LLMSが眠いカテゴリーを再活性化する理由

による アンディ・トライマン

検索はインターネットの最初の大賞であり、現在年間約3,000億ドルを生み出しています。何年もの間、現職者はスケールを通じて支配的でした。より多くのデータが検索品質を向上させ、より多くのユーザーが広告レバレッジを作成します。などの消費者の挑戦者 ネバ 十分なユーザーの採用を推進するのに苦労し、エンタープライズ検索は一般的に完全に失敗しました。

しかし、エージェントの推論における大きな言語モデルと革新 – deepseek-R1とジェミニで最近発売されたディープリサーチモードと chatgpt – 検索で可能なことを変換します。これらの進歩により、企業ははるかに少ないデータではるかに強力な製品を構築することができます。

その間 グーグル 消費者の広告、ドメイン固有の検索、インフラストラクチャのエキサイティングな新しい機会があるため、検索市場は消えていません。

LLMSが検索で可能なことをどのように変更するか

従来の検索エンジンは、クエリの理解、クエリの実行、応答生成の多段階プロセスに依存しています。

Theory Venturesの厚意によるチャート。

Googleは、特にセマンティックベクターの埋め込みと変圧器を、何年もの間、セマンティックベクターの埋め込みと変圧器を活用しています。しかし、インターネット全体で事前に訓練された最新のLLMには、言語の理解、情報の検索、基本的な推論に関する新しい機能があります。

彼らは検索エンジンを許可します：

• 短いキーワードを超えた複雑なクエリを理解します。
• 数十億人のユーザーに依存する複雑な知識グラフなしで結果を評価およびランク付けし、代わりにLLMの世界モデルを活用して、どのデータが最適かを判断します。
• 複数のソースを提供する代わりに、ユーザーの質問に直接回答するための回答を合成します。そして
• ユーザーの質問を複数のクエリに分解し、各結果を繰り返し分析し、洗練された回答を提供するエージェント検索を作成します。このアプローチは、以前に多くの個別の検索を行っていた研究ワークフロー全体を置き換えることができます。

LLM駆動の検索における新しい市場機会

LLM駆動の検索により、3つの重要な分野で新しい市場機会が生まれます。

消費者の検索と広告の変革： 消費者の期待は急速に変わります。 AIアシスタントに自由回答形式のリクエストを尋ねるか、簡単なYes/No応答を受信した後、キーワードベースの検索に戻ってリンクでいっぱいのページをナビゲートするのは苦痛です。消費者の検索は、間もなく入力と出力の両方で完全にオープンエンドとマルチモーダルになります。

現職者は、一般的な検索、第一党のデータ（Googleマップなど）、および大規模な分布の幅と規模を通じて、利点を維持します。しかし、それらの周りの広告とSEOエコシステムは変わります。

「最高の靴は何ですか？」一連のリンクから生成された推奨事項への変更、靴会社はSEOを行うための新しい方法を必要とします。アシスタントに「週末にホテルを予約する」ように頼むと、ホテルのブランドは、エージェントが空室状況を照会し、ユーザーがオプションの写真を見るためにインターフェイス/アプレットを必要とします。

ドメイン固有およびエンタープライズ検索の増殖： 従来の検索はデータに飢え、高価で複雑であるため、ほとんどのドメイン固有のエンタープライズ検索ツールはパフォーマンスが低くなっています。業界全体で、LLMを搭載したスタートアップは、 lexisnexis、 ファクトセット 複雑な研究ワークフローを自動化することにより、PubMed。たとえば、医学では、彼らは数十の関連する臨床試験を見つけ、研究基準に基づいてそれらをフィルタリングし、結果を合成することができます。

LLMSはまた、エンタープライズ検索を最終的に機能させます。 収集 一般的な内部検索の初期のリーダーですが、レコードのコアシステム（ERP、CRM、SIEM）、機能（セキュリティ、運用、金融）、または顧客向けアプリケーション（製品検索）を中心にワークフロー固有のソリューションを構築する多くの機会があります。

爆発的な検索市場にサービスを提供する新しいインフラストラクチャ： より多くの企業がLLM駆動の検索を構築するにつれて、他のAI製品の検索システムを含め、インフラストラクチャの需要が増加します（参照： 検索は検索だけです）。機会の領域には次のものが含まれます。

1. データベースとクエリエンジン – ハイブリッドおよびマルチモーダル検索用に最適化されており、高度なスループットと低遅延の検索を備えています。
2. ニューラル情報検索 – さまざまなユースケースの埋め込み、インデックス作成、検索をサポートするツールとモデル（例： 理論ベンチャー‘ポートフォリオカンパニー スーパーリンク）;そして
3. 検索オーケストレーション – クエリの計画と分解、多段階検索オーケストレーション、ランキング/再ランク、事実検証など。

検索の進化はすでに進行中であり、スタートアップがLLMを搭載した時代に情報にどのようにアクセスし、利用されるかを再定義するソリューションを構築するのに最適な瞬間になりました。

アンディ・トライマン のパートナーです 理論ベンチャー、彼は初期段階のAI、データ、ML企業に投資しています。彼の背景はオペレーターであり投資家としての両方です。彼は最初のプロダクトマネージャーでした レプリカ – a ファウンダーズファンド– 公共部門向けの合成データ製品を作成し、機械学習投資家のためにバックしたスタートアップ イノベーションの努力。トライマンはキャリアを始めました Bain＆Co。 そして、計算神経科学を研究しました ブラウン大学、彼は、脳コンピューターのインターフェイスと神経データの訓練された機械学習アルゴリズムを構築しました。

図： li-anne日