δεδομένων που εξήχθησαν. Η δοκιμή συνέκρινε την Unsiloed με μεγάλα μοντέλα τεχνητής νοημοσύνης, το Azure Document Intelligence της Microsoft και το εσωτερικό εργαλείο εξαγωγής δεδομένων του πελάτη. Τα αποτελέσματα, ωστόσο, δεν έχουν επαληθευτεί ανεξάρτητα.
Η Unsiloed υποστηρίζει επίσης ότι ξεπέρασε ανταγωνιστικά εργαλεία επεξεργασίας εγγράφων AI στο olmOCR-Bench, ένα δημόσιο benchmark που ανέπτυξε η Allen AI. Στις δοκιμές που πραγματοποίησε η startup, η Unsiloed έλαβε 88,0, έναντι 66,0 για το agentic σύστημα της Reducto και 39,9 για την Unstructured. Το benchmark κάλυψε 1.403 σελίδες PDF και εξέτασε πόσο καλά τα συστήματα χειρίζονται πίνακες, μαθηματικές εκφράσεις, σαρωμένα έγγραφα και σύνθετες διατάξεις.
Ο Mishra είπε ότι η τιμολόγηση της Unsiloed ξεκινά από ένα σεντ ανά σελίδα. Υποστήριξε επίσης ότι η προσέγγιση της startup βοηθά να κρατά χαμηλά το κόστος, επειδή κατευθύνει την υπολογιστική ισχύ στα σημεία του εγγράφου που χρειάζονται τη μεγαλύτερη προσοχή, αντί να επεξεργάζεται κάθε τμήμα με τον ίδιο τρόπο.
Η Unsiloed απασχολεί σήμερα επτά άτομα. Ο Mishra είπε ότι η νέα χρηματοδότηση θα χρησιμοποιηθεί για προσλήψεις σε ερευνητές και μηχανικούς, για την ενίσχυση των πωλήσεων και για την ανάπτυξη ιδιόκτητων συνόλων δεδομένων που θα βελτιώσουν την τεχνολογία της.
Πηγή: techcrunch.com.
Το κείμενο δημιουργήθηκε από GPT 5.0. Δείτε τα AI Editorial Guidelines.





