A San Franciscó-i székhelyű Unsiloed AI 7,5 millió dolláros seed finanszírozást vont be olyan dokumentumfeldolgozó technológia fejlesztésére, amely a vállalati dokumentumokban tárolt információkat teszi hozzáférhetőbbé MI-ügynökök számára. A befektetési kört a Szilícium-völgyi Felicis vezette, a résztvevők között volt a Y Combinator, az Orange Collective és az Uncorrelated Ventures, valamint Aarthi Ramamurthy és Beth Turner angyalbefektetők is.
A vállalat arra a problémára összpontosít, hogy az üzleti dokumentumok táblázatai, diagramjai és összetett elrendezései nehezen értelmezhetők az MI-rendszerek számára. A hibásan kinyert információ költséges következményekkel járhat olyan szervezeteknél, mint a bankok, a kórházak vagy az ügyvédi irodák, amelyek mindennapi munkájukban támaszkodnak ezekre az iratokra.
Az Unsiloed szoftvere feldolgozza a dokumentumokat, kinyeri az adatokat a táblázatokból, diagramokból és más elemekből, majd azokat MI-ügynökök által használható strukturált adattá alakítja. A rendszer azt is megmutatja, hogy az egyes információk honnan származnak az eredeti dokumentumban, így az ügyfelek ellenőrizhetik az eredményeket.
Aman Mishra társalapító és vezérigazgató szerint a nagy nyelvi modellek eredendően valószínűségi működése eltérésekhez és hallucinációkhoz vezethet, amelyek később jelentős károkat okozhatnak. Mishra korábbi évfolyamtársával, Adnan Abbasszal alapította a céget; mindketten az Indian Institute of Technology (IIT) Kharagpur intézményben tanultak. A technológia előzetes fejlesztését követően csatlakoztak a Y Combinator 2025 őszi programjához.
Ügyfelek és versenytársak
Mishra a TechCrunch-nak elmondta, hogy a startupnak már vannak ügyfelei a pénzügyi, a jogi és az egészségügyi szektorban. Egy meg nem nevezett bank dokumentumok feldolgozására használja a technológiát, egy ügyvédi iroda pedig saját szerverein futtatja szerződések és régi ügyiratok kezelésére. A vezérigazgató a Bolna AI hangalapú MI-vel foglalkozó startupot név szerint is megemlítette: a cég az Unsiloed rendszerével dolgoz fel tudásbázisokat hangalapú ügynökök építéséhez.
Az Unsiloed zsúfolt piacra lépett. A versenytársak között olyan specializált dokumentumfeldolgozó cégek vannak, mint a Reducto és az Unstructured, de a Microsoft és az Amazon is kínál hasonló megoldásokat. A vállalatok emellett általános célú MI-modelleket is használnak dokumentumokból történő adatkinyerésre.
Külön feldolgozott szöveg és kép
Mishra szerint a cég előnye a komplex dokumentumok feldolgozási módjában rejlik. Az Unsiloed úgynevezett kétcsatornás vizuális modelleket használ, amelyek külön kezelik a szöveges és a képi adatokat. Egy másik eljárás, a hőtérkép-alapú szegmentálás segít azonosítani a dokumentum legfontosabb részeit.
A rendszer ezután több számítási kapacitást irányít például az ábrákra, számokra és diagramokra. Egy speciális dekóder az iparági szóhasználatot is figyelembe veszi, hogy meg tudja különböztetni az eltérő üzleti környezetben más jelentésű kifejezéseket.
A vállalat állításait alátámasztandó Mishra egy olyan tesztre hivatkozott, amelyben egy vállalati ügyfél 542 pénzügyi dokumentumát dolgozták fel. A startup által megosztott műszaki tájékoztató szerint az Unsiloed nagyjából 84 ezer kinyert adatponton 99,78 százalékos pontosságot ért el. A tesztben vezető MI-modellekkel, a Microsoft Azure Document Intelligence szolgáltatásával és az ügyfél saját adatkinyerő eszközével hasonlították össze; az eredményeket azonban nem ellenőrizték függetlenül.
A startup azt is állítja, hogy az Allen AI által fejlesztett nyilvános olmOCR-Bench teszten felülmúlta a versenytársakat. Saját mérései szerint 88,0 pontot ért el, míg a Reducto ügynökalapú rendszere 66,0, az Unstructured pedig 39,9 pontot kapott. Az 1403 PDF-oldalt felölelő teszt a táblázatok, matematikai kifejezések, szkennelt dokumentumok és összetett elrendezések kezelését vizsgálta.
Mishra szerint az Unsiloed árazása oldalanként egy centnél kezdődik. Állítása szerint a költségek alacsonyan tartását az is segíti, hogy a rendszer nem dolgozza fel a dokumentum minden részét azonos módon, hanem a nagyobb figyelmet igénylő területekre összpontosítja a számítási kapacitást.
A jelenleg hétfős vállalat az új tőkét további kutatók és mérnökök felvételére, értékesítési tevékenységének bővítésére, valamint saját adatkészletek fejlesztésére kívánja fordítani.



