Seltz привлекает 12,5 миллионов долларов в рамках раунда финансирования для создания новой инфраструктуры поиска для агентов ИИ

По мере того, как агенты ИИ становятся все более способными выполнять исследования, выполнять рабочие процессы и принимать решения автономно, возникает все больше проблем: сам интернет не был разработан для машин. Хотя современные крупные языковые модели могут рассуждать, суммировать и генерировать контент, они все еще сильно полагаются на системы поиска, изначально построенные для людей, которые кликают на ссылки. Seltz, стартап, ориентированный на перестройку инфраструктуры веб-поиска специально для систем ИИ, объявил о привлечении 12,5 миллионов долларов в рамках раунда финансирования для решения этой проблемы. Финансирование было возглавлено Speedinvest и B Capital, с участием нескольких венчурных фирм и группы советников и бизнес-ангелов из компаний, включая Amazon (AMZN ), Google (GOOGL ), Cohere, Databricks, Ramp и Synthesia.

Почему агентам ИИ нужен другой тип поисковой системы

На протяжении десятилетий веб-поиск был оптимизирован вокруг поведения человека. Поисковые системы возвращают ранжированные списки ссылок, сниппетов и рекламы, предназначенных для того, чтобы помочь людям ориентироваться на веб-сайтах. Агенты ИИ, однако, имеют фундаментально разные требования.

Вместо просмотра нескольких страниц агентам необходимо структурированная информация, доставляемая быстро, с четкой атрибуцией источников и достаточным контекстом для поддержки рассуждений. Проблема становится еще более значительной, когда агенты выполняют несколько поисков во время одного задания, где задержка накапливается, а качество поиска напрямую влияет на производительность.

Seltz утверждает, что существующие решения поиска ИИ часто функционируют как обертки вокруг традиционных поисковых систем, таких как Google, Bing или Brave. Хотя эти системы работают хорошо для пользователей-людей, они не были разработаны для служения в качестве инфраструктуры знаний для автономного программного обеспечения. Подход компании заключается в том, чтобы построить систему поиска, разработанную с нуля для потребления машинами, а не для просмотра человеком.

Построение всего стека поиска

Основанная Антонио Маллией, чей опыт работы включает исследовательские роли в Amazon, Pinecone и Bloomberg, Seltz выбрала более трудный путь построения и эксплуатации своей собственной инфраструктуры.

Вместо того, чтобы полагаться на сторонних поставщиков поиска, компания владеет всей цепочкой поиска, включая веб-кравлинг, извлечение знаний, индексирование, поиск и ранжирование. Этот уровень контроля позволяет Seltz оптимизировать каждый этап процесса специально для рабочих нагрузок ИИ. Согласно компании, владение стеком также позволяет осуществлять более строгий контроль над качеством, производительностью, проверкой источников и будущим развитием продукта.

Веб-API знаний Seltz предоставляет разработчикам реальный доступ к веб-информации, обработанной и структурированной для использования крупными языковыми моделями, системами генерации с поддержкой поиска (RAG) и автономными агентами. Вместо того, чтобы просто возвращать результаты поиска, платформа фокусируется на доставке контекстно-богатой информации с ссылками на источники, которые могут быть потреблены напрямую системами ИИ.

Растущий рынок инфраструктуры, родной для ИИ

Финансирование происходит на фоне растущего интереса к фундаментальной инфраструктуре ИИ. Большая часть недавнего бума ИИ была сосредоточена на поставщиках моделей, чипах и фреймворках агентов, но инфраструктура поиска выходит как еще один критический слой стека.

Одной из причин является то, что системы ИИ все чаще ожидается, что они будут работать с свежей информацией. Обучающие данные быстро устаревают, особенно в таких областях, как новости, нормативные акты, цены, техническая документация и корпоративные данные. В результате реальный поиск становится все более важным для многих приложений ИИ в производстве.

Seltz позиционирует себя как поставщика этого слоя поиска. Вместо того, чтобы конкурировать напрямую с поисковыми системами для потребителей, компания ориентирована на разработчиков, стартапы, родные для ИИ, лаборатории ИИ и предприятия, строящие системы, требующие надежного доступа к текущей информации. Это отражает более широкую тенденцию к специализированной инфраструктуре, разработанной специально для взаимодействия машин с машинами, а не для интерфейсов человека.

Производительность и бенчмаркинг становятся конкурентными преимуществами

Качество поиска известно своей трудностью измерения, особенно при оценке систем, предназначенных для агентов ИИ, а не для пользователей-людей. Чтобы решить эту проблему, Seltz недавно запустила бенчмарк Dynamic News Search (DNSB), публичный бенчмарк, предназначенный для оценки качества поиска и задержки между различными поставщиками поиска ИИ.

Компания сообщает о сильных результатах как в скорости поиска, так и в его эффективности. Ранее обновления продукта подчеркивали задержку поиска, измеренную сотнями миллисекунд, что является значительным фактором для агентов, которые могут выполнять несколько поисков во время сложных задач рассуждения. Быстрый поиск не только улучшает пользовательский опыт, но также может снизить затраты на вычисления, сокращая время, которое модели тратят на ожидание внешней информации.

Акцент на бенчмарках отражает более широкую тенденцию в инфраструктуре ИИ, где измеримые показатели производительности становятся все более важными, поскольку предприятия оценивают конкурирующие платформы.

Расширение за пределы результатов поиска

Хотя веб-поиск остается основным направлением компании, Seltz уже начала расширять возможности своей платформы. Недавние выпуски продуктов включают фильтрацию по дате публикации, фильтры доменов, интеграции и инструменты, разработанные для того, чтобы помочь разработчикам управлять качеством и свежестью извлеченной информации. Компания также выпустила функции, направленные на то, чтобы сделать реальное веб-знание более доступным внутри рабочих процессов и фреймворков агентов ИИ.

Эти дополнения предполагают, что Seltz рассматривает поиск не как отдельную функцию, а как более широкий слой инфраструктуры знаний, который можно интегрировать во все системы предприятия, приложения и автономные рабочие процессы.

Более широкие последствия инфраструктуры поиска, родной для ИИ

Технологии, такие как Seltz, указывают на более широкую эволюцию того, как системы ИИ взаимодействуют с интернетом. Традиционные поисковые системы были разработаны вокруг рабочих процессов человека, где пользователи оценивают ссылки, сравнивают источники и определяют актуальность самостоятельно. Агенты ИИ, с другой стороны, требуют систем поиска, которые могут быстро предоставлять достоверную информацию в форматах, оптимизированных для рассуждений и автоматизации машин.

Разработка специальной инфраструктуры поиска также может повлиять на следующее поколение приложений ИИ. Быстрый доступ к свежей информации может улучшить производительность систем агентов, работающих в таких областях, как корпоративный интеллект, финансовый анализ, научные исследования, кибербезопасность и поддержка принятия решений в реальном времени. В то же время, большее внимание к атрибуции и проверке источников может помочь решить постоянные проблемы, связанные с галлюцинациями, устаревшей информацией и прозрачностью ИИ.

По мере того, как организации развертывают все более автономные системы, слой поиска может стать критическим компонентом стека ИИ, находящимся рядом с моделями, векторными базами данных и фреймворками оркестровки. Компании, строящие эти фундаментальные технологии, помогают создавать инфраструктуру, которая может поддерживать более надежные, подотчетные и информированные системы ИИ в будущем.