1. Naslov i uvod
Veliki jezični modeli pune naslovnice, ali većina stvarnih problema s umjetnom inteligencijom u tvrtkama nastaje puno niže u stacku – kod podataka. Runda od 47 milijuna dolara za Nimble klasičan je primjer toga: umjesto još jednog modela, investitori financiraju „vodovod” koji AI agentima dovodi svježe, provjerene podatke s interneta. U nastavku analiziramo zašto je ovaj potez važan za europske i regionalne tvrtke, kako mijenja tržište web‑podataka i što znači za poduzeća u Hrvatskoj i širem SEE‑regionu koji tek ulaze u ozbiljniju primjenu generativne AI.
2. Vijest ukratko
Prema pisanju TechCruncha, njujorški startup Nimble prikupio je 47 milijuna dolara u investicijskoj rundi Serije B, koju je predvodio fond Norwest. U rundi su sudjelovali i Databricks te nekoliko postojećih investitora. Ukupno je Nimble dosad prikupio 75 milijuna dolara.
Nimble razvija AI agente koji u stvarnom vremenu pretražuju web, provjeravaju i validiraju pronađene informacije te ih pretvaraju u strukturirane tablice, koje se zatim mogu obrađivati kao baze podataka. Platforma se integrira s velikim skladištima i „data lakeovima” podataka u poduzećima, uključujući rješenja Databricksa i Snowflakea, te može koristiti interne podatke za dodatni kontekst i definiranje ograničenja pretrage.
Tvrtka, navodi TechCrunch, ima više od 100 klijenata, uglavnom velika poduzeća – od Fortune 500 do nekih iz Fortune 10 – iz sektora maloprodaje, hedge fondova, bankarstva, industrije robe široke potrošnje i AI‑native startupova. Nova sredstva namijenjena su razvoju višeagentske web‑pretrage i upravljanog podatkovnog sloja koji obrađuje i validira rezultate pretrage.
3. Zašto je to važno
U praksi već sada vidimo isti obrazac: pilot‑projekt AI‑a u tvrtki izgleda impresivno, ali kad se spoji na stvarne podatke – pogotovo na otvoreni web – počinju problemi. Model halucinira, pogrešno tumači upute ili jednostavno „proguta” nepouzdane izvore. Dodatni je problem što većina LLM‑ova vraća rezultat u obliku teksta, koji je teško uklopiti u sustave za određivanje cijena, KYC ili financijsku analitiku.
Nimble cilja upravo taj jaz. Ideja je da se web tretira kao produžetak postojećeg skladišta podataka u poduzeću: umjesto hrpe HTML‑a dobivate uredne, validirane tablice koje se mogu direktno spajati na BI alate, risk‑engineove ili AI agente. Za poduzeće to znači da vanjski podaci počinju izgledati i ponašati se kao interni – sa shemama, tipovima, poviješću osvježavanja i tragom o izvoru.
Kome to koristi?
- Velikim poduzećima koja nemaju resurse za izgradnju globalne infrastrukture za scraping i čišćenje podataka, a žele koristiti AI za analizu konkurencije, istraživanje cijena, KYC, praćenje brenda ili investicijska istraživanja.
- Dobavljačima podatkovnih platformi (Databricks, Snowflake i drugi), jer ovakav sloj dodatno učvršćuje njihovu ulogu središta za podatke i AI.
Tko bi mogao izgubiti?
- Klasični pružatelji usluga web‑scrapinga i posrednici s generičkim datasetovima, čija se ponuda sirovih CSV‑ova i API‑ja teško može usporediti s AI‑podržanim, upravljanim podatkovnim slojem.
- Startupi fokusirani isključivo na modele, koji podcjenjuju koliko su korisnicima važni kvaliteta, struktura i pravna „čistoća” podataka.
Suština je da se Nimble ne natječe s OpenAI‑em, već se pozicionira kao sloj ispod – onaj koji će uskoro određivati čime se ti modeli i agenti uopće hrane.
4. Šira slika
Ova investicija lijepo se uklapa u nekoliko snažnih trendova u industriji.
1. Od chatbota do agenata.
Sve više tvrtki razmišlja u terminima agenata koji izvršavaju zadatke (istraži tržište, usporedi cijene, prati regulativu), umjesto klasičnog „postavi pitanje – dobij odgovor“. No agent koji utječe na cijene, kreditne odluke ili reputacijski rizik ne može ovisiti o ad‑hoc pretragama. Potreban mu je stabilan, provjerljiv kanal do web‑podataka.
2. Evolucija RAG‑a.
Retrieval‑augmented generation je krenuo od internih dokumenata. Sljedeći korak je otvaranje prema internetu, gdje nas čekaju šum, zastarjeli podaci i pravne sive zone. Bez alata koji ograničavaju izvore, provjeravaju rezultate i vraćaju strukturirane zapise, RAG nad webom teško će izaći iz laboratorija.
3. Povratak vrijednosti u infrastrukturu.
Nakon razdoblja euforije oko modela, investitori ponovno otkrivaju „dosadne“ slojeve: podatkovne pipelineove, governance, monitoring. Nimble, s dubokim integracijama u Databricks, Snowflake, AWS i Microsoft, tipičan je „piks i lopate“ igrač – gdje god se standardizira AI stack, javlja se potreba za zajedničkim slojem web‑podataka.
Ako pogledamo unatrag na big data eru, najviše su profitirale tvrtke koje su omogućile da podaci postanu korisni i pouzdani, a ne nužno one s najvećim klasterima. Nimble danas pokušava isto napraviti za kaos interneta u eri AI agenata.
Možemo očekivati da će:
- scraping tvrtke dodavati LLM‑validaciju i strukturiranje,
- alati za observability uvoditi metrike „povjerenja u podatke”,
- cloud giganti razvijati vlastite servise za web‑podatke prilagođene agentima.
Ukratko, utrka za poziciju „Snowflake za web‑podatke” tek kreće, a Nimble je jedan od prvih ozbiljnijih kandidata.
5. Europski i regionalni kut
Za EU, pa tako i za Hrvatsku, priča o ovakvoj infrastrukturi ima dvije vrlo različite dimenzije.
Pozitivna je to što se Nimbleov pristup – gdje podaci klijenata ostaju unutar njihove infrastrukture, a web‑podaci ulaze kao zaseban, ali upravljan sloj – dobro uklapa u europsko shvaćanje privatnosti i suvereniteta podataka (GDPR) te u smjer kojim ide EU Akt o umjetnoj inteligenciji, s naglaskom na upravljanje podacima i sljedivost. Strukturirane tablice s jasno naznačenim izvorima olakšavaju objašnjavanje AI‑odluka regulatorima, nadzornim odborima ili HNB‑u i Hanfi u domaćem kontekstu.
Negativna dimenzija su pravne neizvjesnosti oko masovnog scrapinga u EU: od autorskih i srodnih prava preko prava proizvođača baza podataka do obveza iz Digital Services Acta. Svaki dobavljač koji europskim bankama, osiguravateljima ili telekomima prodaje „pouzdane web‑podatke u stvarnom vremenu” morat će pokazati da poštuje uvjete korištenja, robots pravila i eventualne mehanizme isključenja.
Za hrvatsku i širu SEE tech scenu ovdje postoji i prilika. Iako je tržište malo, u Zagrebu, Ljubljani, Beogradu i drugim centrima već postoji ekosustav data i AI startupa. Lokalni igrači mogli bi graditi vertikalne slojeve iznad ovakve infrastrukture (npr. specijalizirane setove podataka za turizam, energiju, brodarstvo) ili razvijati vlastite verzije s jačim fokusom na lokalne jezike, propise i izvore.
6. Pogled unaprijed
Što će odlučiti hoće li Nimble postati kritična infrastruktura ili tek funkcija koju će cloudovi kopirati?
1. Koliko će governance biti „uključen u proizvod“.
Poduzeća neće tražiti samo API za podatke, nego i politike: koje izvore smijemo koristiti u kojoj industriji, kako voditi dnevnik promjena, kako dokazati podrijetlo podatka. Ako Nimble uspije te obrasce ugraditi kao gotove predloške, bit će puno teže zamijeniti ga.
2. Strategija velikih oblaka.
AWS, Microsoft, Google i europski cloudovi imaju jasan motiv ponuditi vlastite slojeve web‑podataka. Danas su partneri, sutra potencijalni konkurenti ili kupci. Nimble će morati graditi prednost u kvaliteti i širini pokrivenosti koju interni timovi u oblaku ne mogu brzo replicirati.
3. Regulacija u hodu.
Kako AI agenti budu donosili sve važnije odluke, europski i nacionalni regulatori počet će detaljnije propitivati odakle dolaze podaci, kako su prikupljeni i pod kojim uvjetima se smiju koristiti. Moguće su nove smjernice, pa i specifične licence za opsežno komercijalno prikupljanje web‑podataka.
4. Operativne barijere u poduzećima.
U mnogim hrvatskim tvrtkama IT, podatkovni timovi, pravna služba i biznis još uvijek rade u silosima. Uspješna implementacija sloja web‑podataka zahtijevat će dogovor o riziku, odgovornostima i ciljevima. Pružatelji koji uz tehnologiju donesu i metodologiju uvođenja te gotove use caseove, imat će prednost – bilo da dolaze iz SAD‑a, EU‑a ili iz Zagreba.
Sljedećih 12–24 mjeseca, dok se AI piloti pretvaraju u sustave koji utječu na prihode i rizik, potražnja za pouzdanim vanjskim podacima značajno će rasti. Tada ćemo vidjeti hoće li Nimble postati de facto standard ili će ga preteći oblačni giganti i specijalizirani regionalni igrači.
7. Zaključak
Nimbleova runda Serije B pokazuje gdje je stvarno usko grlo za AI u praksi: u kvaliteti i upravljanju web‑podacima, a ne u još jednom većem modelu. Ako agenti umjetne inteligencije trebaju sudjelovati u stvarnim poslovnim odlukama, internet se mora pretvoriti iz neuređenog teksta u strukturiranu, kontroliranu podatkovnu površinu. Ostaje otvoreno hoće li taj sloj dugoročno kontrolirati specijalist poput Nimblea, neki hyperscaler ili možda europski/regionalni igrač. Za hrvatske tvrtke pitanje je vrlo konkretno: kome ćete povjeriti ulogu mosta između svojih AI sustava i ostatka interneta?
