کار آفرینی و استارتاپ

فلیسیس 7.5 میلیون دلار روی هوش مصنوعی Unsiloed شرط بندی می کند تا اسناد سازمانی را برای عوامل هوش مصنوعی قابل استفاده کند.


از آنجایی که کسب و کارها به طور فزاینده ای برای خودکارسازی کار به عوامل هوش مصنوعی روی می آورند، حجم وسیعی از اطلاعات قفل شده در اسناد پیچیده همچنان یک چالش باقی می ماند. هوش مصنوعی Unsiloed 7.5 میلیون دلار سرمایه اولیه به رهبری Felicis برای مقابله با این مشکل جمع آوری کرده است، با این هدف که به شرکت ها کمک کند تا اسناد خود را از طریق فناوری تخصصی در دسترس عوامل هوش مصنوعی قرار دهند.

شرکت سرمایه‌گذاری خطرپذیر سیلیکون ولی، Felicis، با مشارکت Y Combinator، Orange Collective و Uncorrelated Ventures، این دور را رهبری کرد. سرمایه گذاران فرشته آرتی رامورتی و بت ترنر نیز شرکت کردند.

اسناد تجاری اغلب شامل جداول، نمودارها و طرح‌بندی‌های پیچیده‌ای هستند که سیستم‌های هوش مصنوعی می‌توانند برای تفسیر دقیق آن‌ها مشکل داشته باشند. اما دریافت اشتباه اطلاعات می تواند منجر به اشتباهات پرهزینه ای برای مشاغل شود و تأثیر آن در مورد بانک، بیمارستان یا شرکت حقوقی می تواند شدید باشد، زیرا آنها برای کارهای روزانه خود به این اسناد اعتماد می کنند.

Unsiloed قصد دارد این مشکل را با نرم افزاری حل کند که اسناد پیچیده را تجزیه می کند، اطلاعات را از جداول، نمودارها و سایر عناصر استخراج می کند و آن را به داده های ساختاری تبدیل می کند که عوامل هوش مصنوعی می توانند از آنها استفاده کنند. این فناوری همچنین نشان می‌دهد که اطلاعات استخراج‌شده از کجا در سند اصلی آمده است، بنابراین کسب‌وکارها می‌توانند نتایج را بررسی کنند نه اینکه خروجی هوش مصنوعی را به صورت اسمی دریافت کنند.

امان میشرا (تصویر بالا، سمت راست) در مصاحبه ای گفت: “مشکل LLM ها این است که آنها ذاتاً احتمالاتی هستند.” برخی از انحرافات ایجاد خواهد شد. برخی توهمات در آن دخیل هستند، و این تاثیر منفی گسترده ای در پایین دست دارد.

میشرا Unsiloed را با عدنان عباس (تصویر بالا، سمت چپ)، همکلاسی سابقش در مؤسسه فناوری هند (IIT) خاراگپور تأسیس کرد. این دو پس از گذراندن مدتی برای توسعه این فناوری، به دسته پاییز 2025 Y Combinator پیوستند.

میشا به TechCrunch گفت Unsiloed در حال حاضر با مشتریان در امور مالی، خدمات حقوقی و مراقبت های بهداشتی کار می کند. او گفت که یک بانک از فناوری خود برای پردازش اسناد استفاده می کند، در حالی که یک شرکت حقوقی آن را در سرورهای خود برای رسیدگی به قراردادها و پرونده های پرونده قدیمی بدون نام بردن از مشتریان خود مستقر کرده است. میشا، با این حال، استارت‌آپ هوش مصنوعی Bolna AI را به عنوان مشتری معرفی کرد و گفت که از Unsiloed برای جذب پایگاه‌های دانش برای ساخت عوامل صوتی استفاده می‌کند.

استارت‌آپ مستقر در سانفرانسیسکو وارد بازاری شده است که در حال حاضر شلوغ است و شامل استارت‌آپ‌های تخصصی پردازش اسناد مانند Reducto و Unstructured و همچنین پیشنهاداتی از مایکروسافت و آمازون است. کسب‌وکارها همچنین گاهی اوقات از مدل‌های هوش مصنوعی همه منظوره برای استخراج اطلاعات از اسناد استفاده می‌کنند و مجموعه دیگری از رقبا را به Unsiloed می‌دهند.

Mishra به TechCrunch گفت که مزیت Unsiloed در نحوه پردازش اسناد پیچیده نهفته است. این استارت‌آپ از مدل‌های بینایی «دو جریانی» استفاده می‌کند که داده‌های متن و تصویر را به طور جداگانه مدیریت می‌کند، همراه با تکنیکی به نام «تکه‌کردن مبتنی بر نقشه حرارتی» که به شناسایی مهم‌ترین بخش‌های یک سند کمک می‌کند.

میشرا گفت: «در یکی از جریان‌ها شما نشانه‌های متنی دارید، در جریان دیگر نشانه‌های تصویر دقیق را دارید. “این چیزی است که ما زمان زیادی را برای معماری آن صرف کرده ایم.”

سپس این فناوری قدرت محاسباتی بیشتری را به سمت حوزه هایی مانند ارقام، اعداد و نمودارها هدایت می کند. Unsiloed همچنین از رمزگشای تخصصی استفاده می‌کند که اصطلاحات خاص صنعت را در نظر می‌گیرد و به آن کمک می‌کند بین عباراتی که می‌توانند معانی مختلفی در زمینه‌های تجاری مختلف داشته باشند، تمایز قائل شود.

میشرا در حمایت از این ادعاها به آزمایشی اشاره کرد که شامل 542 سند مالی ارائه شده توسط یک مشتری سازمانی بود. Unsiloed به دقت 99.78 درصد در حدود 84000 نقطه داده استخراج شده، در یک خلاصه فنی به اشتراک گذاشته شده توسط استارت آپ، به دست آورد. این آزمایش Unsiloed را با مدل‌های اصلی هوش مصنوعی، Azure Document Intelligence مایکروسافت و ابزار استخراج داخلی مشتری مقایسه کرد. با این حال، نتایج به طور مستقل تأیید نشده است.

Unsiloed نیز ادعا می کند که دارد بهتر عمل کرد ابزارهای رقیب پردازش اسناد هوش مصنوعی در olmOCR-Bench، یک معیار عمومی که توسط Allen AI توسعه یافته است. در آزمایش‌های انجام‌شده توسط استارت‌آپ، Unsiloed امتیاز 88.0 را کسب کرد، در حالی که امتیاز 66.0 برای سیستم عامل Reducto و 39.9 برای Unstructured بود. این معیار 1403 صفحه PDF را پوشش می‌دهد و آزمایش می‌کند که سیستم‌ها چگونه جداول، عبارات ریاضی، اسناد اسکن شده و طرح‌بندی‌های پیچیده را مدیریت می‌کنند.

میشا گفت که قیمت Unsiloed از یک سنت در هر صفحه شروع می شود. او تاکید کرد که رویکرد این استارت‌آپ با هدایت قدرت محاسباتی به سمت بخش‌هایی از یک سند که به بیشترین توجه نیاز دارند، به جای پردازش هر بخش به یک شکل، به کاهش هزینه‌های آن کمک می‌کند.

در حال حاضر، Unsiloed دارای هفت نفر است. میشا گفت که این استارت آپ قصد دارد از بودجه جدید برای استخدام محققان و مهندسان بیشتر، گسترش تلاش های فروش خود و توسعه مجموعه داده های اختصاصی برای بهبود فناوری خود استفاده کند.

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.



منبع

دیدگاهتان را بنویسید

دکمه بازگشت به بالا