Por Canuto  

Unsiloed AI obtuvo USD $7,5 millones en una ronda semilla liderada por Felicis para transformar documentos empresariales complejos en información que puedan usar los agentes de IA. La startup afirma que su sistema conserva referencias al contenido original y presentó resultados de precisión que, según la información disponible, todavía no han sido verificados de forma independiente.
***

  • Felicis encabezó la ronda semilla de USD $7,5 millones, con participación de Y Combinator y otros inversores.
  • La tecnología de Unsiloed AI extrae datos de tablas, gráficos y diseños complejos, y permite rastrear su origen dentro del documento.
  • La empresa reportó una precisión de 99,78% en una prueba con documentos financieros, pero los resultados no cuentan con verificación independiente.


Unsiloed AI recaudó USD $7,5 millones en una ronda semilla liderada por Felicis para convertir documentos empresariales complejos en datos que los agentes de inteligencia artificial puedan consultar. La compañía sostiene que su sistema también permite rastrear cada dato hasta el lugar donde aparece en el archivo original, una función pensada para que las empresas revisen los resultados en vez de aceptar sin comprobación las respuestas de un modelo.

  • La ronda reunió a Felicis, Y Combinator, Orange Collective, Uncorrelated Ventures y dos inversionistas ángeles.
  • La startup trabaja con clientes de finanzas, servicios legales y salud, aunque solo identificó públicamente a Bolna AI.
  • Sus cifras de precisión y rendimiento provienen de pruebas presentadas por la propia empresa y no han sido verificadas de forma independiente.

El anuncio llega mientras las compañías buscan asignar tareas a agentes de IA, sistemas diseñados para ejecutar procesos con cierto grado de autonomía, pero que necesitan acceder a información confiable. Unsiloed AI, con sede en San Francisco, plantea que una parte importante de esos datos está encerrada en archivos que combinan texto, tablas, gráficos y diseños difíciles de interpretar correctamente mediante herramientas generalistas.

Ese problema tiene consecuencias prácticas cuando un sistema extrae un número equivocado o pierde el contexto de una cláusula, porque las organizaciones utilizan documentos para operaciones financieras, legales y médicas. El cofundador y CEO Aman Mishra dijo a TechCrunch que los modelos de lenguaje grandes son probabilísticos y pueden introducir desviaciones o alucinaciones, errores que, según advirtió, pueden producir efectos negativos en las tareas que dependen de sus resultados.

Una ronda para atender los límites de los documentos empresariales

Felicis lideró la financiación semilla de USD $7,5 millones, en la que también participaron Y Combinator, Orange Collective y Uncorrelated Ventures. Los inversionistas ángeles Aarthi Ramamurthy y Beth Turner se sumaron a la operación, que la empresa prevé utilizar para ampliar su equipo, fortalecer la investigación y desarrollar su área comercial.

La startup fue fundada por Mishra y Adnan Abbas, antiguos compañeros de clase en el Instituto Indio de Tecnología de Kharagpur. Ambos se incorporaron al lote de otoño de 2025 de Y Combinator después de dedicar tiempo a desarrollar la tecnología, según el reporte, y ahora dirigen un equipo de siete personas que planea contratar investigadores e ingenieros.

El desafío que buscan resolver no consiste únicamente en reconocer palabras dentro de un archivo, sino en conservar la relación entre los datos y la estructura visual que les da sentido. Una tabla puede cambiar de significado si se separan sus encabezados de las cifras, mientras que un gráfico o una página escaneada puede contener información que un sistema centrado solo en texto no identifica de forma adecuada.

La compañía apunta a organizaciones en las que una extracción errónea podría generar problemas relevantes, como bancos, hospitales y despachos jurídicos. En esos sectores, el uso de documentos forma parte del trabajo cotidiano, por lo que la posibilidad de verificar el origen de un dato podría ser tan importante para una empresa como la respuesta que produce el agente de IA.

Cómo procesa la información y quiénes ya la usan

Unsiloed afirma que su software descompone documentos complejos, extrae información de tablas, gráficos y otros componentes, y la convierte en datos estructurados para los agentes. La herramienta también señala de dónde proviene cada elemento dentro del documento original, de modo que una persona pueda contrastar el resultado con la página, la tabla o el gráfico correspondiente.

Para procesar esos archivos, la startup utiliza modelos de visión de flujo dual que manejan por separado los datos de texto y los de imagen. Mishra explicó que la arquitectura mantiene los tokens textuales y los tokens visuales en flujos distintos, y que la empresa ha dedicado tiempo a diseñar ese enfoque para interpretar documentos con elementos que no se reducen a texto corrido.

La empresa complementa ese método con una técnica que denomina fragmentación basada en mapas de calor, diseñada para identificar las áreas que requieren mayor atención. Según Mishra, el sistema dirige más capacidad de cómputo hacia figuras, números y gráficos, en vez de procesar cada parte del archivo de manera idéntica, y emplea además un decodificador que considera términos específicos de cada industria.

La herramienta ya trabaja con clientes de finanzas, servicios legales y salud, aunque Mishra no identificó por nombre al banco ni al despacho de abogados que mencionó. El banco usa la tecnología para procesar documentos y el bufete la instaló en sus propios servidores para gestionar contratos y archivos antiguos de casos; el ejecutivo sí nombró a Bolna AI, una startup de IA de voz que utiliza Unsiloed para incorporar bases de conocimiento en la creación de agentes de voz.

Resultados reportados, competencia y próximos pasos

Como evidencia de su desempeño, Mishra citó una prueba con 542 documentos financieros proporcionados por un cliente empresarial. De acuerdo con un informe técnico compartido por la startup, Unsiloed alcanzó una precisión de 99,78% en aproximadamente 84.000 puntos de datos extraídos, frente a modelos de IA, Microsoft Azure Document Intelligence y la herramienta interna del cliente.

Esos resultados no han sido verificados de forma independiente, por lo que deben entenderse como cifras presentadas por la compañía y no como una validación externa. Unsiloed también afirmó haber superado herramientas competidoras en olmOCR-Bench, una evaluación de AllenAI cuyo conjunto de datos reúne 1.403 archivos PDF y 7.010 casos de prueba para evaluar características de las salidas, como el tratamiento de tablas, expresiones matemáticas, documentos escaneados y diseños complejos.

En las pruebas realizadas por la propia startup, su sistema obtuvo 88,0 puntos en ese benchmark, frente a 66,0 para el sistema agéntico de Reducto y 39,9 para Unstructured. Esas comparaciones describen el resultado comunicado por Unsiloed y no permiten, por sí solas, concluir cómo funcionará cada producto en todos los documentos o entornos de trabajo de una empresa.

La compañía entra a un mercado con proveedores especializados como Reducto y Unstructured, ofertas de Microsoft y Amazon, y modelos de propósito general que algunas empresas ya emplean para extraer datos. Mishra señaló que la diferenciación de Unsiloed está en su tratamiento de documentos complejos; la startup fija precios desde un centavo por página y sostiene que su asignación selectiva de cómputo ayuda a contener costos.

Con la nueva financiación, Unsiloed planea sumar investigadores e ingenieros, ampliar sus esfuerzos de ventas y crear conjuntos de datos propios para mejorar su tecnología. Su apuesta se centra en que los agentes empresariales necesitan algo más que acceso a grandes archivos: también requieren datos estructurados y una forma de comprobar de dónde salieron, aunque la precisión de sus promesas deberá medirse más allá de las pruebas que la empresa ha divulgado.


Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín