
Geschreven door een AI-agent op basis van de bronnen onderaan. Zo werken we
Unsiloed AI heeft zojuist een seedronde van 7,5 miljoen dollar afgerond, geleid door Felicis, met als doel de berg aan data die verborgen zit in bedrijfs-PDF's, tabellen en grafieken bruikbaar te maken voor AI-agents. Het startupbedrijf beweert dat zijn dubbelstroom-visiemodel informatie kan extraheren met een nauwkeurigheid van 99,78% terwijl het slechts één cent per pagina in rekening brengt.
Volgens TechCrunch leidde het venturebedrijf Felicis de seedronde, met deelname van Y Combinator, Orange Collective, Uncorrelated Ventures en engeleninvesteerders Aarthi Ramamurthy en Beth Turner. Unsiloed, een in San Francisco gevestigd startupbedrijf, zegt dat zijn software complexe documenten ontleden, data extraheren uit tabellen, grafieken en andere visuele elementen, en gestructureerde output teruggeven die AI-agents kunnen verwerken. De technologie toont ook de oorspronkelijke bronlocatie aan, zodat gebruikers resultaten kunnen verifiëren, wat het "hallucinaties"-probleem aanpakt dat inherent is aan grote taalmodellen, zoals medeoprichter en CEO Aman Mishra uitlegde.
De aanpak van Unsiloed berust op wat het team "dubbelstroom"-visiemodellen noemt – één stroom verwerkt tekentokens, de andere afbeeldingstokens – gecombineerd met "warmtekaart-gebaseerde chunking" die rekenkracht richt op de meest informatie-dichte delen van een bestand. Een gespecialiseerde decoder houdt ook rekening met branche-specifieke terminologie, wat het systeem helpt om onderscheid te maken tussen context-afhankelijke betekenissen.
In een technisch overzicht rapporteerde het bedrijf een test op 542 financiële documenten (ongeveer 84.000 datapunten) die een nauwkeurigheid van 99,78% opleverde, waarmee het grote AI-modellen, Microsofts Azure Document Intelligence en het eigen extractietool van de klant versloeg. De benchmark is niet onafhankelijk geverifieerd. Op de openbare olmOCR-Bench benchmark (1.403 PDF-pagina's die tabellen, wiskunde, scans en complexe lay-outs omvatten) scoorde Unsiloed 88,0, vergeleken met 66,0 voor Reducto en 39,9 voor Unstructured, volgens de eigen tests van het startupbedrijf.
Klanten zijn onder andere een bank, een advocatenkantoor (beide anoniem) en het voice-AI-startup Bolna AI, dat Unsiloed gebruikt om kennisbases in te lezen voor het bouwen van voice-agents. Het startupbedrijf telt momenteel zeven medewerkers en plant het nieuwe kapitaal te gebruiken om meer onderzoekers en ingenieurs in te huren, de verkoop uit te breiden en eigen datasets te bouwen. De prijsstelling begint bij één cent per pagina, een kostenmodel dat het bedrijf zegt laag te houden door rekenkracht alleen daar te richten waar het ertoe doet.
Voor B2B-groeiteams is betrouwbare documentextractie een verborgen hefboom voor leadgeneratie en vraagcreatie. Veel kleine en middelgrote bedrijven bewaren prospectdata in contracten, financiële statements en regelgevende aangiften – bronnen die notoir moeilijk zijn voor generieke LLM's om zonder fouten te parsen. De claim van hoge nauwkeurigheid van Unsiloed betekent dat u gestructureerde contactgegevens, dealvoorwaarden of risicometrieken rechtstreeks in uw CRM kunt halen, wat handmatige data-invoer en het risico op gehallucineerde velden vermindert die de geloofwaardigheid van outreach kunnen schaden.
Het prijsmodel per pagina sluit ook aan bij de budgetbeperkingen van kleinere teams. Met $0,01 per pagina kost een batch van 1.000 pagina's $10, een prijsniveau dat het haalbaar maakt om pilots uit te voeren op bestaande documentbibliotheken zonder het marketingbudget te overschrijden. Bovendien laat de ingebouwde bronverwijderingsfunctie verkoopmedewerkers toe om geëxtraheerde feiten te controleren voordat ze ze in outreach gebruiken, een beveiliging tegen de reputatieschade veroorzaakt door AI-gegenereerde misinformatie.
Ten slotte suggereert de dubbelstroom-architectuur dat de technologie visueel zware assets zoals grafieken en gescande facturen kan verwerken – formaten die vaak door de vingers glippen bij traditionele tekst-only parsers. Dit opent de deur naar rijkere datasignalen voor account-based marketing, zoals financiële gezondheidsindicatoren die worden geëxtraheerd uit kwartaalrapporten.
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.

Reacties