Unsiloed привлёк $7,5 млн: ИИ-агент будет читать таблицы и графики без искажений
Стартап Unsiloed AI привлёк 7,5 млн долларов посевных инвестиций во главе с фондом Felicis на фоне растущего перехода бизнеса на ИИ-агентов, которые пока путаются в таблицах и графиках сложных документов.

Инвесторы вложились не в очередную нейросеть, а в подготовку документов для агентов. Система показывает, из какого места файла взята каждая цифра, поэтому результат можно проверить, а не принимать на веру.
Бизнес всё чаще поручает рутину ИИ-агентам, но данные банков, больниц и юридических фирм спрятаны в таблицах, графиках и сложной вёрстке. Ошибка при их чтении обходится дорого. По данным TechCrunch, Unsiloed превращает такие документы в аккуратные структурированные данные, с которыми агент может работать без искажений.
Если вы до сих пор не до конца понимаете, что такое ИИ-агент: это программа, которая сама выполняет цепочку поручений, как стажёр с инструкцией, а не просто отвечает на один вопрос.
| Кто | Сумма | Тип сделки | Дата |
|---|---|---|---|
| Unsiloed AI | 7,5 млн долларов | Посевной раунд, лидер Felicis | Дату не раскрыли |
Что произошло с Unsiloed AI?
Посевной раунд, то есть одни из первых внешних денег молодого стартапа, возглавил венчурный фонд Felicis из Кремниевой долины. Вместе с ним вложились Y Combinator (американский акселератор, который выращивает стартапы на ранней стадии), Orange Collective и Uncorrelated Ventures. В сделке участвовали и частные инвесторы Аарти Рамамурти и Бет Тёрнер.
Компанию основали Аман Мишра, её генеральный директор, и Аднан Аббас. Они учились вместе в Индийском технологическом институте в Кхарагпуре, а осенью 2025 года попали в набор Y Combinator. Штаб-квартира стартапа находится в Сан-Франциско, в команде семь человек.
Технология Unsiloed решает три задачи:
- разбирает документ на части и достаёт данные из таблиц, графиков и других элементов;
- превращает их в структурированные данные, понятные агенту;
- указывает, где в исходном файле лежит каждый извлечённый фрагмент.
У стартапа есть «двухпотоковые» модели компьютерного зрения: текст и изображение страницы обрабатываются раздельно. Метод «нарезки по тепловой карте» находит самые важные участки документа, и система тратит больше вычислений на цифры, рисунки и графики. Специальный декодер, то есть модуль, который собирает итоговый результат, учитывает отраслевые термины, которые в разных сферах бизнеса значат разное.
Мишра объясняет, зачем это нужно, через слабость больших языковых моделей. Так называют нейросети, которые пишут текст, угадывая наиболее вероятное продолжение. Отсюда галлюцинации, когда ИИ уверенно выдумывает то, чего не было.
Проблема больших языковых моделей в том, что они по своей природе вероятностные. Отклонения неизбежны. Галлюцинации тоже будут, и это сильно бьёт по всему, что происходит дальше. : Аман Мишра, сооснователь и генеральный директор Unsiloed AI
Клиенты стартапа работают в финансах, юриспруденции и медицине. Один банк обрабатывает через Unsiloed документы, а юридическая фирма поставила систему на свои серверы для договоров и старых дел. Названий обоих Мишра не раскрыл. Публично назван только голосовой ИИ-стартап Bolna AI: он загружает через Unsiloed базы знаний для голосовых агентов.
Цена начинается от одного цента за страницу. По словам Мишры, расходы снижаются как раз потому, что вычисления уходят на сложные участки, а не равномерно на всю страницу.
Почему инвесторы ставят на проверяемость, а не на скорость?
Рынок тесный. Здесь работают профильные стартапы Reducto и Unstructured, есть решения у Microsoft и Amazon, а часть компаний просто отдаёт документы универсальным нейросетям. Команда из семи человек выходит против корпораций, и аргумент у неё один: точность плюс возможность проверить каждую цифру.
В подтверждение стартап приводит свои тесты. На 542 финансовых документах корпоративного клиента Unsiloed показал точность 99,78% примерно на 84 000 извлечённых значений. Это данные из технической справки самой компании. Сравнивали с крупными ИИ-моделями, сервисом Azure Document Intelligence от Microsoft и внутренним инструментом клиента.
На открытом тесте olmOCR-Bench от Allen AI, проверке распознавания PDF-файлов, Unsiloed набрал 88,0 балла. У агентной системы Reducto получилось 66,0, у Unstructured 39,9. Тест охватил 1403 страницы с таблицами, формулами, сканами и сложной вёрсткой.
Деньги стартап направит на исследователей и инженеров, продажи и собственные наборы обучающих данных.
Все результаты получены в тестах самого стартапа, независимо их никто не проверял. Двух из трёх клиентов не назвали. О работе в России компания не сообщала.
Что делать с этим прямо сейчас?
Автору Дзена. Сам Unsiloed рассчитан на компании, но его главный принцип пригодится и вам. Когда берёте цифры из PDF-отчёта через нейросеть, просите указать страницу и таблицу для каждого значения и сверяйте вручную.
Маркетологу. Если вы собираете обзоры рынка по чужим отчётам, ориентир цены у Unsiloed такой: от цента за страницу. Сравните это со стоимостью часов ручной сверки и решите, где автоматизация окупается.
Предпринимателю в РФ и СНГ. Из доступных у нас нейросетей общего назначения можно попробовать YandexGPT и GigaChat. С подрядчиков и сервисов требуйте того же, что обещает Unsiloed: ссылку на источник каждой цифры.
На мой взгляд, самое ценное здесь не 99,78%, а ссылка на исходное место в документе. По моим наблюдениям, нейросети чаще всего ошибаются именно в цифрах из таблиц, причём ошибку не видно, пока не сверишь. Пока результаты не проверил кто-то со стороны, я бы относился к ним как к заявке, а не к доказанному факту.
Возьмите сегодня один свой PDF с таблицей, прогоните через любую нейросеть и сверьте пять цифр с оригиналом. Сколько совпадёт, настолько ей и стоит доверять.

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также
Nvidia раскрыла условия гарантий на $105 млрд: дата-центры, драйвер роста, ждёт отбор
Nvidia во вторник впервые публично раскрыла, что её гарантии по кредитам на дата-центры действуют лишь при готовом финансировании клиента, и сделала это вскоре…

Humyn Labs привлекла $47 млн: роботам нужна исходная обстановка реальнее, чем в КуМир
Индийский стартап Humyn Labs привлёк $47 млн в раунде серии A на фоне растущего спроса американских разработчиков роботов на реальные видеоданные, без которых…

ONNX Runtime со 141 млн скачиваний в месяц исчез с GitHub: архивы релизов не скачиваются
GitHub с вечера 17 ноября не отдаёт репозиторий ONNX Runtime, движка Microsoft для запуска нейросетей, и в тот же вечер в PyPI появился и исчез заражённый…
Комментарии