Текущие поисковые системы проектировались для людей и их когнитивных ограничений. ИИ-системы могут работать с намного большими объёмами информации одновременно, но интернет-инфраструктура этого не поддерживает. На этом разрыве между возможностями ИИ и тем, что предлагает существующий веб, строит свою стратегию новый стартап Keenable, основанный Андреем Стыскиным (20 лет в поиске у Яндекса и Amazon) и немецким исследователем Матиасом Петри.
Компания вышла из режима скрытности с $26 млн seed-раунда, который возглавила Accel, также участвовали Conviction Partners и несколько бизнес-ангелов. Ключевая идея простая: ИИ-агенты дают более качественные ответы, когда могут ссылаться на источники. Для этого им нужен индекс веб-документов, созданный с учётом их специфики — способности обрабатывать огромные объёмы информации параллельно, а не просто находить несколько релевантных страниц.
Keenable уже индексировала более 100 млрд документов и предлагает API, который используется в production у нескольких ИИ-лабораторий и провайдеров инференса. Конкретных имён компания не называет, но недавно подписала партнёрство с voice-ИИ компанией Gradium для поддержки live-retrieval. Стыскин подчёркивает, что главный вызов — не просто масштабировать индекс, а сделать это экономически эффективно. «Если не оптимизировать структуры индекса под конкретную задачу, стоимость сканирования всего интернета становится астрономической. Нужно инновировать в том, как быстро сужать пространство поиска на основе запроса», — объясняет он.
Контекст здесь важен. Google и Microsoft закрывают свои поисковые API для третьих сторон, чтобы избежать каннибализации собственных сервисов. Они идут по пути bundled-решений и выборочных партнёрств. Это создало вакуум — ИИ-компании остались без надёжного источника веб-данных в масштабе. Стыскин видел эту проблему ещё в Amazon, когда работал с Петри над поисковой инфраструктурой для Alexa. Данные Cloudflare показывали, что ИИ-краулеры генерируют растущую долю трафика поиска.
Стыскин нанял бывших коллег из своей сети и строит не только индекс, но и proprietary retrieval-capabilities. На очереди продукт Web Query Language — инструмент для ИИ-систем, который будет находить ответы, комбинируя информацию из разных источников даже когда ни один не содержит полного ответа. Команда сейчас 15 инженеров в США и Европе, планируют удвоить численность к концу года на маркетинг и продажи.
Вызов — убедить клиентов отказаться от Google. Но Стыскин верит в innovator's dilemma: для агентных запросов маленькая компания может быть конкурентоспособнее благодаря инновациям и более низким затратам. Строить гигантский индекс дорого, признаёт он, но Keenable пытается держать издержки под контролем. На рынке есть и другие игроки — Brave, Exa и сам Google переделывает свой поиск под ИИ-эру, но тренд очевиден: формат «десяти синих ссылок» уходит.
Для российского бизнеса эта тенденция означает, что вскоре ИИ-приложения и агенты будут нуждаться в специализированных поисковых индексах. Компании, которые строят ИИ-системы для анализа данных, автоматизации контента или интеллектуальных помощников, начнут искать альтернативы Google API. Локально такого решения пока нет, но растущий спрос на ИИ-retrieval в России (в e-commerce, финтехе, аналитике) означает, что рано или поздно потребуется локализованный или приватный вариант подобного сервиса.