Seltz Mengumpulkan $12,5 Juta Putaran Benih untuk Membangun Lapisan Infrastruktur Pencarian Baru untuk Agen AI

Ketika agen AI semakin mampu melakukan penelitian, mengeksekusi alur kerja, dan membuat keputusan secara otonom, sebuah tantangan yang semakin besar telah muncul: web itu sendiri tidak pernah dirancang untuk mesin. Sementara model bahasa besar saat ini dapat bernalar, meringkas, dan menghasilkan konten, mereka masih sangat bergantung pada sistem pengambilan yang awalnya dibangun untuk manusia yang mengklik tautan. Seltz, sebuah startup yang fokus pada membangun infrastruktur pencarian web khusus untuk sistem AI, telah mengumumkan putaran benih sebesar $12,5 juta untuk mengatasi kesenjangan tersebut. Pendanaan ini dipimpin oleh Speedinvest dan B Capital, dengan partisipasi dari beberapa perusahaan ventura dan sekelompok penasihat dan investor malaikat yang berasal dari perusahaan seperti Amazon (AMZN ), Google (GOOGL ), Cohere, Databricks, Ramp, dan Synthesia.

Mengapa Agen AI Membutuhkan Jenis Mesin Pencari yang Berbeda

Selama beberapa dekade, pencarian web telah dioptimalkan untuk perilaku manusia. Mesin pencari mengembalikan daftar tautan, cuplikan, dan iklan yang dirancang untuk membantu orang-orang menavigasi situs web. Agen AI, bagaimanapun, memiliki persyaratan yang secara fundamental berbeda.

Daripada menjelajahi beberapa halaman, agen membutuhkan informasi terstruktur yang disampaikan dengan cepat, dengan atribusi sumber yang jelas dan konteks yang cukup untuk mendukung penalaran. Tantangan menjadi semakin signifikan ketika agen melakukan beberapa pencarian selama satu tugas, di mana latensi berkompilasi dan kualitas pengambilan langsung mempengaruhi kinerja.

Seltz berpendapat bahwa solusi pencarian AI yang ada sering berfungsi sebagai pembungkus di sekitar mesin pencari tradisional seperti Google, Bing, atau Brave. Sementara sistem tersebut bekerja dengan baik untuk pengguna manusia, mereka tidak dibangun untuk berfungsi sebagai infrastruktur pengetahuan untuk perangkat lunak otonom. Pendekatan perusahaan adalah membangun sistem pengambilan yang dirancang dari awal untuk konsumsi mesin daripada penjelajahan manusia.

Membangun Seluruh Tumpukan Pengambilan

Didirikan oleh Antonio Mallia, yang memiliki latar belakang termasuk peran penelitian di Amazon, Pinecone, dan Bloomberg, Seltz telah mengambil jalur yang lebih sulit dengan membangun dan mengoperasikan infrastruktur sendiri.

Alih-alih mengandalkan penyedia pencarian pihak ketiga, perusahaan memiliki seluruh pipa pengambilan, termasuk pengumpulan web, ekstraksi pengetahuan, pengindeksan, pengambilan, dan peringkat. Tingkat kontrol ini memungkinkan Seltz untuk mengoptimalkan setiap tahap proses khusus untuk beban kerja AI. Menurut perusahaan, memiliki tumpukan juga memungkinkan kontrol yang lebih ketat atas kualitas, kinerja, verifikasi sumber, dan pengembangan produk di masa depan.

API Pengetahuan Web Seltz menyediakan pengembang dengan akses waktu nyata ke informasi web yang telah diproses dan diatur untuk digunakan oleh model bahasa besar, sistem generasi yang ditingkatkan dengan pengambilan (RAG), dan agen otonom. Alih-alih hanya mengembalikan hasil pencarian, platform ini fokus pada menyampaikan informasi yang kaya konteks dengan referensi sumber yang dapat dikonsumsi langsung oleh sistem AI.

Pasar yang Tumbuh untuk Infrastruktur Asli AI

Pendanaan ini datang di tengah minat yang meningkat terhadap infrastruktur AI dasar. Sebagian besar ledakan AI baru-baru ini telah fokus pada penyedia model, chip, dan kerangka agen, tetapi infrastruktur pengambilan mulai muncul sebagai lapisan kritis lain dari tumpukan.

Alasannya adalah sistem AI semakin diharapkan bekerja dengan informasi segar. Data pelatihan cepat menjadi usang, terutama di bidang seperti berita, peraturan, harga, dokumentasi teknis, dan data perusahaan. Akibatnya, pengambilan waktu nyata menjadi sangat penting untuk banyak aplikasi AI produksi.

Seltz memposisikan diri sebagai penyedia lapisan pengambilan ini. Alih-alih bersaing langsung dengan mesin pencari konsumen, perusahaan ini menargetkan pengembang, startup asli AI, laboratorium AI pionir, dan perusahaan yang membangun sistem yang memerlukan akses yang dapat diandalkan ke informasi saat ini. Ini mencerminkan pergeseran yang lebih luas menuju infrastruktur khusus yang dirancang khusus untuk interaksi mesin-ke-mesin daripada antarmuka manusia.

Performa dan Benchmarking Menjadi Keunggulan Kompetitif

Kualitas pencarian terkenal sulit diukur, terutama saat mengevaluasi sistem yang dimaksudkan untuk agen AI daripada pengguna manusia. Untuk mengatasi hal ini, Seltz baru-baru ini meluncurkan Benchmark Pencarian Berita Dinamis (DNSB), sebuah benchmark publik yang dirancang untuk mengevaluasi kualitas pengambilan dan latensi di seluruh penyedia pencarian AI yang berbeda.

Perusahaan melaporkan hasil yang kuat dalam kecepatan pengambilan dan efektivitas. Pembaruan produk sebelumnya menyoroti latensi pengambilan yang diukur dalam ratusan milidetik, faktor yang signifikan untuk agen yang mungkin melakukan beberapa pencarian selama tugas penalaran yang kompleks. Pengambilan yang lebih cepat tidak hanya meningkatkan pengalaman pengguna tetapi juga dapat mengurangi biaya komputasi dengan mempersingkat waktu yang dihabiskan model untuk menunggu informasi eksternal.

Penekanan pada benchmark mencerminkan tren yang lebih luas di seluruh infrastruktur AI, di mana metrik kinerja yang dapat diukur menjadi semakin penting karena perusahaan mengevaluasi platform yang bersaing.

Mengembangkan di Luar Hasil Pencarian

Sementara pencarian web tetap menjadi fokus inti perusahaan, Seltz telah mulai mengembangkan kemampuan platformnya. Rilis produk baru-baru ini termasuk filtering tanggal publikasi, kontrol filtering domain, integrasi, dan alat yang dirancang untuk membantu pengembang mengelola kualitas dan kesegaran informasi yang diperoleh. Perusahaan ini juga merilis fitur yang ditujukan untuk membuat pengetahuan web waktu nyata lebih dapat diakses dalam alur kerja AI dan kerangka agen.

Penambahan ini menunjukkan bahwa Seltz melihat pengambilan bukan sebagai fitur mandiri, tetapi sebagai lapisan infrastruktur pengetahuan yang lebih luas yang dapat diintegrasikan di seluruh sistem perusahaan, aplikasi, dan alur kerja otonom.

Implikasi yang Lebih Luas dari Infrastruktur Pengambilan Asli AI

Teknologi seperti Seltz menunjuk ke evolusi yang lebih luas dalam cara sistem AI berinteraksi dengan internet. Mesin pencari tradisional dirancang di sekitar alur kerja manusia, di mana pengguna mengevaluasi tautan, membandingkan sumber, dan menentukan relevansi mereka sendiri. Agen AI, di sisi lain, memerlukan sistem pengambilan yang dapat dengan cepat menyajikan informasi yang dapat dipercaya dalam format yang dioptimalkan untuk penalaran mesin dan otomatisasi.

Pengembangan infrastruktur pengambilan khusus juga dapat mempengaruhi generasi berikutnya aplikasi AI. Akses yang lebih cepat ke informasi segar mungkin dapat meningkatkan kinerja sistem agen yang beroperasi di bidang seperti intelijen perusahaan, analisis keuangan, penelitian ilmiah, keamanan siber, dan dukungan keputusan waktu nyata. Pada saat yang sama, penekanan yang lebih besar pada atribusi sumber dan verifikasi dapat membantu mengatasi kekhawatiran yang sedang berlangsung seputar halusinasi, informasi yang sudah ketinggalan zaman, dan transparansi AI.

Ketika organisasi menerapkan sistem yang semakin otonom, lapisan pengambilan mungkin menjadi komponen kritis dari tumpukan AI, berada di samping model, basis data vektor, dan kerangka orkestrasi. Perusahaan yang membangun teknologi dasar ini membantu membangun infrastruktur yang dapat mendukung sistem AI yang lebih dapat diandalkan, akuntabel, dan sadar informasi di masa depan.