Seltz pozyskuje 12,5 miliona dolarów w rundzie seed, aby zbudować nową warstwę infrastruktury wyszukiwania dla agentów AI

Wraz ze wzrostem zdolności agentów AI do wykonywania badań, wykonywania przepływów pracy i podejmowania decyzji w sposób autonomiczny, pojawiło się coraz większe wyzwanie: sieć była pierwotnie zaprojektowana dla ludzi. Chociaż dzisiejsze duże modele językowe mogą rozumieć, podsumowywać i generować treści, nadal opierają się w dużej mierze na systemach pobierania danych zbudowanych pierwotnie dla ludzi klikających linki. Seltz, startup skoncentrowany na odbudowie infrastruktury wyszukiwania internetowego specjalnie dla systemów AI, ogłosił 12,5 miliona dolarów w rundzie seed, aby zaadresować tę lukę. Finansowanie zostało poprowadzone przez Speedinvest i B Capital, z udziałem kilku firm venture i grupy doradców i inwestorów aniołów pochodzących z firm, w tym Amazon (AMZN ), Google (GOOGL ), Cohere, Databricks, Ramp i Synthesia.

Dlaczego agenci AI potrzebują innego rodzaju silnika wyszukiwania

Przez dziesięciolecia wyszukiwanie internetowe było optymalizowane wokół zachowania ludzi. Silniki wyszukiwania zwracają wykaz linków, fragmentów i reklam zaprojektowanych, aby pomóc ludziom nawigować po stronach internetowych. Agenci AI mają jednak fundamentalnie różne wymagania.

Zamiast przeglądać wiele stron, agenci potrzebują ustrukturyzowanych informacji dostarczonych szybko, z wyraźnymi atrybutami źródłowymi i wystarczającym kontekstem, aby wspierać rozumowanie. Wyzwanie staje się jeszcze bardziej znaczące, gdy agenci wykonują wiele wyszukiwań podczas jednej zadania, gdzie opóźnienia się kumulują, a jakość pobierania danych ma bezpośredni wpływ na wydajność.

Seltz twierdzi, że istniejące rozwiązania wyszukiwania AI często funkcjonują jako nakładki na tradycyjne silniki wyszukiwania, takie jak Google, Bing lub Brave. Chociaż te systemy działają dobrze dla użytkowników ludzkich, nie zostały one zbudowane, aby służyć jako infrastruktura wiedzy dla oprogramowania autonomicznego. Podejście firmy polega na budowaniu systemu pobierania danych zaprojektowanego od podstaw dla konsumpcji maszynowej, a nie dla przeglądania ludzkiego.

Budowanie całej warstwy pobierania

Założona przez Antonio Mallię, którego tło obejmuje role badawcze w Amazon, Pinecone i Bloomberg, Seltz wybrała trudniejszą drogę budowania i eksploatowania własnej infrastruktury.

Zamiast polegać na dostawcach usług wyszukiwania, firma posiada cały potok pobierania, w tym przeszukiwanie sieci, ekstrakcję wiedzy, indeksowanie, pobieranie i ranking. Ten poziom kontroli pozwala Seltz optymalizować każdy etap procesu specjalnie dla obciążeń AI. Według firmy, posiadanie warstwy również umożliwia ściślejszą kontrolę nad jakością, wydajnością, weryfikacją źródła i przyszłym rozwojem produktu.

Web Knowledge API firmy zapewnia deweloperom dostęp w czasie rzeczywistym do informacji internetowych, które zostały przetworzone i ustrukturyzowane do użycia przez duże modele językowe, systemy generacji wspomaganej pobieraniem (RAG) i autonomiczne agenci. Zamiast zwracać tylko wyniki wyszukiwania, platforma koncentruje się na dostarczaniu informacji bogatych w kontekst z odniesieniami do źródła, które mogą być konsumowane bezpośrednio przez systemy AI.

Rozwijający się rynek infrastruktury AI

Finansowanie następuje w okresie rosnącego zainteresowania podstawową infrastrukturą AI. Większość ostatniego boomu AI koncentrowała się na dostawcach modeli, chipach i ramach agentów, ale infrastruktura pobierania danych wyłania się jako kolejna krytyczna warstwa stosu.

Jednym z powodów jest to, że systemy AI są coraz częściej oczekiwane, aby pracowały ze świeżymi informacjami. Dane szkoleniowe szybko stają się nieaktualne, szczególnie w obszarach takich jak newsy, regulacje, ceny, dokumentacja techniczna i dane przedsiębiorstw. W związku z tym, pobieranie danych w czasie rzeczywistym staje się niezbędne dla wielu aplikacji AI.

Seltz pozycjonuje się jako dostawca tej warstwy pobierania. Zamiast konkurować bezpośrednio z silnikami wyszukiwania konsumenckimi, firma koncentruje się na deweloperach, startupach AI, laboratoriach AI i przedsiębiorstwach budujących systemy, które wymagają niezawodnego dostępu do bieżących informacji. To odzwierciedla szerszy trend w kierunku specjalistycznej infrastruktury zaprojektowanej specjalnie dla interakcji maszyna-maszyna, a nie interfejsów ludzkich.

Wydajność i benchmarking stają się przewagami konkurencyjnymi

Jakość wyszukiwania jest notorycznie trudna do pomiaru, szczególnie przy ocenie systemów przeznaczonych dla agentów AI, a nie dla użytkowników ludzkich. Aby rozwiązać ten problem, Seltz niedawno uruchomił Dynamic News Search Benchmark (DNSB), publiczny benchmark zaprojektowany do oceny jakości pobierania i opóźnienia w różnych dostawcach wyszukiwania AI.

Firma zgłasza silne wyniki zarówno w szybkości pobierania, jak i skuteczności. Wcześniejsze aktualizacje produktu podkreślały opóźnienie pobierania mierzone w setkach milisekund, co jest znaczącym czynnikiem dla agentów, które mogą wykonywać wiele wyszukiwań podczas złożonych zadań rozumu. Szybsze pobieranie nie tylko poprawia doświadczenie użytkownika, ale może również zmniejszyć koszty obliczeniowe, skracając czas, jaki modele spędzają na oczekiwaniu na zewnętrzne informacje.

Nacisk na benchmarki odzwierciedla szerszy trend w całej infrastrukturze AI, gdzie mierzone wskaźniki wydajności stają się coraz bardziej istotne, gdy przedsiębiorstwa oceniają konkurencyjne platformy.

Rozszerzanie poza wyniki wyszukiwania

Chociaż wyszukiwanie internetowe pozostaje podstawowym celem firmy, Seltz już rozpoczęło rozszerzanie możliwości swojej platformy. Ostatnie wydania produktu obejmują filtrowanie daty publikacji, kontrolę filtrów domen, integracje i narzędzia zaprojektowane, aby pomóc deweloperom zarządzać jakością i świeżością pobranych informacji. Firma wydała również funkcje mające na celu ułatwienie dostępu do wiedzy internetowej w czasie rzeczywistym w ramach przepływów pracy AI i ram agentów.

Te dodatki sugerują, że Seltz traktuje pobieranie nie jako samodzielną funkcję, ale jako szerszą warstwę infrastruktury wiedzy, która może być zintegrowana w systemach przedsiębiorstw, aplikacjach i autonomicznych przepływach pracy.

Szersze implikacje infrastruktury pobierania AI

Technologie takie jak Seltz wskazują na szerszą ewolucję w sposobie, w jaki systemy AI wchodzą w interakcje z internetem. Tradycyjne silniki wyszukiwania były zaprojektowane wokół przepływów pracy ludzkich, gdzie użytkownicy oceniają linki, porównują źródła i określają istotność samodzielnie. Agenci AI, z drugiej strony, wymagają systemów pobierania, które mogą szybko ujawniać godne zaufania informacje w formatach zoptymalizowanych dla rozumu maszynowego i automatyzacji.

Rozwój dedykowanej infrastruktury pobierania może również wpłynąć na następną generację aplikacji AI. Szybszy dostęp do świeżych informacji może poprawić wydajność systemów agentyzacji działających w obszarach takich jak wywiad przedsiębiorstw, analiza finansowa, badania naukowe, bezpieczeństwo cybernetyczne i wsparcie decyzji w czasie rzeczywistym. Jednocześnie, większy nacisk na atrybuty źródłowe i weryfikację może pomóc w rozwiązaniu ciągłych problemów związanych z halucynacjami, nieaktualnymi informacjami i przejrzystością AI.

Podczas wdrażania coraz bardziej autonomicznych systemów, warstwa pobierania może stać się krytycznym komponentem stosu AI, obok modeli, baz danych wektorowych i ram orchestracji. Firmy budujące te podstawowe technologie pomagają ustanowić infrastrukturę, która może wspierać bardziej niezawodne, odpowiedzialne i świadome informacji systemy AI w nadchodzących latach.