님블, AI 워크플로우에서 라이브 웹 데이터를 더욱 확장하기 위해 4,700만 달러의 시리즈 B 자금을 조달하다

님블은 4,700만 달러의 시리즈 B 자금을 조달하였으며, 노르웨스트가 주도하고 데이터브릭스 벤처스와 기존 투자자들이 참여하였다. 이번 라운드의 자금은 총 투자 금액을 7,500만 달러로 증가시키며, 기업 AI 시스템을 위한 구조화된 의사 결정급 데이터를 제공할 수 있는 인프라에 대한 수요가 증가하고 있음을 반영한다.

조직이 AI를 실험 환경에서 생산 환경으로 이동함에 따라, 하나의 지속적인 장애물이 남아 있다. 즉, 최신 외부 정보에 대한 신뢰할 수 있는 액세스를 얻는 것이다. 님블의 플랫폼은 정확히 이 도전을 해결하기 위해 구축되었다.

라이브 웹이 아직도 AI에게 어려운 이유

공개 웹은 존재하는 가장 큰 상업, 금융, 경쟁 정보 저장소이다. 그러나 그것은 인간을 위해, 기계를 위해 설계되지 않았다. 페이지는 동적이며, 레이아웃은 끊임없이 변경되고, 콘텐츠는 클라이언트 측에서 렌더링되며, 정보는 쉽게 쿼리할 수 있는 방식으로 구조화되어 있지 않다.

전통적인 검색 엔진은 페이지를 색인화하고 순위를 매긴다. 생성형 AI 도구는 요약한다. 그러나 이 접근 방식은 재현성, 감사 가능성, 완전성을 보장하지 않는다. 이러한 속성은 기업이 AI 시스템을 가격 결정, 투자 연구, 규제 워크플로, 경쟁 전략에 영향을 미칠 때 필요로 한다.

많은 조직에서는 대안으로 사용자 정의 스크레이핑 인프라 또는 레거시 데이터 벤더에 의존해 왔다. 그러나 이러한 접근 방식은 비용, 취약성, 유지 보수 오버헤드를 도입한다.

님블의 가설은 웹 자체가 구조화된 데이터 계층과 같이 접근할 수 있어야 한다는 것이다. 엔지니어링 세금 없이.

님블의 에이전트 검색 아키텍처 내부

플랫폼의 핵심은 님블이 설명하는 멀티 에이전트 웹 검색이다.

정보를 검색하기 위해 단일 요청을 보내는 대신, 님블은 협調된 AI 에이전트를 배치한다. 이러한 에이전트는 실제 브라우저에서 작동한다.

• 자바스크립트 렌더링 콘텐츠를 포함하여 동적으로 웹 사이트를 탐색한다.
• 필요에 따라 페이지 요소와 상호 작용한다.
• 전체 문서가 아닌 특정 데이터 포인트를 추출한다.
• 여러 소스에서 결과를 교차 확인한다.
• 출력을 스키마 우선 데이터 테이블로 구조화한다.

시스템은 추출에서 멈추지 않는다. 또한 결과를 정리하기 위한 거버넌스 처리 계층을 포함한다. 이 계층은 결과를 정리하기 전에 데이터를 청소, 중복 제거, 조인, 집계 및 확인한다. 목표는 텍스트 출력이 아닌 구조화된 재현 가능한 데이터 세트를 생성하는 것이다.

웹 페이지에서 쿼리 가능한 데이터로

님블의 접근 방식의 결정적인 특징은 라이브 웹 콘텐츠를 데이터베이스 레코드와 더 비슷한 테이블로 변환하는 것이다.

대신 “답변”을 반환하는 대신, 플랫폼은 구조화된 데이터를 출력한다. 이 데이터는 비즈니스 인텔리전스 시스템, 데이터 웨어하우스 또는 AI 에이전트로 흐를 수 있다. 기업은 이 정보를 직접 워크플로에 스트리밍할 수 있으며, 수동 검토 또는 취약한 스크레이핑 스크립트에 대한 의존도를 줄일 수 있다.

에이전트가 검색하고, 다른 에이전트가 검증하고, 또 다른 에이전트가 작업을 수행하는 에이전트 AI 시스템을 구축하는 팀을 위해, 신뢰할 수 있는 라이브 데이터에 대한 액세스가 기본이 된다. 아키텍처는 기계가 읽을 수 있는 출력을 제공하여 감사와 재실행을 지원하도록 설계되었다.

엔터프라이즈 통합 및 에코시스템 위치

님블은 데이터브릭스와 마이크로소프트와 같은 엔터프라이즈 플랫폼과 통합하여 조직이 라이브 웹 인텔리전스를 내부 데이터 세트와 결합할 수 있도록 한다. 이는 전략적인 의미를 가진다. AI 모델이 보편화됨에 따라 차별화 요소는 점점 더 데이터 품질과 신선도에 이동한다.

기본 모델 제공업체와 경쟁하지 않고, 님블은 데이터 인프라 계층으로 자신을 위치시킨다. 브라우저를 제어하고, 동적 콘텐츠를 해석하며, 대규모로 거버넌스 출력을 생성하기 위한 멀티모달 및 추론 모델을 운영한다.

실제로 이것은 웹 데이터 수집을 파괴-수리 엔지니어링 문제에서 지속적으로 실행할 수 있는 관리 시스템으로 전환한다.

자금이 가능하게 하는 것

시리즈 B 자금은 협調된 에이전트 시스템, 브라우저 자동화 인프라의 확장, 완전성과 정확성을 보장하는 거버넌스 계층을 강화하는 연구를 지원할 것이다. 기업이 AI를 더 높은 위험의 결정 환경에 배포함에 따라, 신뢰성과 감사 가능성에 대한 기대가 높아진다.

자금은 또한 더广泛한 시장의 긴급성을 반영한다. AI 시스템은 소비하는 데이터의 품질을 초과할 수 없다. 데이터가 불완전하거나 구식이거나 검증할 수 없으면, 시스템의 출력은 감소한다.

산업의 더广泛한 전환점

수년 동안, 웹은 구조화되지 않은 전선으로 취급되어 왔다. 정보는 풍부하지만, 운영하기는 어렵다. 님블의 모델은 라이브 인터넷을 지속적으로 업데이트된, 기계가 접근할 수 있는 데이터 소스로 취급하는 방향으로의 전환을 제안한다.

AI 시스템이 비즈니스 워크플로 내에서 점점 더 자율적으로 작동함에 따라, 신뢰할 수 있는 실시간 외부 정보에 대한 액세스를 보장하는 인프라는 모델 성능 자체만큼 중요해질 수 있다.

님블의 최신 자금 조달은 기업이 내부 데이터베이스를 넘어 AI 시스템이 정보를 액세스하고 검증하는 방식을 다시 생각하고 있는 시기에, 이 인프라 계층을 확장할 수 있는 위치에 있다.