एन्साइलोड एआई ने एंटरप्राइज दस्तावेजों को प्रोसेस करने के लिए जुटाई फंडिंग


सैन फ्रांसिस्को स्थित स्टार्टअप एन्साइलोड एआई (Unsiloed AI) ने एआई एजेंटों के लिए जटिल व्यावसायिक दस्तावेजों से संरचित डेटा निकालने वाले सॉफ्टवेयर को विकसित करने के उद्देश्य से फेलिसिस के नेतृत्व और वाई कॉम्बिनेटर की भागीदारी में 7.5 मिलियन डॉलर का सीड फंडिंग दौर जुटाया है। यह प्लेटफॉर्म मानवीय समीक्षा को आसान बनाने के लिए मूल स्रोत लिंक बनाए रखते हुए तालिकाओं, चार्ट और गणितीय सूत्रों को प्रोसेस करने पर ध्यान केंद्रित करता है।
एआई एजेंटों को जटिल तालिकाओं और फाइलों को पढ़ने में होने वाली गलतियों के बिना उद्यमों के भीतर कुशलतापूर्वक काम करने में सक्षम बनाने के लिए, एन्साइलोड एआई ने कठिन दस्तावेजों को ऑडिट करने योग्य संरचित डेटा में बदलने के लिए एक विशिष्ट बुनियादी ढांचा विकसित करने हेतु 7.5 मिलियन डॉलर का सीड फंड जुटाया है।
फेलिसिस के नेतृत्व में 7.5 मिलियन डॉलर का सीड फंडिंग दौर
कंपनी की स्थापना और पाठ्य व दृश्य प्रसंस्करण के लिए अलग-अलग रास्ते की वास्तुकला
व्यापारिक मॉडलों में गणना संबंधी त्रुटियों को रोकने के लिए स्रोत एट्रिब्यूशन का महत्व
वित्तीय दस्तावेजों और ओएलएम ओसीआर बेंच मानक पर सटीकता परीक्षण के परिणाम
दस्तावेज समझ के बाजार में मूल्य निर्धारण, कुल परिचालन लागत और प्रतिस्पर्धा
अक्सर पूछे जाने वाले प्रश्न
फेलिसिस के नेतृत्व में 7.5 मिलियन डॉलर का सीड फंडिंग दौर
सैन फ्रांसिस्को स्थित स्टार्टअप एन्साइलोड एआई ने निवेश फर्म फेलिसिस के नेतृत्व में और त्वरक (एक्सीलेरेटर) वाई कॉम्बिनेटर तथा अन्य निवेशकों की भागीदारी के साथ 7.5 मिलियन अमेरिकी डॉलर का सीड फंड जुटाया है, जैसा कि टेकक्रंच द्वारा 18 नवंबर 2026 को पैसिफिक स्टैंडर्ड समयानुसार सुबह 04:00 बजे (गल्फ स्टैंडर्ड समयानुसार शाम 16:00 बजे) रिपोर्ट किया गया, और इसे डील रूम प्लेटफॉर्म ने भी कवर किया।
यह स्टार्टअप ऐसा सॉफ्टवेयर विकसित कर रहा है जिसे जटिल व्यावसायिक दस्तावेजों से संरचित जानकारी निकालने के लिए डिज़ाइन किया गया है ताकि एआई एजेंट बाद के वर्कफ़्लो में इसका उपयोग कर सकें; क्योंकि सामान्य प्रयोजन मॉडल अक्सर उन दस्तावेजों को सटीक रूप से प्रोसेस करने में स्पष्ट कठिनाई का सामना करते हैं जिनमें तालिकाएं, चार्ट, गणितीय अभिव्यक्तियां और अपरिचित लेआउट शामिल होते हैं।
कंपनी की स्थापना और पाठ्य व दृश्य प्रसंस्करण के लिए अलग-अलग रास्ते की वास्तुकलाइस कंपनी की स्थापना अमन मिश्रा और अदनान अब्बास ने की है, जो आईआईटी खड़गपुर के पूर्व सहपाठी हैं और जिन्होंने एक साथ वाई कॉम्बिनेटर के फॉल 2025 बैच में प्रवेश लिया था। उनका सॉफ्टवेयर एक ही दस्तावेज के भीतर पाठ्य (टेक्स्ट) जानकारी और दृश्य (विजुअल) जानकारी दोनों के लिए अलग-अलग प्रोसेसिंग पाथवे पर निर्भर करता है।
यह प्लेटफॉर्म जटिल सामग्री वाले पृष्ठों या क्षेत्रों की ओर अतिरिक्त कंप्यूटिंग प्रयास निर्देशित करता है, और इसका उद्देश्य प्रत्येक निकाली गई वैल्यू को दस्तावेज के भीतर उसके मूल स्थान से जोड़ने वाले सीधे लिंक को बनाए रखना है ताकि उपयोगकर्ता सीधे साक्ष्य की जांच और समीक्षा कर सकें।
व्यापारिक मॉडलों में गणना संबंधी त्रुटियों को रोकने के लिए स्रोत एट्रिब्यूशन का महत्व
एंटरप्राइज वातावरण में जानकारी के मूल को ट्रैक करने की विशेषता अत्यंत महत्वपूर्ण हो जाती है; यदि कोई एआई एजेंट किसी वित्तीय मॉडल के भीतर गलत तरीके से निकाले गए नंबर का उपयोग करता है, तो यह त्रुटि उस पर आधारित बाद के निर्णयों में आगे बढ़ सकती है और बढ़ भी सकती है।
यद्यपि यह सेवा जो दस्तावेज के भीतर नंबर के सटीक स्थान को प्रदर्शित करती है, मानवीय समीक्षा प्रक्रिया को आसान और तीव्र बनाती है, फिर भी केवल मूल पृष्ठ का संदर्भ होने मात्र से यह गारंटी नहीं मिलती है कि उन डेटा का मूल स्पष्टीकरण पूरी तरह से सही था।
वित्तीय दस्तावेजों और ओएलएम ओसीआर बेंच मानक पर सटीकता परीक्षण के परिणाम
एन्साइलोड एआई ने बताया है कि वह वित्त, स्वास्थ्य सेवा और कानून क्षेत्रों के उद्यमों के साथ काम कर रहा है, और उसने अन्य ग्राहकों के नाम गोपनीय रखते हुए अपने ग्राहकों में बोलना एआई (Bulna AI) कंपनी का नाम उजागर किया है। स्टार्टअप का कहना है कि एक ग्राहक के यहाँ किए गए परीक्षण में 542 वित्तीय दस्तावेजों और लगभग 84,000 डेटा बिंदुओं को शामिल किया गया, जिससे 99.78 प्रतिशत की निष्कर्षण सटीकता हासिल हुई।
इसने ओएलएम ओसीआर बेंच (OLM OCR Bench) मानक पर भी सकारात्मक परिणाम दर्ज करने की घोषणा की है, जो कठिन पीडीएफ लेआउट को संभालने की दक्षता मापने वाला एक सामान्य मूल्यांकन है; हालांकि, ये सभी आंकड़े स्टार्टअप द्वारा स्वयं किए गए परीक्षणों से हैं और समतुल्य परिस्थितियों में स्वतंत्र रूप से पुनरुत्पादित नहीं किए गए हैं।
दस्तावेज समझ के बाजार में मूल्य निर्धारण, कुल परिचालन लागत और प्रतिस्पर्धा
कंपनी ने उल्लेख किया है कि इसकी शुरुआती कीमत प्रति पृष्ठ लगभग एक अमेरिकी सेंट है, हालांकि यह आंकड़ा एक एकीकृत एंटरप्राइज एआई एजेंट को चलाने की कुल लागत को निर्धारित नहीं करता है, जिसमें पुनर्प्राप्ति, भंडारण, मॉडल अनुमान (इन्फेंस) और मानवीय सत्यापन सेवाएं भी शामिल हो सकती हैं, ऐसे समय में जब कंपनी नई प्रतिभाओं को काम पर रखने और अपने स्वयं के डेटासेट विकसित करने की योजना बना रही है।
इसकी प्रतिद्वंद्वी सूची में स्थापित दस्तावेज़ प्रसंस्करण प्लेटफ़ॉर्म और बड़े सामान्य मॉडल शामिल हैं; हालांकि अग्रणी मॉडलों की फंडिंग की तुलना में निवेश का मूल्य अपेक्षाकृत कम है, फिर भी यह समस्या जिस पर यह काम कर रही है, उसका महत्वपूर्ण व्यावसायिक प्रभाव है क्योंकि एजेंटों को कार्रवाई करने से पहले विश्वसनीय संरचित डेटा की आवश्यकता होती है, और भविष्य के सबूत स्वतंत्र निष्कर्षण परीक्षण, अपरिचित दस्तावेजों के साथ विफलता दर, डेटा सुरक्षा प्रथाओं और ग्राहकों के बीच वास्तविक उपयोग की मात्रा के रूप में सामने आएंगे।
अक्सर पूछे जाने वाले प्रश्न
प्रश्न: एन्साइलोड एआई के सीड फंडिंग दौर का नेतृत्व किसने किया और इसके संस्थापक कौन हैं?
उत्तर: फेलिसिस ने वाई कॉम्बिनेटर की भागीदारी के साथ 7.5 मिलियन डॉलर के दौर का नेतृत्व किया, और कंपनी की स्थापना आईआईटी खड़गपुर के स्नातकों अमन मिश्रा और अदनान अब्बास ने की है।
प्रश्न: एन्साइलोड एआई का सॉफ्टवेयर जटिल दस्तावेज पृष्ठों को कैसे प्रोसेस करता है?
उत्तर: यह पाठ और दृश्य तत्वों के लिए अलग-अलग प्रोसेसिंग पाथवे का उपयोग करता है, जटिल क्षेत्रों पर अतिरिक्त कंप्यूटिंग शक्ति केंद्रित करता है और निकाली गई वैल्यू को दस्तावेज में उनके मूल स्थानों से जोड़ता है।
प्रश्न: क्या घोषित 99.78 प्रतिशत सटीकता दर का स्वतंत्र बाहरी ऑडिट किया गया है?
उत्तर: नहीं, 542 वित्तीय दस्तावेजों और लगभग 84,000 डेटा बिंदुओं तथा ओएलएम ओसीआर बेंच के परिणामों से प्राप्त 99.78 प्रतिशत आंकड़ा कंपनी के अपने परीक्षणों पर आधारित है और इसकी अभी स्वतंत्र रूप से पुष्टि नहीं की गई है।
प्रश्न: क्या प्रति पृष्ठ एक सेंट की कीमत उद्यमों में एक स्मार्ट एजेंट को चलाने की पूरी लागत का प्रतिनिधित्व करती है?
उत्तर: नहीं, यह केवल प्रति पृष्ठ निष्कर्षण के लिए शुरुआती मूल्य है, जबकि एंटरप्राइज एजेंट को चलाने की कुल लागत में पुनर्प्राप्ति, भंडारण, मॉडल अनुमान और मानवीय समीक्षा के खर्च शामिल हैं।