Nimble، استارت‌آپی که جستجوی وب را برای نیازهای سازمانی ساختاردهی می‌کند، در دور سرمایه‌گذاری سری B خود 47 میلیون دلار جذب کرد. این دور سرمایه‌گذاری را شرکت سرمایه‌گذاری Norwest هدایت کرد و اکنون مجموع سرمایه جذب‌شده Nimble به 75 میلیون دلار رسیده است.

Nimble چه کاری انجام می‌دهد؟
پلتفرم Nimble با استفاده از عامل‌های هوش مصنوعی (AI agents) به‌صورت بلادرنگ وب را جستجو می‌کند، منابع را اعتبارسنجی می‌نماید و نتایج را به‌صورت جداول ساخت‌یافته ارائه می‌دهد تا قابل پرس‌وجو و یکپارچه‌سازی با ابزارهای داده‌ای مدرن باشد. این توانایی، تفاوت کلیدی Nimble با جریان معمول خروجی‌های متنی LLMها است؛ خروجی‌های متنی اغلب برای استفاده در سطوح سازمانی غیرقابل‌اتکا یا نیازمند پاک‌سازی و تبدیل زیاد هستند.

چرا ساختاردهی داده وب مهم است؟
مدل‌های زبانی بزرگ در استخراج و تحلیل اطلاعات عالی عمل می‌کنند، اما چند مشکل کلیدی دارند: خروجی‌های متنی غیرساختاری، امکان هالوسینیشن (اختراع اطلاعات)، و تکیه بر منابع نامطمئن. تبدیل نتایج وب به جداول قابل‌پرس‌وجو، شرکت‌ها را قادر می‌سازد تا داده‌های زنده وب را مانند سایر منابع داخلی به‌سادگی در فرآیندهای تحلیلی و تصمیم‌گیری خود به‌کار گیرند و ریسک خطا و عدم پیوستگی داده‌ها را کاهش دهند.

یکپارچگی با زیرساخت داده سازمانی
Nimble با انبارهای داده و دیتا لیک‌های سازمانی مشهور مانند Databricks و Snowflake و همچنین با ارائه‌دهندگان ابری AWS و Microsoft همکاری کرده است. این ادغام‌ها به عامل‌های Nimble اجازه می‌دهد تا با دسترسی به مخازن داده داخلی شرکت‌ها، زمینه (context) بیشتری برای جستجو بسازند و نحوه ساختاردهی و بازگرداندن نتایج را بر اساس قوانین و سیاست‌های سازمان تنظیم کنند. به گفته اوری کنوروویچ، مدیرعامل و هم‌بنیان‌گذار Nimble، این سازوکار به شرکت‌ها امکان می‌دهد داده وب زنده را مانند بخشی از محیط داده‌ای موجود خود مدیریت کنند.

موارد کاربرد و مزایا برای کسب‌وکارها
قابلیت‌های Nimble در تحلیل رقبا، تحقیقات قیمت‌گذاری، فرایندهای احراز هویت مشتری (KYC)، مانیتورینگ برند، تحقیقات عمیق و تحلیل‌های مالی کاربردی و حساسیت‌پذیر است. این پلتفرم قادر است قواعد و محدودیت‌هایی را «به‌خاطر بسپارد» — برای مثال تعیین کند چه منابعی قابل‌جستجو هستند و چه الگوری‌هایی باید رعایت شوند — که این ویژگی در محیط‌های سازمانی با الزامات حاکمیت داده و امنیت اهمیت بالایی دارد. Nimble اعلام کرده است که تلاش می‌کند همه داده‌های مشتریان مطابق با سیاست‌های نگهداری و امنیت داده در محیط‌های مشتری باقی بماند.

پذیرش بازار و سرمایه‌گذاران
Nimble بیش از 100 مشتری دارد و بخش عمده درآمد آن از شرکت‌های بزرگ، شامل شرکت‌های فهرست‌شده در Fortune 500 و حتی چند شرکت Fortune 10 تأمین می‌شود؛ مشتریان از صنایع مختلف مانند خرده‌فروشی‌های بزرگ، صندوق‌های پوشش ریسک، بانک‌ها و شرکت‌های تولید کالاهای مصرفی هستند و برخی استارتاپ‌های مبتنی بر هوش مصنوعی نیز در میان مشتریان قرار دارند. Norwest هدایت‌کننده دور سری B بود و Databricks نیز در این دور مشارکت داشت. سایر سرمایه‌گذاران بازگشتی شامل Target Global، Square Peg، Hetz Ventures، Slow Ventures، R-Squared Ventures، J-Ventures و InvestInData بودند.

برنامه استفاده از سرمایه
وجه‌های حاصل از این دور برای توسعه تحقیق و توسعه در حوزه «جستجوی وب چندعامله» (multi-agent web search) و ایجاد یک لایه داده‌محوری حاکمیتی (governed data layer) که نتایج جستجو را پردازش و اعتبارسنجی می‌کند، استفاده خواهد شد. مدیران Nimble تاکید دارند که مشکل اصلی در پیاده‌سازی موفق هوش مصنوعی در سازمان‌ها غالباً نقص در داده است، نه ضعف مدل‌ها؛ بنابراین ارائه داده وب زنده، معتبر و ساخت‌یافته می‌تواند نقطه عطفی برای اعتمادسازی سازمان‌ها به هوش مصنوعی و گسترش کاربردهای آن باشد.

نتیجه‌گیری
با رشد تقاضا برای استفاده عملی و ایمن از داده‌های وب در تصمیم‌گیری‌های سازمانی، راه‌حل‌هایی مانند Nimble که جستجو، اعتبارسنجی و ساختاردهی را ترکیب می‌کنند، می‌توانند نقش کلیدی در کم کردن ریسک‌های مرتبط با هوش مصنوعی و تسریع استفاده تجاری از آن ایفا کنند.

ساخت تصویر با هوش مصنوعی

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

اسکرول به بالا