تحول در جستجوی وب؛ Nimble پلتفرم «Agentic Search» را با جذب 47 میلیون دلار رونمایی کرد
جستجوی وب در حال تجربه تغییری بنیادین است؛ از نمایش خلاصههای مبتنی بر هوش مصنوعی در بالای نتایج گوگل تا ادغام مدلهای GPT در بینگ و ظهور موتورهای جستجوی مبتنی بر AI مانند Perplexity. در ادامه این موج، شرکت Nimble پلتفرم «Agentic Search» را معرفی کرده است؛ سیستمی که هدفش تبدیل وب عمومی به لایهای از دادههای قابلاتکا و مناسب برای تصمیمگیریهای سازمانی و جریانهای کاری مبتنی بر هوش مصنوعی است. این رونمایی همراه با جذب 47 میلیون دلار در سری B به رهبری Norwest صورت گرفت و جذب سرمایه کلی شرکت را به 75 میلیون دلار رساند.
چالش اصلی در عصر LLMها: کمبود «حقیقت بیرونی» قابل اعتماد
Nimble به این مسأله کلیدی اشاره میکند که هرچند مدلهای بزرگ زبانی توانمندتر شدهاند، اما اغلب بر پایه اطلاعات ناقص یا غیرقابلراستیآزمایی عمل میکنند. این شرکت میگوید «شکاف حدسوگمان» بین توان مدلها و کیفیت منابع بیرونی، مانع اصلی کاربردهای حیاتی AI است و پلتفرم جدید تلاش میکند با فراهمسازی یک لایه دادهای تحتحاکمیت (governed data layer) این شکاف را پر کند.
معماری پنجلایه و عاملهای تخصصی
هسته فنی Nimble متکی بر معماری توزیعشدهای است که عهدهدار هماهنگی عاملهای تخصصی (agents) برای انجام کارهایی است که قبلاً به محققان انسانی یا ابزارهای شکنندهی استخراج وب سپرده میشد. طبق مستندات شرکت، فرآیند جستجو به پنج لایه تقسیم شده است:
– مرورگر بدونسر (headless) و عاملهای مرور: تعامل اولیه با دامنه هدف و پیمایش ساختارهای پیچیده سایتها مانند رفتار انسانی.
– عاملهای پارسینگ: تفسیر محتوای صفحات و شناسایی عناصر دادهای در فرمتهای متنوع.
– عاملهای پردازش داده: جمعآوری، پالایش و ساختاربندی دادههای پرنویز اینترنت.
– عاملهای اعتبارسنجی: وارسی نهایی نتایج برای تضمین دقت و کامل بودن خروجی.
– (و لایهای برای تولید خروجیهای قابل حسابرسی) — پلتفرم ادعا میکند بهجای خلاصههای متنی سطحی، خروجیهای دادهای قابلردیابی تولید میکند.
Nimble از مدلهای مرزی متعددی (OpenAI، Anthropic، Meta و غیره) بهصورت مولتیمدال و مبتنی بر استدلال استفاده میکند تا مرورگرهای واقعی را کنترل کرده و نتایج را چندجانبه بررسی کند. بنیانگذار و مدیرعامل شرکت، آوری کنروویچ (Uri Knorovich)، در مصاحبهای با VentureBeat گفته است که تصور اولیهاش از «اینترنت ماشینمحور» در ابتدا با شک و تردید مواجه شد، اما اکنون روند کلیِ پذیرش AI این چشمانداز را تائید کرده است.
کاربردهای عملی و تمایز از جستجوی مصرفی
Nimble خود را متفاوت از موتورهای جستجوی عمومی مانند گوگل معرفی میکند: در حالی که تجربه جستجوی مصرفی معمولا برای سرعت و یافتن پاسخهای عمومی (مثلا رستوران محلی) بهینه شده، کسبوکارها نیازمند نتایج با مقیاس و دقت بالا برای تصمیمگیریهای میلیوندلاری هستند. نمونههای کاربردی ذکرشده شامل تحلیل بازار املاک در سطح محله، فرآیندهای KYC در بانکها و استخراج ساختاریافته قیمتها و محصولات از هزاران سایت تجارت الکترونیک است.
رابطها و ادعاهای عملکردی
Agentic Search Platform از دو مسیر اصلی به بازار عرضه میشود:
– عاملهای جستجوی وب: سازنده جریان کاری بدوننیاز به کدنویسی تا تیمهای کسبوکار بتوانند دادههای مورد نیاز را توصیف و خروجیهای ساختاربندیشده دریافت کنند.
– Web Tools SDK: مجموعهای از APIها برای توسعهدهندگان جهت جستجو، استخراج و خزش وب (شامل API های /crawl و /map).
شرکت ادعا میکند دقت خروجیها بیش از 99 درصد و تأخیر پاسخها در سطح 1–2 میلیثانیه است و امکان یکپارچگی مستقیم با محیطهای دادهای بزرگ مثل Databricks، Snowflake، S3 و Microsoft Fabric را فراهم میآورد. همچنین Nimble اعلام کرده که پلتفرمش مدل-آگنوستیک است و میتواند با مدلهای داخلی یا ابری در محیطهای حساس مانند حوزه سلامت یا بانکداری کار کند.
مدل قیمتگذاری و انطباق قانونی
Nimble بر تمرکز بر «حاکمیت و اعتماد» تأکید دارد و پلتفرم را compliant-by-design معرفی میکند؛ از جمله گواهینامههای SOC2 Type II، GDPR، CCPA و HIPAA. ساختار قیمتگذاری اعلامشده شامل نرخهای پایه برای ورودیهای جستجو (1 دلار به ازای هر 1,000 درخواست) و عملکرد «Answer» با قیمت 4 دلار به ازای هر 1,000 پاسخ است. سطوح مدیریتشده از 2,000 تا 15,000 دلار در ماه و فراهمسازی شبکه پراکسیهای مسکونی از حدود 7.50 دلار به ازای هر گیگابایت اعلام شدهاند.
بازخورد صنعت و چشمانداز سرمایهگذاران
شرکت گزارش میدهد که چندین شرکت بزرگ و استارتاپهای مبتنی بر AI از پلتفرم استفاده میکنند. سرمایهگذاری سری B با مشارکتهایی از جمله Databricks Ventures، Target Global، Square Peg و چندین نهاد دیگر انجام شد؛ آندرو فرگوسن از Databricks Ventures این اقدام را مکمل پلتفرم دادهای آنها توصیف کرده است. سرمایهگذاران بر این باورند که ایجاد «حقیقت بیرونی» در لحظه برای کاربردهای حیاتی AI ضروری است.
جمعبندی
با رشد تعاملهای برنامهمحور با وب و نیاز فزاینده سازمانها به دادههای دقیق و قابلردیابی، پلتفرمهایی مانند Nimble تلاش میکنند شکاف میان توان محاسباتی مدلها و کیفیت دادههای بیرونی را بپوشانند. اینکه این رویکرد تا چه حد بتواند جایگزین ابزارهای سنتی خزش و استخراج وب شود، و چگونه میتواند در محیطهای مقرراتی و حساس اثباتپذیر عمل کند، موضوعاتی خواهد بود که در ماهها و سالهای آینده برای بازار و کاربران روشنتر میشود.