Unsiloed привлёк $7,5 млн на чтение PDF для ИИ-агентов: 99,78% верных значений в тесте
Агент, читая PDF-отчёт, может перепутать колонки таблицы, и банк получит неверный вывод. Стартап Unsiloed привлёк $7,5 млн в seed-раунде под руководством Felicis и превращает такие файлы в данные со ссылкой на место в оригинале. В своём тесте на 542 финансовых документах он верно извлёк 99,78% из ~84 тысяч значений, но проверки извне нет. Прогоните парсер на своих файлах.
AI-обработка оригинала TechCrunch; редакция Hamidun News
Проблема простая: компании хотят доверить работу ИИ-агентам, но их знания лежат не в аккуратной базе, а в PDF: договорах, финансовых отчётах, историях болезни, сканах старых дел. Представьте, что агент читает годовой отчёт и из-за сложной вёрстки берёт цифру 2024 года вместо 2025-го. Дальше он уверенно выдаёт неверный вывод по кредиту или контракту. Эту дыру и закрывает стартап Unsiloed AI: он привлёк $7,5 млн в seed-раунде (это первый крупный венчурный раунд) под руководством Felicis. Главная цифра в заголовке, 99,78%, означает долю верно извлечённых значений из примерно 84 тысяч полей в тесте на 542 финансовых документах. Тест провела сама компания, независимой проверки пока нет.
Что именно делает Unsiloed
Продукт работает как слой между документом и агентом. Он разбирает файл, вытаскивает данные из таблиц, графиков и других элементов и превращает их в структурированный вид, с которым агент может работать дальше. Важная деталь: для каждого значения видно, из какого места оригинала оно взято. Человек может быстро проверить результат, а не верить ответу модели на слово.
В раунде участвовали также Y Combinator, Orange Collective, Uncorrelated Ventures и бизнес-ангелы Аарти Рамамурти и Бет Тёрнер. Основатель и CEO Аман Мишра объясняет необходимость продукта так: LLM по природе вероятностные, в их ответах всегда будет отклонение и доля галлюцинаций, а дальше по цепочке это сильно бьёт по результату. Он основал компанию вместе с Аднаном Аббасом, однокурсником по индийскому IIT Kharagpur. Команда прошла осеннюю программу Y Combinator 2025 года, сейчас в ней семь человек.
Как это устроено внутри
Компания называет свою схему «двухпоточной» (dual-stream). Это как если бы один сотрудник читал текст страницы, а другой смотрел на неё как на картинку, а потом они сверяли записи. В одном потоке идут текстовые токены, в другом токены изображения. Вторая идея, «чанкинг по тепловой карте»: система находит самые важные участки страницы и тратит больше вычислений на рисунки, числа и графики, а не обрабатывает весь документ одинаково. По словам Мишры, это заодно снижает расходы. Есть и специальный декодер, который учитывает отраслевую терминологию и помогает различать слова, значащие в разных сферах разное.
Цена стартует от одного цента за страницу. Среди клиентов банк, юридическая фирма (она развернула систему на своих серверах для контрактов и старых дел) и голосовой стартап Bolna AI, который загружает через Unsiloed базы знаний для голосовых агентов. Банк и фирму Мишра не назвал.
Цифры и их оговорки
Результатов два. Первый: на 542 финансовых документах корпоративного клиента Unsiloed показал точность 99,78% на примерно 84 тысячах извлечённых значений. Сравнивали с крупными ИИ-моделями, Azure Document Intelligence от Microsoft и внутренним инструментом самого клиента. Второй: на публичном бенчмарке olmOCR-Bench от Allen AI (1 403 страницы PDF с таблицами, формулами, сканами и сложной вёрсткой) стартап набрал 88,0 балла, агентная система Reducto набрала 66,0, Unstructured набрал 39,9. Эти замеры тоже проводила сама Unsiloed.
Рынок при этом переполнен: есть Reducto и Unstructured, предложения Microsoft и Amazon, а многие компании просто отправляют PDF в универсальную модель.
Что делать на практике
Раунд скромный, но сигнал понятен: качество разбора документов становится отдельным слоем в стеке агентов, и за него готовы платить. Если вы строите RAG или агента для банка, юристов или медицины, не берите чужие проценты на веру. Соберите 100–200 своих файлов с самыми неприятными таблицами и сканами, разметьте эталонные значения и сравните несколько парсеров. Смотрите не только на точность, но и на возможность проверить источник каждой цифры, и на вариант установки у себя, если данные нельзя отдавать в облако.
Деньги Unsiloed потратит на найм исследователей и инженеров, расширение продаж и собственные датасеты. Через год станет ясно, удержит ли команда из семи человек преимущество против гигантов с их облаками.
- 20 нояб. 2026 г.Microsoft и Salesforce встроили CRM в Copilot: 38+ готовых навыков для продавцов
- 20 нояб. 2026 г.Microsoft считает в долларах работу ИИ-агентов по 6000 типов задач, но это лишь оценка
- 20 нояб. 2026 г.Волна сбоев в США: власти не видят атаки, эксперты винят спешку с патчами после ИИ-находок
- 20 нояб. 2026 г.Anthropic выручила на IPO $81,3 млрд и обошла рекорд SpaceX в $75 млрд
Вопросы и ответы по материалу
Что известно по теме: что именно делает Unsiloed?
Продукт работает как слой между документом и агентом. Он разбирает файл, вытаскивает данные из таблиц, графиков и других элементов и превращает их в структурированный вид, с которым агент может работать дальше. Важная деталь: для каждого значения видно, из какого места оригинала оно взято. Человек может быстро проверить результат, а не верить ответу модели на слово. В раунде участвовали также Y Combinator, Orange Collective, Uncorrelated Ventures и бизнес-ангелы Аарти Рамамурти и Бет Тёрнер.
Что известно по теме: как это устроено внутри?
Компания называет свою схему «двухпоточной» (dual-stream). Это как если бы один сотрудник читал текст страницы, а другой смотрел на неё как на картинку, а потом они сверяли записи. В одном потоке идут текстовые токены, в другом токены изображения. Вторая идея, «чанкинг по тепловой карте»: система находит самые важные участки страницы и тратит больше вычислений на рисунки, числа и графики, а не обрабатывает весь документ одинаково. По словам Мишры, это заодно снижает расходы.
Что известно по теме: цифры и их оговорки?
Результатов два. Первый: на 542 финансовых документах корпоративного клиента Unsiloed показал точность 99,78% на примерно 84 тысячах извлечённых значений. Сравнивали с крупными ИИ-моделями, Azure Document Intelligence от Microsoft и внутренним инструментом самого клиента. Второй: на публичном бенчмарке olmOCR-Bench от Allen AI (1 403 страницы PDF с таблицами, формулами, сканами и сложной вёрсткой) стартап набрал 88,0 балла, агентная система Reducto набрала 66,0, Unstructured набрал 39,9.
Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами
Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.