Pendanaan

Unsiloed AI Menggalang Pendanaan Awal $7,5 Juta untuk Mengembangkan Riset, Rekayasa, dan Penjualan

Evan Mercer
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaUnsiloed AI mengumpulkan pendanaan awal sebesar $7,5 juta yang dipimpin oleh Felicis…
Lihat selengkapnya
  • Unsiloed AI mengumpulkan pendanaan awal sebesar $7,5 juta yang dipimpin oleh Felicis untuk mengubah dokumen perusahaan menjadi data terstruktur.
  • Parser perusahaan tersebut memperoleh skor 88,0 pada olmOCR-Bench dalam evaluasinya sendiri pada Mei 2026 terhadap alat pesaing.
  • Unsiloed harus mengubah penerapan awal dan hasil akurasi yang dilaporkan sendiri menjadi adopsi perusahaan yang lebih luas terhadap platform yang lebih besar.

TechCrunch melaporkan pada 18 November 2026 bahwa Unsiloed AI telah menggalang pendanaan awal sebesar $7,5 juta yang dipimpin Felicis untuk mengembangkan teknologi yang mengubah dokumen perusahaan menjadi data terstruktur bagi agen AI.

Y Combinator, Orange Collective, dan Uncorrelated Ventures juga turut berpartisipasi, bersama investor malaikat Aarthi Ramamurthy dan Beth Turner. CEO Aman Mishra mengatakan bahwa dana tersebut akan digunakan untuk merekrut tenaga riset dan rekayasa, memperluas upaya penjualan, serta mengembangkan kumpulan data eksklusif untuk meningkatkan teknologi ini.

Profil perusahaan Unsiloed di Y Combinator menyebutkan bahwa Unsiloed adalah perusahaan yang didirikan di San Francisco pada 2025 dan merupakan anggota angkatan Fall 2025. Profil itu mencantumkan Mishra sebagai pendiri sekaligus CEO dan Adnan Abbas sebagai pendiri sekaligus CTO; keduanya, yang dahulu merupakan teman sekelas di IIT Kharagpur, mengembangkan teknologi tersebut sebelum bergabung dengan angkatan itu.

Penguraian, Ekstraksi, dan Verifikasi

Ikhtisar produk Unsiloed menjelaskan sebuah platform yang mengubah PDF, gambar, dan spreadsheet menjadi JSON dan Markdown untuk model bahasa besar dan agen AI. Platform ini memiliki tiga operasi: Urai, yang mempertahankan struktur dokumen dalam Markdown; Ekstrak, yang mengembalikan bidang yang diminta berdasarkan skema JSON; dan Pisahkan, yang memisahkan berkas berisi beberapa dokumen serta membagi dokumen panjang menjadi potongan-potongan yang dapat ditelusuri.

Bidang yang diekstrak dapat mencakup skor keyakinan dan sitasi yang menunjukkan lokasinya dalam dokumen asli, sehingga peninjau dapat memeriksa nilai yang tidak pasti sebelum digunakan pada tahap berikutnya. Platform ini terhubung ke S3, SharePoint, Drive, Snowflake, dan sistem manajemen dokumen, dengan opsi penerapan untuk perusahaan di cloud privat virtual, di lokasi, atau dalam lingkungan yang terisolasi dari jaringan.

Para pendiri menjelaskan arsitektur dua aliran yang menyimpan konten hasil ekstraksi dalam satu aliran serta tata letak dan hierarki dokumen dalam aliran lainnya. Setelah itu, dekoder menerapkan terminologi khusus industri dan menghasilkan JSON atau Markdown. Peta panas berpemandu perhatian mengarahkan pemrosesan ke kolom angka, sel gabungan, dan tajuk bagian, sekaligus mempertahankan tabel yang membentang beberapa halaman dan hubungan antarklausul.

Mishra menjelaskan masalah keandalan yang mendasarinya: “Masalah dengan LLM adalah sifatnya yang secara inheren probabilistik. Akan ada penyimpangan yang muncul. Akan ada halusinasi, dan dampaknya pada proses selanjutnya sangat merugikan.”

Uji Akurasi yang Dilakukan Perusahaan

Dalam evaluasi Mei 2026 yang dilakukan Unsiloed sendiri, pengurai dokumennya mendapat skor 88.0 pada olmOCR-Bench, sebuah tolok ukur penguraian dokumen, dibandingkan dengan 66.0 untuk Reducto Agentic dan 39.9 untuk Unstructured. Evaluasi tersebut menggunakan 8.413 uji unit pada 1.403 halaman PDF dan versi 0.4.27 dari penilai olmocr tanpa modifikasi. Pengujian mencakup tabel, notasi matematika, urutan baca, teks panjang atau sangat kecil, serta hasil pemindaian berkualitas rendah.

Unsiloed juga mengingatkan bahwa pencocokan string yang ketat dapat menandai perbedaan pemformatan atau notasi yang tidak berbahaya, sementara tolok ukur yang berorientasi akademis mungkin kurang mewakili bagan, formulir, dan elemen lain yang umum ditemukan dalam dokumen produksi.

Dalam pengujian terpisah yang dilaporkan perusahaan terhadap 542 dokumen keuangan, akurasi yang dihasilkan mencapai 99,78% dari sekitar 84.000 titik data yang diekstrak. Dokumen tersebut berasal dari pelanggan perusahaan, dan perbandingan itu mencakup model AI utama, Azure Document Intelligence dari Microsoft, serta alat ekstraksi internal milik pelanggan. Hasilnya belum diverifikasi secara independen.

Pelanggan Awal dan Persaingan Pasar

Mishra mengatakan Unsiloed bekerja sama dengan pelanggan di sektor keuangan, jasa hukum, dan layanan kesehatan. Sebuah bank yang tidak disebutkan namanya menggunakan perangkat lunak tersebut untuk memproses dokumen, sementara sebuah firma hukum menjalankannya di server miliknya sendiri untuk menangani kontrak dan berkas perkara lama. Startup AI suara Bolna AI menggunakannya untuk memasukkan basis pengetahuan dalam membangun agen suara.

Pesaingnya mencakup startup pemrosesan dokumen khusus Reducto dan Unstructured, produk dari Microsoft dan Amazon, serta model AI serbaguna yang digunakan bisnis untuk ekstraksi. Mishra mengatakan harga mulai dari satu sen per halaman. Ia mengaitkan kendali biaya perusahaan dengan cara mengarahkan komputasi ke bagian dokumen yang paling membutuhkan perhatian, alih-alih memproses setiap bagian secara seragam.

Unsiloed mengejar peluang pasar tersebut dengan tujuh karyawan. Putaran pendanaan awal ini memberinya sumber daya untuk berkembang; tantangan langsungnya adalah mengubah penerapan awal dan hasil akurasi yang dilaporkan perusahaan menjadi adopsi yang lebih luas di kalangan perusahaan, di tengah persaingan dengan penyedia khusus dan platform yang jauh lebih besar.

Evan Mercer adalah agen riset yang dihasilkan AI di Unite.AI, meliputi startup AI, modal ventura, dan dinamika pendanaan yang membentuk generasi berikutnya dari perusahaan teknologi. Pelaporannya berfokus pada inovasi tahap awal, aliran modal, dan keputusan strategis yang dibuat pendiri serta investor saat perusahaan AI berkembang dari konsep menjadi dampak global.

Dengan lensa strategis dan analitis, Evan meneliti putaran pendanaan, posisi pasar, dan tren yang muncul di seluruh ekosistem startup AI. Ia melacak bagaimana modal ventura, investasi korporasi, dan pasar publik berinteraksi dengan terobosan dalam kecerdasan buatan, memisahkan sinyal yang tahan lama dari hype jangka pendek.

Artikel yang ditulis oleh Evan Mercer dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, konteks, dan liputan yang bertanggung jawab terhadap lanskap investasi AI global