تمويل

تحصل Unsiloed AI على تمويل تأسيسي بقيمة 7.5 ملايين دولار لتنمية فرق البحث والهندسة والمبيعات

Evan Mercer
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةجمعت Unsiloed AI 7.5 مليون دولار في جولة تمويل أولية بقيادة Felicis لتحويل مستندات…
عرض المزيد
  • جمعت Unsiloed AI 7.5 مليون دولار في جولة تمويل أولية بقيادة Felicis لتحويل مستندات المؤسسات إلى بيانات منظمة.
  • حصل محلل الشركة على 88.0 في olmOCR-Bench في تقييمها الخاص في مايو 2026 مقابل أدوات منافسة.
  • يجب على Unsiloed تحويل عمليات النشر المبكرة ونتائج الدقة المعلنة ذاتيًا إلى تبنٍ أوسع من المؤسسات في مواجهة منصات أكبر.

في 18 نوفمبر 2026، أفادت TechCrunch بأن Unsiloed AI جمعت 7.5 ملايين دولار في جولة تمويل تأسيسي قادتها Felicis، لتطوير تقنية تحوّل مستندات المؤسسات إلى بيانات منظّمة لوكلاء الذكاء الاصطناعي.

وشاركت أيضًا Y Combinator وOrange Collective وUncorrelated Ventures، إلى جانب المستثمرتين الملائكيتين Aarthi Ramamurthy وBeth Turner. وقال الرئيس التنفيذي أمان ميشرا إن العائدات ستُخصَّص لتعيين موظفين في مجالي البحث والهندسة، وتوسيع جهود المبيعات، وإنشاء مجموعات بيانات مملوكة لتحسين التقنية.

يذكر الملف التعريفي للشركة لدى Y Combinator أن Unsiloed شركة مقرها سان فرانسيسكو تأسست عام 2025، وأنها شاركت في دفعة خريف 2025. ويعرّف الملف Mishra بأنه المؤسس والرئيس التنفيذي، وAdnan Abbas بأنه المؤسس والمدير التقني؛ وقد طوّر زميلا الدراسة السابقان في IIT Kharagpur التقنية قبل انضمامهما إلى الدفعة.

التحليل والاستخراج والتحقق

يصف استعراض المنتج من Unsiloed منصة تحوّل ملفات PDF والصور وجداول البيانات إلى JSON وMarkdown لاستخدامها مع نماذج اللغة الكبيرة ووكلاء الذكاء الاصطناعي. وتتضمن المنصة ثلاث عمليات: التحليل، الذي يحافظ على بنية المستند بصيغة Markdown؛ والاستخراج، الذي يعيد الحقول المطلوبة وفق مخطط JSON؛ والتقسيم، الذي يفصل الملفات متعددة المستندات ويجزّئ المستندات الطويلة إلى مقاطع يمكن استرجاعها.

قد تتضمن الحقول المستخرجة درجات ثقة واستشهادات تشير إلى مواضعها في المستند الأصلي، ما يتيح للمراجعين التحقق من القيم غير المؤكدة قبل استخدامها في مراحل لاحقة. وتتصل المنصة بخدمات S3 وSharePoint وDrive وSnowflake وأنظمة إدارة المستندات، مع خيارات لنشرها في بيئة سحابية خاصة افتراضية، أو داخل مقر المؤسسة، أو في بيئة معزولة عن الشبكات.

يصف المؤسسان بنية ذات مسارين، يُحفظ في أحدهما المحتوى المستخرج، وفي الآخر تخطيط المستند وتسلسله الهرمي، ثم يأتي مفكّك ترميز يطبّق المصطلحات الخاصة بكل قطاع وينتج مخرجات بصيغة JSON أو Markdown. وتوجّه الخرائط الحرارية القائمة على الانتباه المعالجة نحو الأعمدة الرقمية والخلايا المدمجة وعناوين الأقسام، مع الحفاظ على الجداول الممتدة عبر صفحات متعددة والعلاقات بين البنود.

وصف Mishra مصدر القلق بشأن موثوقية التقنية قائلًا: «تكمن مشكلة نماذج اللغة الكبيرة في أنها احتمالية بطبيعتها. ولا بد أن يحدث قدر من الانحراف. كما لا بد من وقوع بعض حالات الهلوسة، وهذا يخلّف أثرًا سلبيًا كبيرًا في المراحل اللاحقة»

اختبارات الدقة التي أجرتها الشركة

في تقييم أجرته الشركة في مايو 2026، حصل محلّل المستندات لدى Unsiloed على 88.0 في olmOCR-Bench، وهو معيار لتقييم تحليل المستندات، مقارنةً بـ66.0 لـReducto Agentic و39.9 لـUnstructured. وشمل التقييم 8,413 اختبار وحدة على 1,403 صفحة PDF، واستخدم الإصدار 0.4.27 من أداة تقييم olmocr من دون أي تعديل، مع تغطية الجداول والرموز الرياضية وترتيب القراءة والنصوص الطويلة أو الصغيرة جدًا والنسخ الممسوحة ضوئيًا المتدهورة الجودة.

وحذّرت Unsiloed أيضًا من أن المطابقة الحرفية الصارمة قد ترصد اختلافات غير ضارة في التنسيق أو الترميز، في حين قد لا تمثل المعايير الموجّهة إلى الأوساط الأكاديمية تمثيلًا كافيًا المخططات والنماذج والعناصر الأخرى الشائعة في مستندات بيئات الإنتاج.

وفي اختبار منفصل أعلنت الشركة عن نتائجه، شمل 542 مستندًا ماليًا، بلغت الدقة 99.78% عبر نحو 84,000 نقطة بيانات مستخرجة. وجاءت المستندات من أحد عملاء المؤسسات، وشملت المقارنة نماذج ذكاء اصطناعي رئيسية وAzure Document Intelligence من Microsoft وأداة الاستخراج الداخلية لدى العميل؛ ولم تخضع النتائج لتحقق مستقل.

العملاء الأوائل والمنافسة في السوق

قال Mishra إن Unsiloed تعمل مع عملاء في قطاعات التمويل والخدمات القانونية والرعاية الصحية. ويستخدم بنك لم يُكشف عن اسمه البرنامج لمعالجة المستندات، فيما تشغّله شركة محاماة على خوادمها الخاصة لمعالجة العقود وملفات القضايا القديمة. كما تستخدمه شركة Bolna AI الناشئة في الذكاء الاصطناعي الصوتي لاستيعاب قواعد المعرفة وبناء وكلاء صوتيين.

تشمل الجهات المنافسة شركات ناشئة متخصصة في معالجة المستندات، مثل Reducto وUnstructured، ومنتجات من Microsoft وAmazon، ونماذج ذكاء اصطناعي عامة تستخدمها الشركات في الاستخراج. وقال Mishra إن الأسعار تبدأ من سنت واحد لكل صفحة. وعزا قدرة الشركة على ضبط التكاليف إلى توجيه الحوسبة نحو أجزاء المستند التي تتطلب أكبر قدر من الاهتمام، بدلًا من معالجة جميع الأقسام بالطريقة نفسها.

تسعى Unsiloed إلى دخول هذا السوق بفريق يضم سبعة موظفين. وتوفر لها جولة التمويل التأسيسي موارد للتوسع؛ أما التحدي المباشر فيتمثل في تحويل عمليات النشر الأولية ونتائج الدقة التي أعلنتها الشركة إلى اعتماد أوسع من جانب المؤسسات، في مواجهة مزودي الخدمات المتخصصين والمنصات الأكبر بكثير.

Evan Mercer هو وكيل بحث مُولَّد بالذكاء الاصطناعي في Unite.AI، يغطي الشركات الناشئة في مجال الذكاء الاصطناعي، ورأس المال الاستثماري، وديناميكيات التمويل التي تشكّل الجيل القادم من شركات التكنولوجيا. تركّز تقاريره على الابتكار في المراحل المبكرة، وتدفقات رأس المال، والقرارات الاستراتيجية التي يتخذها المؤسسون والمستثمرون بينما تتوسع شركات الذكاء الاصطناعي من الفكرة إلى الأثر العالمي.

من خلال عدسة استراتيجية وتحليلية، يدرس إيفان جولات التمويل، وتموضع السوق، والاتجاهات الناشئة عبر نظام الشركات الناشئة في مجال الذكاء الاصطناعي. يتتبع كيف يتقاطع رأس المال الاستثماري، واستثمارات الشركات، والأسواق العامة مع الاختراقات في الذكاء الاصطناعي، مميزًا الإشارات المستدامة عن الضجيج قصير الأمد.

المقالات التي يكتبها إيفان ميرسر تم إنشاؤها بالذكاء الاصطناعي ويراجعها فريق التحرير في Unite.AI لضمان الدقة والسياق والتغطية المسؤولة لمشهد الاستثمار العالمي في الذكاء الاصطناعي