Nimble, startup teknologi asal New York, memperkenalkan Web Search Agents sebagai sistem retrieval baru yang dirancang khusus untuk kebutuhan AI agent di lingkungan enterprise. Produk ini diklaim mampu meningkatkan akurasi riset web hingga 21 persen sekaligus memangkas penggunaan token sebanyak 51 persen dibandingkan layanan pencarian AI umum.
Sistem ini menggabungkan algoritma retrieval yang belajar sendiri, indeks web proprietary, dan akses langsung ke web secara real-time. CEO Nimble Uri Knorovich menjelaskan bahwa pendekatan ini memungkinkan model retrieval disesuaikan dengan domain spesifik pelanggan, sehingga mengurangi langkah multi-hop reasoning yang biasanya boros token.
Berbeda dengan mesin pencari umum yang mengembalikan hasil luas dan membiarkan model bahasa menyaringnya, Web Search Agents Nimble langsung memberikan konteks terstruktur dan relevan. Hal ini sangat berguna bagi workflow seperti competitive intelligence, compliance, dan riset pasar yang membutuhkan data terus-menerus diperbarui.
Salah satu keunggulan yang ditekankan adalah kemampuan beradaptasi tanpa setup manual. Setelah pencarian pertama, sistem mulai membangun memori semantik dan indeks khusus domain, sehingga pencarian berikutnya menjadi lebih cepat dan hemat biaya. Pendekatan ini mencerminkan tren industri AI yang semakin menitikberatkan optimasi retrieval ketimbang hanya meningkatkan model bahasa dasar.
Nimble juga menawarkan fleksibilitas deployment. Pengembang dapat mengaksesnya via API tanpa infrastruktur tambahan, sementara perusahaan besar bisa mengintegrasikannya dengan Microsoft, Oracle, atau Snowflake untuk deployment on-premise. Model konsumsi pay-as-you-go dimulai dari $0.025 per request, dengan opsi managed plan mulai $2.500 per bulan.
Dalam konteks lebih luas, peluncuran ini menyoroti bahwa bottleneck utama AI enterprise bukan lagi kemampuan reasoning model, melainkan kualitas dan efisiensi pengambilan informasi eksternal. Banyak organisasi kini menyadari bahwa biaya operasional agent jangka panjang sangat dipengaruhi oleh berapa banyak token yang terbuang untuk menyaring data tidak relevan.
Contoh nyata datang dari Rox, perusahaan CRM berbasis AI, yang melaporkan penurunan biaya token hingga 20 kali lipat setelah mengadopsi infrastruktur Nimble. Meski detail metodenya belum dipublikasikan secara independen, angka tersebut mengindikasikan potensi penghematan signifikan bagi deployment agent berskala besar.
Selain efisiensi biaya, aspek privasi juga menjadi perhatian. Nimble menerapkan zero-data-retention, di mana query pelanggan tidak disimpan di server mereka dan memori semantik tetap berada di tenant masing-masing. Ini penting bagi industri regulated seperti kesehatan dan keuangan.
Secara keseluruhan, Web Search Agents Nimble memposisikan diri sebagai lapisan infrastruktur di bawah agent riset seperti ChatGPT Deep Research atau Gemini Deep Research. Alih-alih bersaing sebagai produk akhir, Nimble berfokus menyediakan fondasi retrieval yang lebih akurat dan hemat sumber daya bagi pengembang yang membangun sistem AI custom.
