Keenable পেল ২.৬ কোটি ডলার—AI agent-এর জন্য আলাদা ওয়েব সূচক
Keenable ২৫ আগস্ট ২০২৬-এ ২.৬ কোটি মার্কিন ডলারের seed অর্থায়ন নিয়ে গোপন অবস্থা থেকে বেরিয়েছে। TechCrunch-এর ২৫ আগস্টের প্রতিবেদন অনুযায়ী, Accel রাউন্ডটির নেতৃত্ব দিয়েছে; Conviction Partners ও কয়েকজন angel investor-ও এতে অংশ নিয়েছেন।
অর্থায়নের সঙ্গে Keenable মানুষের জন্য আরেকটি search-results page চালু করেনি। প্রতিষ্ঠানটি AI agent, AI lab ও inference provider-কে নিজস্ব ওয়েব সূচক থেকে দ্রুত search result এবং মডেলের ব্যবহারের উপযোগী page content সরবরাহের অবকাঠামো তৈরি করছে।
অর্থায়নের সঙ্গে কী বাজারে এনেছে Keenable
Keenable-এর মূল পণ্য একটি স্বাধীন ওয়েব সূচক এবং সেটি ব্যবহারের Search API। Keenable-এর আনুষ্ঠানিক পণ্যবিবরণে ১০০ বিলিয়নের বেশি নথি, যুক্তরাষ্ট্রের পূর্বাঞ্চলে ২৫০ মিলিসেকেন্ডের কম p95 latency এবং ১০০ RPS-এর বেশি Frontier স্তরে প্রতি এক হাজার request-এর দাম ১ ডলার দাবি করা হয়েছে। একই পাতায় search_web_pages ও fetch_page_content নামের আলাদা কাজও দেখানো হয়েছে।
এই বিন্যাসে agent প্রথমে প্রাসঙ্গিক page শনাক্ত করতে পারে, তারপর নির্বাচিত page-এর content এনে মডেলের input হিসেবে ব্যবহার করতে পারে। অর্থাৎ AI নির্মাতাকে নিজস্ব crawler, index, ranking ও serving ব্যবস্থা শুরু থেকে তৈরি না করেও web retrieval যুক্ত করার সুযোগ দেওয়া হচ্ছে। তবে সূচকের আকার, latency, মূল্য ও production ব্যবহারের পরিসংখ্যানগুলো কোম্পানির প্রকাশিত দাবি; স্বাধীন পূর্ণাঙ্গ audit সেখানে দেওয়া হয়নি।
অর্থায়নের ব্যবসায়িক যুক্তিও এই অবকাঠামোর সঙ্গে সরাসরি যুক্ত। বড় একটি index চালু রাখা, পরিবর্তিত page পুনরায় সংগ্রহ করা, query অনুযায়ী অল্প সময়ে নথির পরিসর সংকুচিত করা এবং বিপুল request পরিবেশন করা ব্যয়বহুল কাজ। Keenable সেই ব্যয় নিজে বহন করে API ব্যবহারের ভিত্তিতে AI কোম্পানির কাছে search ক্ষমতা বিক্রি করতে চায়।
মানুষের search থেকে agent query কেন আলাদা
প্রচলিত consumer search সাধারণত একজন মানুষের query, ফলাফলের তালিকা এবং সম্ভাব্য click ঘিরে সাজানো। মানুষ কয়েকটি ফল দেখে সিদ্ধান্ত নিতে পারে; কিন্তু একটি agent একই কাজ সম্পন্ন করার পথে search চালানো, নথি পড়া, নতুন শর্ত বা নাম সংগ্রহ করা এবং আরও নির্দিষ্ট query পাঠানোর চক্র বারবার চালাতে পারে।
এই আচরণে একটি কাজ থেকেই অল্প সময়ের মধ্যে বহু request তৈরি হয়। তাই agent-কেন্দ্রিক search-এ শুধু প্রথম ফলের মান নয়, প্রতিটি ধাপের latency, প্রতি request-এর খরচ এবং সরাসরি ব্যবহারযোগ্য content ফেরানোর ক্ষমতাও গুরুত্বপূর্ণ হয়ে ওঠে। একটি retrieval ধাপ ধীর হলে বহু ধাপের workflow-তে সেই বিলম্ব জমতে থাকে।
Keenable-এর বাজি হলো, মানুষের search ব্যবহারের জন্য তৈরি সাধারণ অবকাঠামোর বদলে agent-এর ঘনঘন query অনুযায়ী index ও retrieval ব্যবস্থা সাজালে এই খরচ এবং অপেক্ষা কমানো সম্ভব। এটি এখনো কোম্পানির পণ্য-কৌশল—প্রকাশিত কোনো স্বাধীন পরীক্ষায় সব workload বা ভাষায় সেই সুবিধা প্রমাণিত হয়নি।
Search, content fetching ও সম্ভাব্য ক্রেতা
Search ও content fetching একই কাজ নয়। Search একটি প্রশ্নের সঙ্গে সম্পর্কিত page বা নথি শনাক্ত ও সাজায়; fetching নির্বাচিত page থেকে agent বা model-এর পড়ার উপযোগী content ফেরায়। প্রথমটি discovery ও ranking-এর সমস্যা, দ্বিতীয়টি প্রয়োজনীয় উৎসবস্তু সংগ্রহের ধাপ।
SiliconANGLE-এর অর্থায়ন প্রতিবেদনে natural-language search ও পরিষ্কার content fetching-এর পাশাপাশি market mapping, price monitoring এবং lead enrichment-কে সম্ভাব্য ব্যবহার হিসেবে উল্লেখ করা হয়েছে। প্রতিবেদনে আরও বলা হয়েছে, কয়েকটি AI lab ইতিমধ্যে Keenable-এর API production-এ ব্যবহার করছে, যদিও প্রতিষ্ঠানটি তাদের পরিচয় প্রকাশ করেনি।
সম্ভাব্য ক্রেতাদের একাংশ training বা evaluation-এর জন্য বড় পরিসরে নথি খুঁজতে পারে। অন্য অংশ chatbot, research agent বা voice agent চলার সময় সাম্প্রতিক তথ্য সংগ্রহে search ব্যবহার করতে পারে। Market mapping-এ বহু কোম্পানি ও বাজারসংক্রান্ত page খোঁজা এবং price monitoring-এ একই পণ্যের বদলে যাওয়া তথ্য বারবার পরীক্ষা করা এই কাঠামোর সঙ্গে মানানসই; এগুলো ব্যবহারের ধরন, প্রকাশিত গ্রাহক-ফলাফল নয়।
১০০ বিলিয়ন নথির দাবি কতটা অর্থবহ
সূচকের আকার coverage-এর ইঙ্গিত দেয়, search quality-এর চূড়ান্ত প্রমাণ নয়। একই page-এর একাধিক সংস্করণ, পুরোনো snapshot, অপ্রাসঙ্গিক নথি বা নিম্নমানের content সংখ্যায় থাকলে মোট index বড় হলেও নির্দিষ্ট query-তে কার্যকর ফল নিশ্চিত হয় না। গুরুত্বপূর্ণ হলো agent কত দ্রুত প্রাসঙ্গিক, সাম্প্রতিক ও বিশ্বাসযোগ্য নথি পায়।
Keenable নথি গণনার পদ্ধতি, duplicate বাদ দেওয়ার নিয়ম, ভাষা ও ভৌগোলিক coverage কিংবা index হালনাগাদের পূর্ণাঙ্গ breakdown প্রকাশ করেনি। ফলে ১০০ বিলিয়নের বেশি নথির সংখ্যাটি আপাতত কোম্পানির scale claim; Google বা অন্য প্রতিষ্ঠিত index-এর সঙ্গে সরাসরি তুলনা করার মতো অভিন্ন মাপজোখ পাওয়া যায় না।
বাংলা ওয়েবের জন্যও মোট নথির সংখ্যা একা যথেষ্ট নয়। বাংলাদেশ ও ভারতের বাংলা সংবাদমাধ্যম, সরকারি page, বাণিজ্যিক listing এবং আঞ্চলিক site কতটা অন্তর্ভুক্ত, বাংলা query-তে ranking কেমন বা পুরোনো ও duplicate content কীভাবে বাদ পড়ে—এসব বিষয়ে আলাদা ফল প্রকাশিত হয়নি।
Crawling, অনুমতি ও লাইসেন্সে যে প্রশ্নগুলো খোলা
নিজস্ব index পরিচালনা করলে web crawling এবং content processing-এর নীতি Keenable-কেই নির্ধারণ করতে হয়। কিন্তু প্রকাশ্য launch ও product materials-এ crawler-এর পরিচয়, robots.txt নির্দেশ পরিচালনার পদ্ধতি, site owner-এর opt-out ব্যবস্থা, copyrighted content সংরক্ষণের সীমা এবং publisher licensing নিয়ে বিস্তারিত ব্যাখ্যা পাওয়া যায় না।
এই অনুপস্থিতি গুরুত্বপূর্ণ, কারণ search result-এ URL বা snippet দেখানো এবং পরিষ্কার পূর্ণ content agent-এর কাছে ফেরানো এক ধরনের ব্যবহার নয়। মুছে ফেলা বা পরিবর্তিত page কীভাবে সামলানো হয়, নথি কত দিন রাখা হয় এবং API-র ক্রেতা retrieved text কীভাবে ব্যবহার করতে পারে—এসব প্রশ্ন AI lab ও publisher উভয়ের জন্য compliance, চুক্তি এবং খরচের অংশ হতে পারে।
এখন পর্যন্ত নিশ্চিত চিত্রটি হলো, Keenable Accel-নেতৃত্বাধীন ২.৬ কোটি ডলারের seed রাউন্ড তুলেছে এবং AI agent-এর জন্য স্বাধীন search infrastructure বাজারে এনেছে। পরবর্তী গুরুত্বপূর্ণ প্রমাণ হবে নাম প্রকাশ করা production customer, বিভিন্ন ভাষায় retrieval quality, যাচাইযোগ্য index coverage এবং crawling ও content-use নীতির বিস্তারিত প্রকাশ।
আরও পড়ুন:
আমাদের নিউজলেটার নিন
সর্বশেষ Web3, AI ও ক্রিপ্টো সংবাদ সরাসরি আপনার ইনবক্সে পান।