AI agents están cambiando la forma en que las máquinas interactúan con la web — y esto está creando una demanda que la infraestructura actual de internet simplemente no puede cubrir.
Internet se construyó pensando en personas. Los motores de búsqueda como Google fueron optimizados para entregar resultados rápidos y relevantes a humanos que no tienen tiempo ni paciencia para revisar páginas enteras. Pero los chatbots y agentes de IA funcionan de una manera completamente diferente: pueden leer, procesar y cruzar volúmenes mucho mayores de información de una sola vez. El problema es que la infraestructura de búsqueda que existe hoy no fue pensada para ellos, y cada vez más gente cree que la web necesita una actualización para atender a estas máquinas en lugar de solo a los usuarios humanos.
Es exactamente esa brecha la que Keenable quiere llenar. La startup, respaldada por Accel, salió recientemente del modo stealth con 26 millones de dólares en seed funding y una propuesta bastante ambiciosa: construir el equivalente a un Google, pero diseñado desde cero para servir a agentes de inteligencia artificial. 🤖 La ronda fue liderada por Accel, con participación de Conviction Partners y algunos inversores ángeles. Con un índice de más de 100 mil millones de documentos ya indexados y una API en uso activo en laboratorios de IA y proveedores de inferencia, la empresa quiere convertirse en la capa de búsqueda estándar para la nueva generación de sistemas inteligentes. ¿Suena demasiado ambicioso? Quizás. Pero los nombres detrás del proyecto y el timing del mercado sugieren que esta apuesta puede tener mucho sentido. 👇
Quién está detrás de Keenable
Keenable fue fundada por Andrey Styskin, quien anteriormente lideró la división de búsqueda, IA y nube de la gigante rusa Yandex, y por el científico de IA alemán Matthias Petri. Juntos, acumulan más de dos décadas de experiencia construyendo sistemas de búsqueda a gran escala en empresas como Yandex y Amazon.
Fue precisamente durante su etapa trabajando en Amazon, desarrollando infraestructura de búsqueda web para aplicaciones de IA como Alexa, cuando la dupla comenzó a ver la oportunidad. Styskin observó datos de Cloudflare que mostraban que los crawlers de IA eran responsables de una porción creciente del volumen de búsquedas en la web. Fue ahí cuando hizo clic: existía espacio para desarrollar una infraestructura de búsqueda pensada desde el principio con la inteligencia artificial en mente.
Según Styskin, los chatbots de IA tienden a rendir mucho mejor cuando consiguen anclar sus respuestas en documentos de origen. En sus palabras, esto crea un nuevo ciclo virtuoso, diferente de aquel que Google aprendió observando el comportamiento humano a lo largo de los años. Es decir, la lógica que alimenta la búsqueda para máquinas es fundamentalmente distinta de la que alimenta la búsqueda para personas.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Por qué la infraestructura de búsqueda actual no sirve para AI agents
Cuando buscas algo en Google, el motor entrega una lista de enlaces en fracciones de segundo. Este proceso fue refinado durante décadas enteras para atender un comportamiento muy específico: el de un ser humano que quiere una respuesta rápida, hacer clic en uno o dos resultados y seguir adelante. El diseño detrás de esto es brillante para lo que se propone, pero parte de una premisa fundamental — la de que existe un usuario humano al otro lado de la pantalla, con atención limitada, tiempo escaso y una pregunta concreta por resolver.
Los AI agents y chatbots modernos rompen esa premisa por completo. No están buscando un enlace para hacer clic. Necesitan acceso estructurado, continuo y masivo a datos de la web para alimentar razonamientos complejos, responder con profundidad, cruzar fuentes y construir respuestas elaboradas en tiempo real. Un agente de IA puede necesitar consultar cientos de documentos diferentes en una sola tarea, algo que ningún motor de búsqueda actual puede entregar de forma eficiente y escalable para este tipo de uso. La latencia, el formato de los datos devueltos y la lógica de clasificación — todo fue pensado para humanos, no para máquinas.
Este desfase crea un cuello de botella real en el desarrollo de sistemas de IA más capaces. Cuando un agente necesita información actualizada de la web y la infraestructura disponible no fue diseñada para servir ese tipo de solicitud a escala, el resultado es lentitud, imprecisión o costos operativos altísimos para sortear el problema. Es un obstáculo técnico concreto — y es justamente ahí donde entra la tesis de Keenable.
Lo que Keenable está construyendo en la práctica
La propuesta central de Keenable es simple de entender, pero compleja de ejecutar: crear una infraestructura de indexación de la web pensada específicamente para servir a AI agents y chatbots. No es una adaptación de algo que ya existe. Es una arquitectura construida desde cero con las necesidades de los sistemas de IA como punto de partida, no como consideración secundaria. Esto cambia bastante la forma en que los datos se recopilan, organizan, actualizan y entregan.
Con más de 100 mil millones de documentos ya en el índice, la empresa ya tiene escala para posicionarse como una capa de búsqueda seria. La API desarrollada por la startup está siendo utilizada activamente por laboratorios de inteligencia artificial y proveedores de inferencia, tanto durante el entrenamiento como en runtime. La empresa no revela quiénes son sus clientes, pero recientemente cerró una alianza con Gradium, una compañía de IA por voz, para dar soporte a la recuperación de información en vivo. Este tipo de tracción en etapa seed es relativamente raro y marca toda la diferencia en la credibilidad del proyecto ante el mercado.
Styskin explica que el producto de Keenable es diferente de las soluciones de búsqueda corporativa, que suelen fallar y volverse carísimas cuando se aplican a escala web. Según él, si no afinas las estructuras de índice para una tarea específica, el costo de servir y escanear internet entera se vuelve gigantesco por el volumen. Por eso es necesario innovar en cómo reducir rápidamente el espacio de búsqueda en función de la consulta — y eso es exactamente lo que Keenable pone sobre la mesa.
Desde el punto de vista técnico, la diferencia entre indexar para humanos e indexar para AI agents va mucho más allá del volumen. Involucra cómo se estructuran los datos en la entrega, la frecuencia de actualización del índice, la capacidad de procesar consultas con semántica más rica y la habilidad de devolver contexto relevante — no solo enlaces. La startup también está desarrollando capacidades propietarias de recuperación, incluyendo un producto que aún está por llegar llamado Web Query Language. La idea es ayudar a sistemas de IA a responder preguntas combinando información de varias fuentes de la web, incluso cuando ninguna de ellas contiene la respuesta completa. 🔍
El momento justo y el dilema de los gigantes
El timing cuenta mucho en esta historia. Según Zhenya Loginov, socio de Accel que lideró la inversión, los players de IA tienen poquísimas opciones cuando el tema es infraestructura de búsqueda a escala web. Esto se debe a que gigantes como Google y Microsoft han estado tomando medidas para cerrar sus APIs de búsqueda existentes, justamente para evitar canibalizar sus propios productos. En su lugar, estas empresas están optando por un enfoque más cerrado y siendo bastante selectivas con sus socios.
Para Styskin, estas decisiones confirmaron la oportunidad que él ya veía. Cree que, debido al clásico dilema del innovador, Google es potencialmente superable en consultas orientadas a agentes. Una empresa más pequeña como Keenable puede innovar más rápido y ofrecer una solución más eficiente en costos para las compañías de IA. Reconoce que es extremadamente difícil convencer a la gente de abandonar Google para búsquedas tradicionales, pero el escenario de las agentic queries abre una brecha real.
Aun así, los costos de construir un índice de búsqueda gigante son muy concretos. Cuando le preguntaron sobre esto, Styskin fue directo: no preguntes, es dolorosamente caro. A pesar de ello, la startup dice estar haciendo lo posible para mantener los costos bajo control y crecer al ritmo adecuado. Con un equipo de 15 profesionales de ingeniería repartidos entre Estados Unidos y Europa, la empresa planea usar el nuevo capital para duplicar el equipo antes de fin de año y estructurar su estrategia de salida al mercado.
Lo que cambia para quienes desarrollan con IA
Para desarrolladores y equipos que construyen productos con chatbots y AI agents, la existencia de una infraestructura como la que Keenable propone puede cambiar bastante la ecuación. Hoy, quien quiere darle a su agente acceso a información actualizada de la web necesita resolver ese problema de forma improvisada — usando APIs de búsqueda que no fueron hechas para eso, construyendo scrapers propios o pagando caro por soluciones parciales que entregan menos de lo necesario.
Herramientas que usamos a diario
Una API de indexación construida específicamente para servir a agentes de IA simplifica este proceso de forma significativa. En lugar de gastar tiempo y recursos desarrollando y manteniendo la capa de acceso a la información, los equipos pueden enfocarse en lo que realmente diferencia su producto: la lógica del agente, la experiencia de usuario, la integración con otros sistemas. Es el tipo de infraestructura que, cuando funciona bien, desaparece del campo de visión — dejas de pensar en ella porque simplemente funciona. ⚙️
Además, la calidad de la información que alimenta a un agente de IA tiene impacto directo en la calidad de las respuestas que entrega. Un índice mayor, más actualizado y con entrega optimizada para el patrón de consumo de sistemas de IA significa agentes más precisos, más útiles y con menos alucinaciones — uno de los problemas más persistentes de los modelos de lenguaje grandes en producción. En ese sentido, la propuesta de Keenable no es solo sobre infraestructura técnica. Es sobre elevar el nivel de los sistemas de IA en su conjunto.
La carrera por una nueva web para agentes
Keenable no está sola en este camino. Otros players ya entraron en el espacio, como Brave y Exa, cada uno con su propia visión sobre cómo servir datos a sistemas de IA. Y el propio Google está reformulando su experiencia de búsqueda para la era de la inteligencia artificial. Este movimiento más amplio muestra que la convicción de Keenable es compartida incluso dentro del Googleplex: ya sea para humanos o para agentes, la era de los famosos diez enlaces azules puede estar llegando a su fin.
Keenable aún está en etapas iniciales, y construir el equivalente a un Google para AI agents es un desafío enorme — técnico, operativo y comercial. Pero la brecha que identificó es real, el mercado está creciendo rápido, y la infraestructura de búsqueda especializada para inteligencia artificial puede ser uno de los pilares más importantes de la próxima fase de la web. Vale la pena no perderla de vista. 👀
