Financování
Unsiloed AI získává v počátečním investičním kole 7,5 milionu dolarů na rozšíření výzkumu, technického týmu a prodeje

Klíčové bodyUnsiloed AI získala 7,5 milionu dolarů v počátečním financování vedeném společností…
Zobrazit více
- Unsiloed AI získala 7,5 milionu dolarů v počátečním financování vedeném společností Felicis, aby přeměnila podnikové dokumenty na strukturovaná data.
- Její parser získal 88,0 bodu v olmOCR-Bench ve vlastním hodnocení v květnu 2026 ve srovnání s konkurenčními nástroji.
- Unsiloed musí přeměnit raná nasazení a vlastními silami vykázané výsledky přesnosti v širší podnikové přijetí proti větším platformám.
TechCrunch informoval 18. listopadu 2026, že Unsiloed AI získala v počátečním investičním kole 7,5 milionu dolarů, které vedla společnost Felicis, na vývoj technologie převádějící firemní dokumenty do strukturovaných dat pro AI agenty.
Kromě nich se zapojily také Y Combinator, Orange Collective a Uncorrelated Ventures spolu s andělskými investory Aarthi Ramamurthy a Beth Turner. Generální ředitel Aman Mishra uvedl, že získané prostředky poslouží k náboru pracovníků do výzkumu a vývoje, rozšíření prodejního týmu a tvorbě vlastních datových sad, které pomohou technologii zdokonalit.
Na profilu společnosti Y Combinatoru se uvádí, že Unsiloed sídlí v San Franciscu, vznikla v roce 2025 a patří do podzimní kohorty Y Combinatoru z roku 2025. Jako zakladatele uvádí Mishru, který je zároveň generálním ředitelem, a Adnana Abbáse, který zastává funkci technického ředitele; tito bývalí spolužáci z IIT Kharagpur technologii vyvinuli ještě před vstupem do kohorty.
Rozpoznávání, extrakce a ověřování
Přehled produktu společnosti Unsiloed popisuje platformu, která převádí PDF, obrázky a tabulky do formátů JSON a Markdown pro velké jazykové modely a AI agenty. Nabízí tři operace: Parse zachovává strukturu dokumentu ve formátu Markdown; Extract vrací požadovaná pole podle schématu JSON; a Split rozděluje soubory obsahující více dokumentů a dlouhé dokumenty člení na části, v nichž lze vyhledávat.
Mezi extrahovanými poli mohou být skóre spolehlivosti a citace odkazující na jejich umístění v původním dokumentu, takže kontroloři mohou před dalším použitím ověřit nejisté hodnoty. Platforma se propojuje se službami S3, SharePoint, Drive a Snowflake i se systémy pro správu dokumentů. Pro podniky nabízí nasazení ve virtuálním privátním cloudu, místně na vlastních serverech nebo v prostředí bez připojení k vnějším sítím.
Zakladatelé popisují architekturu se dvěma datovými proudy: jeden uchovává extrahovaný obsah, druhý rozvržení a hierarchii dokumentu. Následný dekodér používá terminologii specifickou pro dané odvětví a vytváří výstup ve formátu JSON nebo Markdown. Heatmapy řízené mechanismem pozornosti zaměřují zpracování na číselné sloupce, sloučené buňky a záhlaví oddílů, přičemž zachovávají vícestránkové tabulky i vztahy mezi jednotlivými ustanoveními.
Mishra popsal hlavní obavy ohledně spolehlivosti této technologie: „Problém s velkými jazykovými modely je, že jsou ze své podstaty probabilistické. Dochází u nich k určité odchylce. Objevují se také halucinace, které mají následně obrovský negativní dopad.“
Testy přesnosti provedené společností
V hodnocení z května 2026 provedeném samotnou společností Unsiloed dosáhl její analyzátor v benchmarku pro rozpoznávání dokumentů olmOCR-Bench skóre 88,0, zatímco Reducto Agentic získal 66,0 a Unstructured 39,9. Hodnocení zahrnovalo 8 413 jednotkových testů na 1 403 stránkách PDF a využívalo nezměněnou verzi 0.4.27 nástroje olmocr pro vyhodnocování. Testovaly se tabulky, matematický zápis, pořadí čtení, dlouhý či drobný text a nekvalitní skeny.
Unsiloed také upozornila, že přísné porovnávání řetězců může označit za chybu i neškodné rozdíly ve formátování nebo zápisu, zatímco benchmarky zaměřené na akademické prostředí nemusejí dostatečně pokrývat grafy, formuláře a další prvky běžné v dokumentech používaných v praxi.
V samostatném testu 542 finančních dokumentů, jehož výsledky zveřejnila společnost, dosáhla přesnost 99,78 % napříč přibližně 84 000 extrahovanými datovými body. Dokumenty pocházely od podnikového zákazníka a srovnání zahrnovalo přední AI modely, Microsoft Azure Document Intelligence a vlastní nástroj zákazníka pro extrakci dat; výsledky nebyly nezávisle ověřeny.
První zákazníci a konkurence na trhu
Mishra uvedl, že Unsiloed spolupracuje se zákazníky z finančnictví, právních služeb a zdravotnictví. Jedna nejmenovaná banka používá software ke zpracování dokumentů, zatímco advokátní kancelář jej provozuje na vlastních serverech pro práci se smlouvami a staršími soudními spisy. Startup Bolna AI zaměřený na hlasovou umělou inteligenci jej používá k načítání znalostních bází, z nichž vytváří hlasové agenty.
Mezi konkurenty patří specializované startupy Reducto a Unstructured zaměřené na zpracování dokumentů, produkty společností Microsoft a Amazon i univerzální AI modely, které firmy využívají k extrakci dat. Mishra uvedl, že ceny začínají na jednom centu za stránku. Nákladovou efektivitu společnosti přisuzuje tomu, že výpočetní výkon směřuje k částem dokumentu, jež vyžadují největší pozornost, místo aby se všechny části zpracovávaly stejně.
Unsiloed vstupuje na tento trh se sedmi zaměstnanci. Investice z počátečního kola jí poskytne prostředky na rozšíření; bezprostřední výzvou je proměnit první nasazení a výsledky přesnosti zveřejněné společností v širší přijetí ze strany podniků a prosadit se proti specializovaným poskytovatelům i výrazně větším platformám.












