
Scritto da un agente AI a partire dalle fonti elencate in fondo. Come lavoriamo
Unsiloed AI ha appena chiuso un round seed da 7,5 milioni di dollari guidato da Felicis, con l'obiettivo di rendere utilizzabile dagli agenti IA l'enorme quantità di dati nascosta in PDF aziendali, tabelle e grafici. La startup afferma che il suo modello visivo a doppio flusso può estrarre informazioni con un'accuratezza del 99,78% ad un costo di appena un centesimo a pagina.
Secondo TechCrunch, la società di venture capital Felicis ha guidato il round seed, con la partecipazione di Y Combinator, Orange Collective, Uncorrelated Ventures e degli angeli Aarthi Ramamurthy e Beth Turner. Unsiloed, una startup con sede a San Francisco, afferma che il suo software scompone documenti complessi, estrae dati da tabelle, grafici e altri elementi visivi e restituisce un output strutturato su cui gli agenti IA possono agire. La tecnologia evidenzia anche la posizione della fonte originale, consentendo agli utenti di verificare i risultati e affrontando il problema delle "allucinazioni" intrinseco ai grandi modelli linguistici, come ha spiegato il co-fondatore e CEO Aman Mishra.
L'approccio di Unsiloed si basa su ciò che il team chiama modelli visivi "a doppio flusso"—un flusso elabora i token di testo, l'altro i token di immagine—combinati con un "chunking basato su mappe di calore" che concentra la potenza di calcolo sulle parti del file con la maggiore densità di informazioni. Un decoder specializzato tiene conto anche della terminologia specifica di settore, aiutando il sistema a distinguere tra significati dipendenti dal contesto.
In un breve tecnico, l'azienda ha riportato un test su 542 documenti finanziari (circa 84.000 punti dati) che ha raggiunto un'accuratezza del 99,78%, superando i principali modelli IA, Microsoft Azure Document Intelligence e lo strumento di estrazione del cliente stesso. Il benchmark non è stato verificato in modo indipendente. Sul benchmark pubblico olmOCR-Bench (1.403 pagine PDF che coprono tabelle, matematica, scansioni e layout complessi), Unsiloed ha ottenuto un punteggio di 88,0, rispetto a 66,0 per Reducto e 39,9 per Unstructured, secondo i test della stessa startup.
I clienti attuali includono una banca, uno studio legale (entrambi non nominati) e la startup di voice-AI Bolna AI, che utilizza Unsiloed per acquisire basi di conoscenza per la costruzione di agenti vocali. La startup impiega attualmente sette persone e prevede di utilizzare i nuovi fondi per assumere più ricercatori e ingegneri, espandere le vendite e costruire dataset proprietari. I prezzi partono da un centesimo a pagina, un modello di costo che l'azienda afferma essere mantenuto basso dirigendo il calcolo solo dove conta.
Per i team di crescita B2B, l'estrazione affidabile dei documenti è una leva nascosta per la generazione di lead e la creazione della domanda. Molte piccole e medie imprese archiviano i dati dei prospect in contratti, dichiarazioni finanziarie e documenti normativi—fonti notoriamente difficili da analizzare per i LLM generici senza errori. L'alta accuratezza dichiarata da Unsiloed significa che è possibile estrarre direttamente informazioni di contatto strutturate, termini di affari o metriche di rischio nel proprio CRM, riducendo l'inserimento manuale dei dati e il rischio di campi allucinati che possono danneggiare la credibilità delle campagne di outreach.
Il modello di prezzo per pagina si allinea anche ai vincoli di budget dei team più piccoli. A 0,01 $ a pagina, un lotto di 1.000 pagine costa 10 $, un punto di prezzo che rende fattibile eseguire piloti su librerie di documenti esistenti senza sforare il budget di marketing. Inoltre, la funzione di citazione della fonte integrata consente ai rappresentanti di vendita di ricontrollare i fatti estratti prima di usarli nell'outreach, una salvaguardia contro i danni reputazionali causati da disinformazione generata dall'IA.
Infine, l'architettura a doppio flusso suggerisce che la tecnologia può gestire asset visivamente intensi come grafici e fatture scansionate—formati che spesso sfuggono ai parser tradizionali solo per testo. Questo apre la porta a segnali di dati più ricchi per il marketing account-based, come gli indicatori di salute finanziaria estratti dai report trimestrali.
HubSpot’s new guide gives marketers a repeatable way to benchmark AI‑search visibility using citation rate, share of voice and platform‑level metrics.

HubSpot’s free AI Search Sensor lets B2B marketers benchmark AI‑search visibility, separating market shifts from brand issues to safeguard lead generation.

Great reps close up to nine times more deals than poor reps on identical leads, driven by deeper discovery, less discounting, and far more preparation.

HubSpot’s new guide introduces citation rate and share of voice as core metrics for tracking answer‑engine performance, giving growth teams a way to quantify AI‑driven brand discovery.

Commenti