Unsiloed AI ha raccolto 7,5 milioni di dollari in un round seed guidato da Felicis. L’obiettivo è sviluppare una tecnologia che renda i documenti aziendali più accessibili agli agenti AI, riducendo i problemi legati all’estrazione di informazioni da tabelle, grafici e layout complessi. L’annuncio è datato 2026-11-18.
Il capitale sarà impiegato per assumere ricercatori e ingegneri, estendere le attività di vendita e costruire dataset proprietari destinati a migliorare il prodotto. Attualmente la startup conta sette dipendenti e ha sede a San Francisco.
Il round ha visto la partecipazione di Y Combinator, Orange Collective e Uncorrelated Ventures. Anche gli angel investor Aarthi Ramamurthy e Beth Turner hanno contribuito all’operazione.
Una tecnologia pensata per controllare i risultati
Il software di Unsiloed AI scompone i documenti complessi, ricava i dati da tabelle, grafici e altri elementi, quindi li converte in dati strutturati utilizzabili dagli agenti AI. Il sistema indica inoltre il punto preciso del documento originale da cui proviene ciascuna informazione estratta. In questo modo, le aziende possono verificare il risultato invece di accettare automaticamente l’output del sistema.
“Unsiloed AI ha raggiunto un’accuratezza del 99.78% nell’estrazione di circa 84.000 punti dati da 542 documenti finanziari forniti da un cliente aziendale.” Il risultato è stato indicato in un documento tecnico condiviso dalla startup, che ha confrontato la soluzione con alcuni importanti modelli AI, con Azure Document Intelligence di Microsoft e con lo strumento di estrazione sviluppato internamente dal cliente. I risultati non sono stati verificati in modo indipendente.
Il prezzo di Unsiloed AI parte da un centesimo per pagina. Mishra ha spiegato che l’architettura adottata permette anche di ridurre i costi, concentrando la potenza di calcolo sulle porzioni del documento che richiedono maggiore attenzione, invece di applicare lo stesso trattamento a ogni sezione.
Il percorso dei fondatori
Unsiloed AI è stata cofondata da Aman Mishra e Adnan Abbas, già compagni di classe all’Indian Institute of Technology (IIT) Kharagpur. Dopo aver sviluppato la tecnologia, i due hanno joined Y Combinator’s Fall 2025 batch.
Aman Mishra, cofondatore e CEO di Unsiloed AI, ha messo in evidenza il limite dei modelli linguistici: “The problem with LLMs is they’re inherently probabilistic,” ha detto. “There is going to be some deviation induced. There is going to be some hallucination involved, and that has a massive negative impact downstream.”
Il responsabile ha spiegato che i modelli di visione “dual-stream” elaborano separatamente i token di testo e quelli di immagine. “In one of the streams you have the text tokens, in the other stream you have the exact image tokens,” ha aggiunto Mishra. “This is something that we have spent a lot of time architecting.”
“L’approccio basato su modelli di visione “dual-stream” e sul “heat map-based chunking” costituisce il vantaggio competitivo di Unsiloed AI.” Il chunking basato su heat map serve a individuare le parti più importanti di un documento, mentre un decoder dedicato tiene conto della terminologia specifica dei diversi settori. Questo permette al sistema di distinguere termini che possono assumere significati differenti a seconda del contesto aziendale.
“La distribuzione dell’elaborazione verso figure, numeri e grafici consente a Unsiloed AI di contenere i costi rispetto a un’elaborazione uniforme di tutte le sezioni del documento.”
Clienti nei servizi finanziari, legali e sanitari
“Unsiloed AI lavora con clienti nel settore finanziario, legale e sanitario.” Una banca sta usando la tecnologia di Unsiloed per elaborare documenti, mentre uno studio legale l’ha distribuita sui propri server per gestire contratti e vecchi fascicoli di cause. Nessuno dei due clienti è stato nominato.
Tra i clienti citati figura anche Bolna AI, una startup di voice AI. L’azienda utilizza Unsiloed per acquisire basi di conoscenze destinate alla creazione di agenti vocali.
Un mercato affollato e un benchmark pubblico
Unsiloed AI si colloca in un mercato già affollato, dove operano startup specializzate nell’elaborazione dei documenti come Reducto e Unstructured, oltre a soluzioni proposte da Microsoft e Amazon. Molte aziende impiegano inoltre modelli AI generalisti per estrarre informazioni, aggiungendo un ulteriore insieme di concorrenti.
“Unsiloed AI ha superato gli strumenti concorrenti su olmOCR-Bench, ottenendo 88.0 contro 66.0 per Reducto e 39.9 per Unstructured.” Il benchmark pubblico è stato sviluppato da Allen AI e copre 1,403 pagine PDF. Le prove valutano la gestione di tabelle, espressioni matematiche, documenti scansionati e layout complessi. I punteggi sono stati ottenuti in test condotti dalla stessa startup.
La tecnologia mira quindi a rendere utilizzabili da agenti AI informazioni racchiuse in documenti aziendali complessi, mantenendo un percorso di verifica sui risultati e riducendo il costo di elaborazione. Le prossime tappe indicate riguardano l’espansione del team, delle vendite e dei dataset proprietari.