फंडिंग
Unsiloed AI ने शोध, इंजीनियरिंग और बिक्री का विस्तार करने के लिए बीज निवेश के तौर पर 7.5 मिलियन डॉलर जुटाए

मुख्य बिंदुअनसिलोएड एआई ने फेलिसिस के नेतृत्व में 7.5 मिलियन डॉलर की सीड फंडिंग जुटाई, ताकि उद्यम…
और देखें
- अनसिलोएड एआई ने फेलिसिस के नेतृत्व में 7.5 मिलियन डॉलर की सीड फंडिंग जुटाई, ताकि उद्यम दस्तावेज़ों को संरचित डेटा में बदला जा सके।
- कंपनी के पार्सर ने अपने मई 2026 मूल्यांकन में प्रतिद्वंद्वी टूल्स के मुकाबले olmOCR-Bench पर 88.0 स्कोर किया।
- अनसिलोएड को बड़े प्लेटफ़ॉर्मों के मुकाबले व्यापक उद्यम अपनाने के लिए शुरुआती परिनियोजनों और स्व-रिपोर्ट किए गए सटीकता परिणामों को बदलना होगा।
TechCrunch ने खबर दी कि 18 नवंबर 2026 को Unsiloed AI ने Felicis के नेतृत्व में बीज निवेश के तौर पर 7.5 मिलियन डॉलर जुटाए थे। इस धनराशि से कंपनी ऐसी तकनीक विकसित करेगी, जो उद्यमों के दस्तावेज़ों को AI एजेंटों के लिए संरचित डेटा में बदलती है।
इस निवेश दौर में Y Combinator, Orange Collective और Uncorrelated Ventures के साथ-साथ एंजेल निवेशक Aarthi Ramamurthy और Beth Turner ने भी हिस्सा लिया। CEO Aman Mishra ने कहा कि इस धनराशि का इस्तेमाल शोध और इंजीनियरिंग के लिए नियुक्तियाँ करने, बिक्री प्रयासों का विस्तार करने और तकनीक को बेहतर बनाने के लिए मालिकाना डेटासेट तैयार करने में किया जाएगा।
Y Combinator की कंपनी प्रोफ़ाइल के अनुसार, Unsiloed सैन फ़्रांसिस्को की कंपनी है, जिसकी स्थापना 2025 में हुई थी और जो इसके Fall 2025 बैच का हिस्सा थी। प्रोफ़ाइल में Mishra को संस्थापक और CEO तथा Adnan Abbas को संस्थापक और CTO बताया गया है। IIT Kharagpur में साथ पढ़े इन दोनों सहपाठियों ने बैच में शामिल होने से पहले यह तकनीक विकसित की थी।
पार्सिंग, डेटा निष्कर्षण और सत्यापन
Unsiloed के उत्पाद अवलोकन के मुताबिक, इसका प्लेटफ़ॉर्म PDF, इमेज और स्प्रेडशीट को बड़े भाषा मॉडल और AI एजेंटों के लिए JSON और Markdown में बदलता है। इसमें तीन प्रक्रियाएँ हैं: Parse, जो दस्तावेज़ की संरचना को Markdown में बनाए रखता है; Extract, जो JSON स्कीमा के अनुरूप मांगे गए फ़ील्ड लौटाता है; और Split, जो कई दस्तावेज़ों वाली फ़ाइलों को अलग करता है और लंबे दस्तावेज़ों को खोजकर पुनः प्राप्त किए जा सकने वाले खंडों में बाँटता है।
निकाले गए फ़ील्ड में विश्वास-स्कोर और मूल दस्तावेज़ में उनके स्थान की ओर संकेत करने वाले उद्धरण शामिल हो सकते हैं। इससे समीक्षक आगे इस्तेमाल किए जाने से पहले अनिश्चित मानों की जाँच कर सकते हैं। यह प्लेटफ़ॉर्म S3, SharePoint, Drive, Snowflake और दस्तावेज़-प्रबंधन प्रणालियों से जुड़ता है। उद्यमों के लिए इसे वर्चुअल प्राइवेट क्लाउड, अपने परिसर में या बाहरी नेटवर्क से पूरी तरह कटे हुए परिवेश में तैनात करने के विकल्प भी हैं।
संस्थापकों के मुताबिक, इसकी दोहरी-स्ट्रीम संरचना में निकाली गई सामग्री एक स्ट्रीम में और दस्तावेज़ का लेआउट व पदानुक्रम दूसरी स्ट्रीम में रखा जाता है। इसके बाद एक डिकोडर उद्योग-विशिष्ट शब्दावली लागू करके JSON या Markdown तैयार करता है। ध्यान-निर्देशित हीटमैप संख्यात्मक कॉलम, मर्ज किए गए सेल और अनुभाग शीर्षकों पर प्रोसेसिंग केंद्रित करते हैं, साथ ही कई पृष्ठों में फैली तालिकाओं और उपवाक्यों के बीच के संबंधों को भी बनाए रखते हैं।
Mishra ने विश्वसनीयता से जुड़ी मूल समस्या का वर्णन करते हुए कहा: “LLM की समस्या यह है कि वे स्वभाव से संभाव्य होते हैं। उनसे कुछ विचलन होना तय है। उनमें कुछ मनगढ़ंत जानकारी भी शामिल होगी, और इसका आगे के चरणों पर बहुत नकारात्मक असर पड़ता है।”
कंपनी द्वारा किए गए सटीकता परीक्षण
Unsiloed के अपने मई 2026 के मूल्यांकन में, उसके पार्सर ने दस्तावेज़-पार्सिंग बेंचमार्क olmOCR-Bench पर 88.0 अंक हासिल किए। इसके मुकाबले Reducto Agentic ने 66.0 और Unstructured ने 39.9 अंक प्राप्त किए। मूल्यांकन में 1,403 PDF पृष्ठों पर 8,413 यूनिट परीक्षण किए गए और olmocr स्कोरर के अपरिवर्तित संस्करण 0.4.27 का इस्तेमाल हुआ। इसमें तालिकाएँ, गणितीय संकेतन, पढ़ने का क्रम, लंबा या बहुत छोटा पाठ और खराब गुणवत्ता वाले स्कैन शामिल थे।
Unsiloed ने यह चेतावनी भी दी कि सख्त स्ट्रिंग-मिलान में फ़ॉर्मैटिंग या संकेतन के ऐसे अंतर भी पकड़ में आ सकते हैं जो नुकसानदेह नहीं होते। साथ ही, अकादमिक उपयोग पर केंद्रित बेंचमार्क उत्पादन में इस्तेमाल होने वाले दस्तावेज़ों के चार्ट, फ़ॉर्म और अन्य आम तत्वों का पर्याप्त प्रतिनिधित्व नहीं कर सकते।
कंपनी की ओर से बताए गए एक अलग परीक्षण में 542 वित्तीय दस्तावेज़ों से निकाले गए लगभग 84,000 डेटा बिंदुओं पर 99.78% सटीकता दर्ज की गई। ये दस्तावेज़ एक उद्यम ग्राहक से मिले थे। तुलना में प्रमुख AI मॉडल, Microsoft का Azure Document Intelligence और ग्राहक का आंतरिक डेटा-निष्कर्षण टूल शामिल थे; नतीजों की स्वतंत्र रूप से पुष्टि नहीं की गई थी।
शुरुआती ग्राहक और बाज़ार में प्रतिस्पर्धा
Mishra ने कहा कि Unsiloed वित्त, कानूनी सेवाओं और स्वास्थ्य सेवा के ग्राहकों के साथ काम कर रही है। एक अज्ञात बैंक दस्तावेज़ों को प्रोसेस करने के लिए इस सॉफ़्टवेयर का इस्तेमाल कर रहा है, जबकि एक कानूनी फ़र्म अनुबंधों और पुराने मुक़दमे की फ़ाइलों के लिए इसे अपने सर्वरों पर चलाती है। वॉइस-AI स्टार्टअप Bolna AI, वॉइस एजेंट बनाने के लिए ज्ञान-आधारों से जानकारी जुटाने में इसका इस्तेमाल करता है।
इसके प्रतिस्पर्धियों में दस्तावेज़-प्रोसेसिंग में विशेषज्ञता रखने वाले स्टार्टअप Reducto और Unstructured, Microsoft और Amazon के उत्पाद तथा वे सामान्य प्रयोजन वाले AI मॉडल शामिल हैं जिनका इस्तेमाल व्यवसाय डेटा निकालने के लिए करते हैं। Mishra ने कहा कि इसकी कीमत प्रति पृष्ठ एक सेंट से शुरू होती है। उनके मुताबिक, कंपनी लागत पर नियंत्रण इसलिए रख पाती है क्योंकि वह दस्तावेज़ के हर हिस्से को एक समान प्रोसेस करने के बजाय, कंप्यूटिंग संसाधनों को उन हिस्सों पर केंद्रित करती है जिन पर सबसे अधिक ध्यान देने की ज़रूरत होती है।
Unsiloed सात कर्मचारियों के साथ इस बाज़ार में आगे बढ़ रही है। बीज निवेश दौर से उसे विस्तार के लिए संसाधन मिले हैं। अभी उसकी तात्कालिक चुनौती शुरुआती तैनातियों और कंपनी द्वारा बताए गए सटीकता के नतीजों को व्यापक उद्यम-स्तरीय अपनाने में बदलना है, जबकि उसे विशेषज्ञ सेवा प्रदाताओं और कहीं बड़े प्लेटफ़ॉर्मों से प्रतिस्पर्धा करनी होगी।












