Unsiloed AI ha cerrado una ronda semilla de 7,5 millones de dólares liderada por Felicis para resolver uno de los cuellos de botella menos visibles de los agentes de inteligencia artificial: los documentos empresariales. La compañía quiere convertir contratos, informes financieros, expedientes y archivos escaneados en información estructurada que un sistema automatizado pueda consultar sin perder el contexto. En la operación también participaron Y Combinator, Orange Collective y Uncorrelated Ventures, además de varios inversores particulares.
El problema parece sencillo hasta que se abre un PDF corporativo. Las empresas trabajan con tablas, anotaciones, gráficos, columnas, firmas y formatos heredados que no siempre se traducen bien al texto. Un modelo puede resumir una página, pero confundirse al asociar una cifra con su fila o al ignorar una nota al pie cambia el resultado de una decisión. Esto resulta especialmente delicado en banca, salud, seguros y servicios jurídicos.
La promesa de los agentes de IA en la empresa depende menos de que redacten bien y más de que puedan localizar, interpretar y justificar el dato correcto. Unsiloed afirma que su plataforma descompone documentos complejos, extrae la información relevante y conserva la referencia a su ubicación original. Ese rastro permite que un profesional revise el resultado antes de incorporarlo a un proceso operativo, una condición esencial cuando el margen de error es pequeño.
La startup utiliza dos flujos de visión, uno para texto y otro para imagen, junto con una técnica de segmentación que concentra cómputo en zonas como cifras, tablas y diagramas. También incorpora un decodificador orientado a terminología sectorial. La empresa sostiene que esta combinación evita tratar cada página como una secuencia plana de palabras, que es precisamente donde fallan muchas automatizaciones documentales convencionales.
Unsiloed ha comunicado una precisión del 99,78% en una prueba con 542 documentos financieros y alrededor de 84.000 puntos de datos. La comparación, según la propia compañía, incluía modelos de IA, Azure Document Intelligence y una herramienta interna de un cliente. La cifra no ha sido validada por un tercero, por lo que debe leerse como una medición comercial y no como un estándar independiente. Aun así, muestra qué métrica empieza a importar en este mercado: no solo velocidad, sino trazabilidad y tasa de acierto por campo.
Para una empresa española, el valor no está en subir todos sus archivos a un chatbot, sino en definir qué documentos puede procesar, quién valida las respuestas y cómo se conserva la evidencia. Un despacho puede revisar cláusulas repetidas; un banco, extraer datos de expedientes; una aseguradora, clasificar documentación de siniestros. Cada uso exige permisos, control de versiones, protección de datos y una revisión humana proporcional al riesgo.
La financiación servirá para ampliar el equipo de investigación e ingeniería, las ventas y los conjuntos de datos propios. Unsiloed cuenta con siete empleados y asegura trabajar ya con clientes de finanzas, legal y salud, aunque no identifica a todos. También compite con firmas especializadas como Reducto y Unstructured, además de los servicios de grandes proveedores de nube. La presión competitiva obligará a demostrar integración, coste y fiabilidad más allá de una demostración técnica.
El caso resume una etapa más madura de la IA empresarial. La conversación ya no gira solo alrededor del modelo elegido, sino de la infraestructura que conecta ese modelo con información real sin borrar las garantías de control. Si los agentes van a ejecutar tareas con documentos internos, necesitarán saber de dónde salió cada respuesta. Esa capacidad de auditoría puede decidir qué proveedores entran en flujos de trabajo críticos y cuáles quedan limitados a pruebas puntuales.
