Nimble Mengumpulkan $47M Seri B untuk Mendorong Data Web Langsung ke dalam Alur Kerja AI

Nimble telah mengumpulkan $47 juta dalam pembiayaan Seri B, dipimpin oleh Norwest dengan partisipasi dari Databricks Ventures dan investor yang sudah ada. Putaran ini membawa total pembiayaan menjadi $75 juta dan mencerminkan permintaan yang meningkat untuk infrastruktur yang dapat mengubah web publik yang terus berubah menjadi data yang terstruktur dan dapat diandalkan untuk sistem AI perusahaan.

Ketika organisasi memindahkan AI dari eksperimen ke lingkungan produksi, satu hambatan yang persisten tetap ada: akses yang dapat diandalkan ke informasi eksternal yang mutakhir. Platform Nimble dibangun khusus untuk mengatasi tantangan tersebut.

Mengapa Web Langsung Masih Sulit untuk AI

Web publik adalah repositori terbesar dari intelijen komersial, keuangan, dan kompetitif yang ada. Namun, itu dirancang untuk manusia — bukan mesin. Halaman web dinamis, tata letak berubah terus, konten di-render sisi klien, dan informasi jarang terstruktur dengan cara yang dapat dengan mudah diquery seperti database.

Mesin pencari tradisional mengindeks dan menilai halaman web. Alat AI generatif meringkasnya. Tidak satu pun dari pendekatan ini menjamin reproduktivitas, auditabilitas, atau kelengkapan — atribut yang diperlukan perusahaan ketika sistem AI mempengaruhi keputusan harga, penelitian investasi, alur kerja regulasi, atau strategi kompetitif.

Bagi banyak organisasi, alternatifnya telah menjadi infrastruktur pengikisan kustom atau ketergantungan pada vendor data warisan. Kedua pendekatan ini memperkenalkan biaya, kerapuhan, dan overhead pemeliharaan.

Tesis Nimble adalah bahwa web itu sendiri harus dapat diakses seperti lapisan data terstruktur — tanpa pajak teknik.

Di Dalam Arsitektur Pencarian Agentik Nimble

Di inti platform adalah apa yang Nimble deskripsikan sebagai pencarian web multi-agents.

Bukannya mengirimkan satu permintaan untuk mengambil informasi, Nimble menerapkan agen AI yang terkoordinasi yang beroperasi di browser web yang nyata. Agen-agen ini:

• Menavigasi situs web secara dinamis, termasuk konten yang di-render oleh JavaScript
• Berinteraksi dengan elemen halaman ketika diperlukan
• Mengekstrak titik data spesifik daripada dokumen penuh
• Mengontrol silang hasil di beberapa sumber
• Mengstrukturkan output menjadi tabel data skema-pertama

Sistem ini tidak berhenti pada ekstraksi. Ini termasuk lapisan pemrosesan yang dikelola yang membersihkan, menduplikasi, menggabungkan, mengagregasi, dan memvalidasi hasil sebelum pengiriman. Tujuannya adalah untuk menghasilkan dataset yang terstruktur dan dapat diulang, bukan hanya output teks.

Dari Halaman Web ke Data yang Dapat Diquery

Fitur yang membedakan dari pendekatan Nimble adalah mengubah konten web langsung menjadi tabel yang berperilaku lebih seperti catatan database daripada fragmen HTML yang diikis.

Bukannya mengembalikan “jawaban”, platform mengeluarkan data yang terstruktur yang dapat mengalir ke sistem intelijen bisnis, gudang data, atau agen AI. Perusahaan dapat menyiarkan informasi ini langsung ke alur kerja mereka, mengurangi ketergantungan pada tinjauan manual atau skrip pengikisan yang rapuh.

Bagi tim yang membangun sistem AI agen — di mana satu agen mencari, yang lain memverifikasi, dan yang ketiga mengambil tindakan — akses ke data langsung yang dapat diandalkan menjadi fondasional. Arsitektur ini dirancang untuk mendukung loop tersebut dengan output yang dapat dibaca mesin yang dapat diaudit dan diulang.

Integrasi Perusahaan dan Posisi Ekosistem

Nimble mengintegrasikan dengan platform perusahaan seperti Databricks dan Microsoft untuk memungkinkan organisasi menggabungkan intelijen web langsung dengan dataset internal. Implikasinya strategis: ketika model AI menjadi komoditas, diferensiator semakin bergeser ke kualitas dan kesegaran data.

Bukannya bersaing dengan penyedia model dasar, Nimble memposisikan diri sebagai lapisan infrastruktur data — mengoperasikan model multimodal dan alasan untuk mengontrol browser, menafsirkan konten dinamis, dan menghasilkan output yang dikelola pada skala besar.

Dalam prakteknya, ini menggeser pengumpulan data web dari masalah teknik yang perlu diperbaiki menjadi sistem yang dikelola yang dapat berjalan terus menerus.

Apa yang Dimungkinkan oleh Pembiayaan

Modal Seri B akan mendukung penelitian terus-menerus dalam sistem agen yang terkoordinasi, menskalakan infrastruktur otomatisasi browser, dan meningkatkan lapisan tata kelola yang memastikan kesalahan dan kelengkapan. Ketika perusahaan menerapkan AI ke lingkungan keputusan yang lebih berisiko, harapan sekitar keandalan dan auditabilitas meningkat.

Pembiayaan ini juga mencerminkan urgensi pasar yang lebih luas: sistem AI tidak dapat mengungguli kualitas data yang mereka konsumsi. Jika data tersebut tidak lengkap, ketinggalan zaman, atau tidak dapat diverifikasi, output sistem tersebut menurun sesuai.

Titik Infleksi Industri yang Lebih Luas

Selama bertahun-tahun, web telah dianggap sebagai frontier yang tidak terstruktur — kaya akan informasi tetapi sulit untuk dioperasikan. Model Nimble menunjukkan pergeseran menuju memperlakukan internet langsung sebagai sumber data yang terus diperbarui dan dapat diakses oleh mesin.

Ketika sistem AI semakin beroperasi secara otonom di dalam alur kerja bisnis, infrastruktur yang memastikan akses ke informasi eksternal yang dapat diandalkan dan waktu nyata mungkin menjadi sama kritis dengan kinerja model itu sendiri.

Nimble putaran pembiayaan terbaru memposisikan perusahaan untuk memperluas lapisan infrastruktur tersebut pada saat perusahaan secara aktif memikirkan kembali bagaimana sistem AI mengakses dan memverifikasi informasi di luar basis data internal mereka.