Keenable이 시드 라운드에서 2,600만 달러를 유치하며 스텔스 모드에서 벗어나, AI 에이전트 전용 웹 검색 인프라를 구축하겠다는 계획을 밝혔다. 스타트업은 자사 인덱스가 이미 1,000억 개가 넘는 문서를 포괄하고 있으며, API가 여러 AI 연구소와 추론 제공업체에서 이미 프로덕션으로 사용되고 있다고 말한다.

이번 라운드는 Accel이 주도했으며 Conviction Partners와 엔젤 투자자들이 참여했다. Keenable의 공동창업자는 Yandex의 검색, AI, 클라우드 부문 리더였던 Andrey Styskin과 독일의 AI 과학자 Matthias Petri다. 이 회사는 개발자들이 단순히 사람이 읽을 페이지를 반환하는 것이 아니라, 소프트웨어 에이전트를 위해 정보를 가져오고 비교하고 종합할 수 있는 시스템을 점점 더 필요로 하는 시장에 진입하고 있다.

Keenable이 에이전트 검색을 겨냥하는 이유

전통적인 검색 엔진은 인간의 행동에 맞춰 최적화되어 왔다. 사용자는 결과 페이지를 훑어보고, 소수의 링크를 열어보며, 어떤 정보가 유용한지 판단한다. AI 시스템은 요구사항이 다르다. 에이전트는 여러 페이지에서 증거를 가져오고, 응답을 출처 문서에 근거시키거나, 작업을 수행하는 동안 최신 정보를 수집해야 할 수 있다.

Styskin은 TechCrunch에, 이것이 인간의 검색 행동을 중심으로 구축된 피드백 루프와는 다른 구조를 만든다고 말했다. AI 애플리케이션에서 결과의 가치는 단지 클릭을 유도하는지 여부가 아니라, 모델이 사용할 수 있는 신뢰할 만한 문맥을 제공하는지에 더 밀접하게 연결된다.

이 구분은 챗봇과 AI 에이전트가 단순한 질문 응답을 넘어설수록 더 중요해지고 있다. 조사하고, 변하는 정보를 모니터링하거나, 음성 상호작용을 지원하는 시스템은 광범위한 쿼리를 빠르게 처리하고, 하위 모델이 처리할 수 있는 형태로 자료를 반환하는 검색 인프라가 필요하다.

Keenable은 또한 여러 웹 소스의 정보를 결합해 단일 문서로는 완전한 답을 얻을 수 없을 때 사용하도록 설계된 검색 제품 WebQueryLanguage도 개발 중이다. 회사는 이 제품이 언제 일반에 제공될지 공개하지 않았다.

확인된 것과 아직 검증되지 않은 것

자금 조달, 스텔스 모드에서의 출시, 투자자 신원은 TechCrunch가 보도했다. Keenable은 자사 인덱스에 1,000억 개가 넘는 문서가 포함되어 있으며, API가 이미 여러 AI 연구소와 추론 제공업체에서 학습 및 런타임 환경 모두에서 사용되고 있다고 주장한다. 하지만 스타트업은 해당 고객들을 밝히지 않았기 때문에, 이용 규모와 깊이는 공개된 증거만으로 독립적으로 평가할 수 없다.

Keenable이 공개한 파트너십은 하나다. 음성 AI 회사 Gradium과 협력해 실시간 정보 검색을 지원하고 있다. 이 관계는 음성 애플리케이션이 종종 전통적인 브라우징 흐름을 기다리지 않고 최신 답변이 필요하다는 점에서 서비스의 실제 활용 사례를 보여준다. 다만 이 증거만으로 Gradium의 사용량이나 파트너십의 상업 조건은 확인되지 않는다.

회사의 기술적, 비용 관련 주장도 주로 경영진의 설명에 기반한다. Styskin은 웹 규모 검색에는 요청마다 인터넷 전체를 훑는 것은 너무 비싸기 때문에 검색 공간을 빠르게 좁힐 수 있는 특수 인덱스 구조가 필요하다고 주장했다. 그는 대규모 인덱스를 구축하는 비용이 매우 높다고 설명했지만, 확장에 따라 지출을 통제하려고 노력 중이라고 말했다.

이러한 발언은 독립적으로 검증된 성능 결과가 아니라 그럴듯한 엔지니어링 제약이다. 원문에는 지연시간, 가격, 정밀도, 재현율, 벤치마크 수치가 제시되지 않았다. 잠재 고객에게 남는 질문은 인덱스가 얼마나 자주 갱신되는지, Keenable이 출처 품질과 중복을 어떻게 처리하는지, 그리고 기존 검색/검색 기반 서비스와 비교해 결과가 어떤지다.

이번 투자 라운드 뒤의 인프라 베팅

Keenable은 자신을 또 하나의 엔터프라이즈 검색 레이어로 제시하지 않는다. Styskin은 엔터프라이즈 검색 시스템이 공공 웹 규모로 확장되면 지나치게 비싸질 수 있어, 인덱스 설계와 쿼리 라우팅이 회사 접근법의 핵심이라고 말했다.

이 스타트업은 대규모 검색 경험을 가진 경영진이 이끌고 있다. Styskin은 Yandex와 Amazon에서 약 20년 동안 검색 관련 업무를 했고, 그와 Petri는 이전에 Alexa 같은 AI 애플리케이션을 위한 웹 검색 인프라를 다뤘다. 이런 배경은 Keenable이 범용 챗봇이나 파운데이션 모델이 아니라 검색에 집중하는 기술적 이유를 제공한다.

회사는 현재 미국과 유럽에서 15명의 엔지니어를 두고 있다. 올해 말까지 인력을 두 배로 늘릴 계획이며, 새 자본으로 엔지니어링을 확장하고 시장 진출 조직을 구축할 예정이다. 이런 채용 계획은 웹 규모 인덱스를 유지하면서 동시에 기술적으로 정교한 고객에게 인프라를 판매하는 데 필요한 이례적인 자본 수요를 반영한다.

AI 개발자에게 이 제안은 간단하지만 실행은 어렵다. 크롤링, 인덱싱, 검색을 외부화해 제품 팀이 에이전트의 워크플로에 집중하게 하는 것이다. 그 대가로 의존성이 생긴다. 고객은 나쁜 소스나 오래된 소스가 결과에 직접 영향을 줄 수 있는 애플리케이션을 지원할 만큼 Keenable의 커버리지, 최신성, 가동 시간, 가격이 안정적이라는 확신이 필요하다.

번들 검색과 독립 인프라 사이의 간극

투자를 이끈 Accel 파트너 Zhenya Loginov는 AI 회사들이 웹 규모 검색 인프라에 대해 선택지가 제한적이라고 말했다. 그는 Google과 Microsoft가 기존 검색 API를 제한하거나 종료하는 움직임을 언급하며, 대형 플랫폼이 점점 번들 제품과 선별적 파트너십을 선호하고 있다고 주장했다.

이 시장 해석은 투자 논리를 설명하는 데 도움이 된다. 검색 기존 강자들은 강력한 유통망과 엄청난 인프라를 갖고 있지만, 다른 회사들이 경쟁적인 AI 경험을 구축할 수 있도록 하는 개방형 레이어를 제공하고 싶어하지 않을 수 있다. 개발자들이 최신 웹 정보에 대한 중립적 접근을 필요로 하고, 주요 플랫폼이 검색 기능을 자사 비서나 클라우드 제품에 계속 묶어둔다면 독립 제공업체가 이익을 볼 수 있다.

Keenable만 있는 것은 아니다. Brave와 Exa도 이미 AI 지향 검색과 검색 기능을 추진하고 있으며, Google 역시 AI 사용 사례에 맞춰 자사 검색 경험을 바꾸고 있다. 따라서 경쟁의 핵심은 에이전트 검색이 존재할지 여부가 아니라, 독립 기업이 번들형 대안보다 낮은 총비용으로 충분한 커버리지와 신뢰성을 제공할 수 있느냐는 점이다.

창업자와 제품 팀에게 이는 검색 선택이 아키텍처 결정이 된다는 뜻이다. 결과의 관련성뿐 아니라 라이선스, 출처 표기, 데이터 최신성, 지역 커버리지, 응답 속도, 반복되는 에이전트 쿼리의 비용도 비교해야 한다. 이러한 변수는 연구 에이전트와 실시간 정보 제품의 경제성을 크게 바꿀 수 있다.

앞으로 주목할 점

첫 번째 신호는 Keenable이 추가 고객을 밝히거나 도입 주장을 뒷받침할 기술적 세부 정보를 공개하는지 여부다. 고객 레퍼런스, API 가용성, 검색 품질의 독립 측정은 초기 인프라 사업과 자금력이 탄탄한 프로토타입을 구별하는 데 도움이 될 것이다.

가격과 지연시간도 마찬가지로 중요하다. 에이전트 워크플로는 하나의 작업에 대해 많은 검색 요청을 생성할 수 있어, 가끔 사용하는 챗봇 쿼리에는 잘 작동해도 대량 자동화에는 너무 비쌀 수 있다. 개발자들은 WebQueryLanguage가 환각이나 출처 귀속 위험을 높이지 않으면서 여러 소스의 증거를 안정적으로 결합할 수 있는지도 주시할 것이다.

Keenable이 15명의 엔지니어에서 어떻게 확장하는지, Gradium과의 관계, 그리고 AI 연구소나 추론 제공업체와의 추가 파트너십은 회사가 검색 전문성을 반복 가능한 유통 모델로 전환할 수 있는지를 보여줄 것이다. Exa, Brave, Google, Microsoft의 경쟁 움직임은 독립적인 에이전트 지향 검색 수요를 시험하는 더 넓은 기준점이 될 것이다.

Creati.ai 관점

Keenable의 출시는 많은 AI 제품 아래에서 검색이 병목이 되어가고 있기 때문에 중요하다. 더 나은 모델이 있어도, 특히 에이전트가 변화하는 웹 데이터에 맞춰 행동해야 할 때 최신이고 잘 정렬되며 추적 가능한 정보의 필요성은 사라지지 않는다. 전문 검색 제공업체는 빌더에게 유용한 추상화 계층을 제공할 수 있지만, 품질과 비용을 예측 가능하게 만들 수 있어야 한다.

현재까지 회사의 가장 강력한 증거는 창업자들의 검색 배경, 보도된 인덱스 규모, 그리고 경험 많은 투자자들로부터 받은 새 자금이다. 가장 중요한 주장들인 프로덕션 도입, 문서 커버리지, 장기적인 비용 우위는 여전히 주로 회사 측 발언에 머물러 있다. 다음 단계에서는 Keenable이 이 기술적 논리를 기업과 AI 연구소가 그 위에 구축하고 싶어 하는 신뢰할 수 있는 인프라로 바꿀 수 있을지 보여줄 것이다.