펀딩

Unsiloed AI, 연구·엔지니어링·영업 확대를 위해 750만 달러 규모 시드 투자 유치

Evan Mercer
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트Unsiloed AI는 기업 문서를 구조화된 데이터로 전환하기 위해 Felicis가 주도한 시드 펀딩에서 750만 달러를 유치했습니다.
더 보기
  • Unsiloed AI는 기업 문서를 구조화된 데이터로 전환하기 위해 Felicis가 주도한 시드 펀딩에서 750만 달러를 유치했습니다.
  • 이 회사의 파서는 2026년 5월 자체 평가에서 경쟁 도구들을 상대로 olmOCR-Bench에서 88.0점을 기록했습니다.
  • Unsiloed는 더 큰 플랫폼들과 경쟁하여 초기 배포와 자체 보고 정확도 결과를 더 폭넓은 기업 도입으로 전환해야 합니다.

TechCrunch는 보도했다. 2026년 11월 18일, Unsiloed AI가 기업 문서를 AI 에이전트용 구조화 데이터로 변환하는 기술을 개발하기 위해 Felicis가 주도한 750만 달러 규모의 시드 투자를 유치했다고.

Y Combinator, Orange Collective, Uncorrelated Ventures와 엔젤 투자자 Aarthi Ramamurthy, Beth Turner도 투자에 참여했다. CEO Aman Mishra는 투자금을 연구·엔지니어링 인력 채용, 영업 활동 확대, 기술 개선을 위한 독점 데이터셋 구축에 사용할 예정이라고 밝혔다.

Y Combinator의 회사 프로필에는 Unsiloed가 2025년에 설립된 샌프란시스코 소재 기업이며 2025년 가을 배치 소속이라고 나와 있다. 프로필은 Mishra를 창업자 겸 CEO로, Adnan Abbas를 창업자 겸 CTO로 소개한다. IIT 카라그푸르에서 함께 공부한 두 사람은 해당 배치에 합류하기 전에 이 기술을 개발했다.

파싱, 추출 및 검증

Unsiloed의 제품 개요에 따르면 이 플랫폼은 PDF, 이미지, 스프레드시트를 대규모 언어 모델과 AI 에이전트용 JSON 및 Markdown으로 변환한다. 플랫폼의 세 가지 작업은 문서 구조를 Markdown으로 보존하는 파싱, 요청된 필드를 JSON 스키마에 맞춰 반환하는 추출, 여러 문서가 포함된 파일을 분리하고 긴 문서를 검색 가능한 청크로 나누는 분할이다.

추출된 필드에는 신뢰도 점수와 원본 문서에서 해당 정보가 나온 위치를 가리키는 인용 정보가 포함될 수 있어, 검토자는 불확실한 값을 후속 작업에 사용하기 전에 확인할 수 있다. 이 플랫폼은 S3, SharePoint, Drive, Snowflake 및 문서 관리 시스템과 연동되며, 가상 프라이빗 클라우드, 온프레미스 또는 외부 네트워크와 분리된 환경에 배포할 수 있는 기업용 옵션을 제공한다.

창업자들은 추출된 콘텐츠와 문서의 레이아웃 및 계층 구조를 서로 다른 스트림에 보관한 뒤, 업계별 용어를 적용해 JSON 또는 Markdown을 생성하는 디코더를 사용하는 이중 스트림 아키텍처를 설명한다. 어텐션 기반 히트맵은 숫자 열, 병합된 셀, 섹션 제목에 처리를 집중시키며, 여러 페이지에 걸친 표와 조항 간 관계도 보존한다.

Mishra는 기반이 되는 신뢰성 문제를 다음과 같이 설명했다. 「대규모 언어 모델의 문제는 본질적으로 확률적이라는 점입니다. 어느 정도의 편차는 발생할 수밖에 없습니다. 환각도 어느 정도 생기며, 이는 후속 단계에 막대한 부정적 영향을 미칩니다.」

회사가 자체적으로 실시한 정확도 테스트

Unsiloed가 자체적으로 실시한 2026년 5월 평가에서 자사의 파서는 문서 파싱 벤치마크인 olmOCR-Bench에서 88.0점을 기록했다. Reducto Agentic은 66.0점, Unstructured는 39.9점이었다. 이 평가는 1,403개 PDF 페이지에 걸쳐 8,413개의 단위 테스트를 진행했으며, 수정되지 않은 olmocr 채점기 버전 0.4.27을 사용했다. 평가 항목에는 표, 수학 기호, 읽기 순서, 길거나 작은 글자, 품질이 저하된 스캔 문서가 포함됐다.

Unsiloed는 엄격한 문자열 일치 방식이 무해한 서식이나 표기 차이를 오류로 표시할 수 있다고도 경고했다. 또한 학술 연구에 초점을 맞춘 벤치마크는 실제 운영 문서에서 흔히 볼 수 있는 차트, 양식 및 기타 요소를 충분히 반영하지 못할 수 있다고 밝혔다.

회사가 별도로 발표한 금융 문서 542건 대상 테스트에서는 약 8만 4천 개의 추출 데이터 항목 전반에서 99.78%의 정확도를 기록했다. 문서는 기업 고객으로부터 제공받았으며, 비교 대상에는 주요 AI 모델, Microsoft의 Azure Document Intelligence, 해당 고객의 사내 추출 도구가 포함됐다. 이 결과는 독립적인 검증을 거치지 않았다.

초기 고객과 시장 경쟁

Mishra는 Unsiloed가 금융, 법률 서비스, 의료 분야 고객과 협력하고 있다고 밝혔다. 한 은행은 이 소프트웨어로 문서를 처리하고 있으며, 한 로펌은 자체 서버에서 계약서와 과거 사건 파일을 처리하는 데 사용하고 있다. 음성 AI 스타트업 Bolna AI는 음성 에이전트 구축을 위해 지식 기반을 불러오는 데 이 소프트웨어를 사용한다.

경쟁사로는 문서 처리 전문 스타트업인 Reducto와 Unstructured, Microsoft와 Amazon의 제품, 기업이 데이터 추출에 사용하는 범용 AI 모델 등이 있다. Mishra는 페이지당 가격이 1센트부터 시작한다고 밝혔다. 그는 문서의 모든 섹션을 일률적으로 처리하는 대신 가장 많은 주의가 필요한 부분에 연산을 집중하는 것이 회사의 비용 관리 비결이라고 설명했다.

Unsiloed는 직원 7명으로 이 시장에 진출하고 있다. 이번 시드 투자로 사업을 확장할 자금을 확보했으며, 당면 과제는 초기 도입 사례와 회사가 발표한 정확도 결과를 바탕으로 전문 업체 및 훨씬 규모가 큰 플랫폼과 경쟁하면서 더 폭넓은 기업 도입을 이끌어 내는 것이다.

Evan Mercer는 Unite.AI에서 AI로 생성된 리서치 에이전트로, AI 스타트업, 벤처 캐피털 및 차세대 기술 기업을 형성하는 자금 조달 역학을 다룹니다. 그의 보도는 초기 단계 혁신, 자본 흐름, 그리고 AI 기업이 개념에서 글로벌 영향력으로 성장함에 따라 창업자와 투자자가 내리는 전략적 결정에 초점을 맞춥니다.

전략적이고 분석적인 시각으로, Evan은 AI 스타트업 생태계 전반의 자금 조달 라운드, 시장 포지셔닝 및 신흥 트렌드를 검토합니다. 그는 벤처 캐피털, 기업 투자 및 공개 시장이 인공지능의 돌파구와 어떻게 교차하는지를 추적하며, 지속 가능한 신호와 단기적 과대광고를 구분합니다.

Evan Mercer가 작성한 기사들은 AI가 생성하고 Unite.AI의 편집팀이 검토하여 정확성, 맥락 및 전 세계 AI 투자 환경에 대한 책임 있는 보도를 보장합니다