Стартап Keenable залучив $26 млн фінансування на побудову інфраструктури агентного веб-пошуку — пошукового шару, який обслуговує запити не людини за клавіатурою, а автономного AI-агента, що сам формулює запит, обробляє видачу і ухвалює рішення без проміжного інтерфейсу. За даними SiliconANGLE AI, раунд спрямований саме на розбудову цієї інфраструктури, а не на черговий пошуковий продукт для кінцевих користувачів.

Це сталося на тлі того, як AI-агенти — від дослідницьких асистентів до автономних workflow-систем — за останній рік масово перейшли з демо-режиму в продакшн. Кожному такому агенту потрібен доступ до актуальної інформації з відкритого вебу, а класичний пошук десятиліттями оптимізувався під людське сприйняття: сторінки видачі, рекламні блоки, заголовки, розраховані на те, щоб зачепити увагу. Агенту ці шари не потрібні — йому потрібен структурований, перевірюваний результат, який одразу лягає в контекст моделі.

Для AI-білдерів новина цікава не сумою раунду, а самим фактом появи окремої категорії інфраструктури. Якщо пошук для людей і пошук для машин розходяться настільки, що під другий будують окремі компанії й залучають десятки мільйонів доларів, це говорить про зрілість агентного стеку більше, ніж будь-яка презентація на конференції.

Що саме зробив Keenable?

Компанія залучила $26 млн, щоб побудувати інфраструктурний шар веб-пошуку, розрахований на споживання AI-системою, а не людиною — саме так охарактеризовано мету раунду в джерелі. Мова про агентний веб-пошук: пошук, що обслуговує запити AI-агентів як первинного клієнта, а не як побічний випадок використання людського пошукового API.

Джерело не деталізує конкретну архітектуру продукту чи список інвесторів раунду, тому судити про технічну реалізацію передчасно. Важливіший сам факт: інвестори оцінили агентний пошук як достатньо окрему й достатньо велику категорію, щоб профінансувати інфраструктурного гравця під неї окремо від наявних пошукових API.

Чим агентний пошук відрізняється від пошуку для людей?

Людський пошук — це видача, побудована навколо сторінки результатів: заголовки для клікабельності, сніпети для швидкого сканування очима, реклама, вбудована в потік уваги користувача. Агент цю сторінку не бачить і не має «уваги», яку можна захопити — він споживає результат програмно, тому цінність для нього визначається точністю, структурою відповіді і швидкістю, а не візуальним поданням.

Ймовірно, за нашою оцінкою, конкурувати на цьому ринку компанії будуть не якістю «видачі» в звичному розумінні, а швидкістю відповіді та стабільністю формату для великих обсягів автоматизованих запитів — тобто метриками, які людський пошук ніколи не оптимізував як пріоритетні.

Кому в AI-стеку це важливо?

Насамперед — командам, які будують продакшн-агентів з доступом до вебу: дослідницьких помічників, автономні агенти для аналізу ринку, agentic RAG-системи. Для них пошук — такий самий інфраструктурний компонент, як векторна база даних чи оркестратор інструментів, і від його надійності залежить якість фінальної відповіді агента не менше, ніж від самої LLM.

Це вписується в ширший тренд розбудови окремого інфраструктурного шару під агентів — подібно до того, як AWS додав MCP-обсервабельність агентів просто в OpenSearch, щоб компанії могли бачити, що саме роблять їхні агенти під капотом. Пошук, ретрівал і моніторинг агентів формуються як окремі, але сусідні шари одного стеку.

Схожа логіка стоїть і за розбудовою інференс-шарів під нові навантаження — ми вже писали про те, чому довгі контекстні вікна вимагають нового шару інференсу: агентні системи змінюють вимоги не лише до моделей, а й до всієї інфраструктури навколо них.

Висновок AiiN

Наша теза: поява окремих стартапів під агентний пошук — це не нішева історія, а маркер того, що «агент як користувач» стає повноцінним сегментом ринку, під який переписують інфраструктуру з нуля, а не адаптують стару. Для білдерів практичний висновок простий: закладаючи агента, що ходить у веб, варто вже зараз рахувати пошук окремою статтею інфраструктурних рішень, а не деталлю, яку можна докрутити в останню чергу.

Що таке агентний веб-пошук?

Це пошукова інфраструктура, оптимізована під запити AI-агентів, а не людей: результат повертається у структурованому, машинописному форматі без сторінки видачі, реклами й елементів, розрахованих на людське сприйняття.

Чи замінить це традиційні пошукові API для розробників?

Наразі йдеться про окрему категорію інфраструктури, а не заміну наявних пошукових API. Keenable залучив $26 млн саме на побудову цього нового шару, а не на конкуренцію з класичним пошуком у лоб.