ArticleJagmeet Singh·2026년 11월 18일·0

Felicis leads $7.5M bet on Unsiloed AI to make enterprise documents usable by AI agents

Quick Summary

Unsiloed AI는 기업 문서의 표와 차트를 AI 에이전트가 쓸 수 있는 구조화 데이터로 바꾸고 사람이 그 출처를 확인할 수 있게 하는 기술로, Felicis가 주도한 시드 투자에서 750만 달러를 조달했다.

Felicis leads $7.5M bet on Unsiloed AI to make enterprise documents usable by AI agents 관련 대표 이미지

🖼️ 인포그래픽

Felicis leads $7.5M bet on Unsiloed AI to make enterprise documents usable by AI agents 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

Felicis leads $7.5M bet on Unsiloed AI to make enterprise documents usable by AI agents의 핵심 내용을 4단계로 요약한 인포그래픽
Felicis leads $7.5M bet on Unsiloed AI to make enterprise documents usable by AI agents 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 요약

Unsiloed AI는 기업 문서의 표와 차트를 AI 에이전트가 쓸 수 있는 구조화 데이터로 바꾸고 사람이 그 출처를 확인할 수 있게 하는 기술로, Felicis가 주도한 시드 투자에서 750만 달러를 조달했다.

📌 핵심 요약

  • Felicis가 주도한 750만 달러 시드 투자에 Y Combinator, Orange Collective, Uncorrelated Ventures와 엔젤 투자자 Aarthi Ramamurthy, Beth Turner가 참여했다.
  • Unsiloed AI는 표와 차트에서 추출한 정보를 원문 위치와 연결한다. 공동창업자 겸 CEO Aman Mishra에 따르면 은행은 문서 처리에, 로펌은 자체 서버에서 계약서와 과거 사건 기록을 처리하는 데 이 기술을 쓰며, Bolna AI는 음성 에이전트용 지식 기반을 구축하는 데 활용한다.
  • 회사 설명에 따르면 ‘듀얼 스트림’ 비전 모델은 텍스트와 이미지를 따로 처리하고, 히트맵을 이용해 수치와 차트 등 중요한 영역에 연산을 집중한다. 전용 디코더는 업종에 따라 달라지는 용어의 의미를 구분한다.
  • 회사 기술 자료에 따르면 고객사의 금융 문서 542건에서 추출한 약 8만 4,000개 데이터 항목의 정확도는 99.78%였으며, 이 결과는 독립 검증을 거치지 않았다. 별도의 olmOCR-Bench 자체 시험에서 회사가 보고한 점수는 Unsiloed AI 88.0점, Reducto의 에이전트형 시스템 66.0점, Unstructured 39.9점이었다.
  • Mishra에 따르면 요금은 페이지당 1센트부터 시작한다. 직원 7명인 Unsiloed AI는 투자금을 연구자·엔지니어 채용, 영업 확대, 기술 개선을 위한 자체 데이터셋 개발에 쓸 계획이다.

🧩 주요 포인트

  1. 원문 위치를 함께 제공하므로 은행이나 로펌은 추출한 값이 틀렸을 때 비용이 큰 업무에서 해당 값을 직접 대조할 수 있다.
  2. Reducto와 Unstructured부터 Microsoft, Amazon, 범용 AI 모델까지 경쟁하는 시장에서 Unsiloed AI는 복잡한 문서의 특정 영역에 연산을 집중하는 방식을 차별점으로 내세운다.
  3. 금융 문서의 99.78%는 추출 항목별 정확도이고 olmOCR-Bench의 88.0점은 여러 PDF 처리 과제를 종합한 점수여서, 두 수치가 뒷받침하는 성능 주장의 범위가 다르다.

🧠 상세 정리

1. 750만 달러 시드 투자가 겨냥한 기업 문서 문제

기업이 AI 에이전트로 업무를 자동화하려 해도, 일상 업무에 필요한 정보 상당량은 여전히 복잡한 문서 안에 들어 있다. 표나 차트에 값이 담겨 있거나 문서 배치가 복잡하면 AI가 내용을 잘못 읽을 수 있고, 이런 문서에 의존하는 은행·병원·로펌에서는 오류의 비용이 클 수 있다. 샌프란시스코에 본사를 둔 Unsiloed AI는 이 문제를 겨냥해 Felicis가 주도한 시드 투자에서 750만 달러를 조달했다. Y Combinator, Orange Collective, Uncorrelated Ventures와 엔젤 투자자 Aarthi Ramamurthy, Beth Turner도 이번 투자에 참여했다.

2. 추출한 값을 원문에서 확인하는 방식

Unsiloed AI의 소프트웨어는 복잡한 문서를 구성 요소별로 나누고, 표와 차트 등에서 정보를 추출해 AI 에이전트가 사용할 수 있는 구조화 데이터로 바꾼다. 추출 결과에는 정보가 나온 원문 위치도 표시되므로 사용자는 해당 부분으로 돌아가 값이 맞는지 확인할 수 있다. 공동창업자 겸 CEO Aman Mishra는 대규모 언어 모델이 확률적으로 작동하기 때문에 출력에 편차가 생기거나 원문에 없는 내용을 생성할 수 있다고 설명했다. 그가 우려하는 지점은 추출 단계에서 생긴 오류가 그 값을 사용하는 후속 업무에도 영향을 미친다는 점이다.

3. 창업 배경과 고객별 활용 사례

Aman Mishra와 Adnan Abbas는 인도공과대학교 카라그푸르(IIT Kharagpur) 동창으로, 함께 기술을 개발한 뒤 Y Combinator의 2025년 가을 배치에 합류했다. Mishra는 회사가 이미 금융·법률 서비스·의료 분야 고객과 일하고 있다고 TechCrunch에 말했다. 그의 설명에 따르면 한 은행은 문서를 처리하는 데 기술을 쓰고, 한 로펌은 자체 서버에 소프트웨어를 배포해 계약서와 과거 사건 기록을 처리한다. 그는 은행과 로펌의 이름은 공개하지 않았지만 Bolna AI는 고객사로 명시했으며, 이 회사가 음성 에이전트를 구축하기 위해 지식 기반 자료를 불러오는 데 제품을 쓴다고 밝혔다.

4. 복잡한 문서에서 연산을 집중하는 방법

기업 문서 처리 시장에는 Reducto와 Unstructured 같은 전문 업체 외에도 Microsoft와 Amazon의 제품이 있고, 기업이 직접 사용하는 범용 AI 모델도 경쟁 대상이다. Mishra가 차별점으로 꼽은 ‘듀얼 스트림’ 비전 모델은 문서의 텍스트와 이미지를 별도의 경로에서 처리한다. 회사는 히트맵을 기반으로 문서를 구획화해 중요한 영역을 식별하고, 도형이나 수치, 차트처럼 주의가 필요한 부분에 더 많은 연산을 배정한다고 설명한다. 여기에 업종별 용어를 고려하는 전용 디코더를 사용해 같은 표현이라도 업무 맥락에 따라 달라지는 의미를 구분한다는 설명이다.

5. 금융 문서 정확도와 공개 벤치마크 점수

회사가 제공한 기술 자료에 따르면 한 기업 고객이 제공한 금융 문서 542건에서 약 8만 4,000개 데이터 항목을 추출한 결과, Unsiloed AI의 정확도는 99.78%였다. 비교 대상에는 주요 AI 모델, Microsoft의 Azure Document Intelligence, 고객사 내부 추출 도구가 포함됐으며 이 시험 결과는 독립적으로 검증되지 않았다. 별도로 회사는 Allen AI가 개발한 공개 벤치마크 olmOCR-Bench에서 PDF 1,403쪽에 담긴 표, 수식, 스캔 문서와 복잡한 레이아웃을 처리하는 성능을 시험했다. 회사가 직접 수행한 이 시험에서 보고한 점수는 Unsiloed AI 88.0점, Reducto의 에이전트형 시스템 66.0점, Unstructured 39.9점이었다.

6. 페이지당 요금과 투자금 사용 계획

Mishra가 밝힌 Unsiloed AI의 시작 요금은 문서 한 페이지당 1센트다. 그는 복잡한 문서를 해석하기 위해 설계한 연산 배분 방식이 회사의 처리 비용을 낮추는 데도 도움이 된다고 설명했다. 문서의 모든 구역에 똑같은 연산량을 배정하는 대신, 수치나 차트처럼 더 세밀하게 읽어야 하는 부분에 연산을 집중한다는 것이다. 보도 시점의 직원 수는 7명이며, 회사는 새 투자금으로 연구자와 엔지니어를 추가 채용하고 영업 활동을 확대할 계획이다. Mishra는 문서 처리 기술의 성능을 개선하기 위한 자체 데이터셋 개발도 투자금 사용처로 꼽았다.

🧾 핵심 주장 / 시사점

  • 원문 위치를 표시하는 기능은 추출값이 의심스러울 때 사람이 확인할 근거를 제공한다. 오류가 후속 업무에 미치는 영향을 우려하는 고객에게는 모델의 평균 정확도와 별개의 판단 기준이다.
  • olmOCR-Bench가 공개돼 있다는 점과 비교 시험을 Unsiloed AI가 직접 수행했다는 점은 함께 고려해야 한다. 금융 문서 정확도 역시 한 고객이 제공한 자료에서 얻은 결과다.
  • Mishra는 중요한 영역에 연산을 집중하는 설계를 문서 해석 성능과 처리 비용 양쪽의 근거로 제시했다. 기사에 제시된 비용 관련 수치는 페이지당 시작 요금이며, 실제 원가 절감 폭은 제시되지 않았다.

✅ 액션 아이템

  • 은행·로펌의 활용 사례를 검토할 때 추출값을 원문 위치와 직접 대조할 수 있는지 확인한다.
  • 금융 문서 542건에서 나온 99.78%를 해석할 때 추출 항목 단위의 정확도와 독립 검증 여부를 함께 명시한다.
  • olmOCR-Bench 점수를 인용할 때 자체 시험이라는 점과 Reducto의 비교 대상이 에이전트형 시스템이었다는 점을 함께 밝힌다.

❓ 열린 질문

  • 금융 문서 542건에서 보고된 99.78% 정확도는 다른 고객사의 문서에서도 재현되는가?
  • olmOCR-Bench에서 보고된 Unsiloed AI와 Reducto의 점수 차이는 독립 시험에서도 유지되는가?
  • 연산을 집중해야 하는 표와 차트의 비중이 달라지면 페이지당 1센트부터 시작하는 요금은 어떻게 달라지는가?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.