¿Quieres ideas más inteligentes en tu bandeja de entrada? Regístrese en nuestros boletines semanales para obtener solo lo que importa a los líderes de IA, datos y seguridad empresariales. Suscribirse ahora Datos brillantes, la compañía de raspado web israelí que derrotó tanto a Meta como a la X de Elon Musk en la Corte Federal, presentó un conjunto integral de infraestructura de IA el miércoles diseñado para brindar a los sistemas de inteligencia artificiales acceso sin restricciones a datos web en tiempo real, una capacidad que la compañía argumenta grandes plataformas tecnológicas está tratando de monopolizar. El anuncio de los protocolos de recopilación de datos profundos de búsqueda, browser.ai y mejoros de recopilación de datos representa una expansión dramática para la compañía de una década, que se ha transformado de un servicio especializado de raspado web en lo que el CEO o Lenchner llama «una capa de infraestructura única para las compañías de IA». La medida se produce cuando las compañías de inteligencia artificial luchan cada vez más por acceder a la información web actual necesaria para impulsar chatbots, agentes autónomos y otras aplicaciones de IA. «La inteligencia de las LLM de hoy ya no es su factor limitante; el acceso es», dijo Lenchner en una entrevista exclusiva con VentureBeat. «Hemos pasado la última década luchando por el acceso abierto a los datos web públicos, y estas nuevas ofertas nos llevan al próximo capítulo de nuestro viaje, uno caracterizado por datos verdaderamente accesibles y el aumento posterior de agentes contextualmente conscientes». El lanzamiento sigue las victorias legales de alto perfil de Bright Data en 2024, cuando los jueces federales desestimaron las demandas de Meta y X alegando que la compañía raspó ilegalmente sus plataformas. Esas fallas establecieron precedentes legales cruciales que definen lo que constituye «datos públicos» en Internet, información que se puede ver sin iniciar sesión y, por lo tanto, se puede recopilar y utilizar legalmente. Los casos judiciales revelaron que tanto Meta como X habían sido clientes de datos brillantes incluso mientras demandaban a la compañía, destacando la postura contradictoria que muchos gigantes tecnológicos han tomado hacia el raspado web. Las decisiones tienen implicaciones más amplias para la industria de la IA, que depende en gran medida de los datos web para capacitar y operar modelos de idiomas. «Se reveló en la corte que ambos eran un cliente de datos brillantes, porque todos necesitan datos, todos, especialmente aquellos que están construyendo modelos», explicó Lenchner. «Somos la única compañía que tiene los recursos financieros, e incluso diría el coraje de hacerlo». El juez William Alsup, quien presidió el caso X, escribió que dar a las compañías de redes sociales «libres de decidir, sobre cualquier base, quién puede recopilar y usar datos» se arriesga a crear «monopolios de información que diservarían el interés público». El fallo estableció que los datos visibles sin credenciales de inicio de sesión constituyen información pública que se puede raspar legalmente. Bright Data había presentado previamente un contador contra X, alegando que la plataforma violó las leyes antimonopolio al tratar de crear un monopolio de datos para beneficiar a la compañía AI de Musk, XAI. Sin embargo, ese caso se ha resuelto desde entonces. «Aunque los términos confidenciales, los datos brillantes nunca han retrocedido de su creencia fundamental de que los datos públicos deberían estar disponibles para el público. De acuerdo con esa creencia, nos complace informar que los datos brillantes continuarán proporcionando los mismos servicios líderes en la industria que siempre tiene y que nuestros clientes han esperado», dijo Lenchner. Búsqueda profunda y navegador. Las empresas de IA de IA de AI que luchan con el acceso a los datos de los nuevos productos de la Compañía abordan lo que Lenchner identifica como los tres requisitos básicos para los sistemas de IA: algoritmos, potencia de cálculo y acceso a datos. Si bien los datos brillantes no desarrollan algoritmos de IA ni proporcionan recursos informáticos, su objetivo es convertirse en la solución definitiva para el tercer requisito. Funciones de búsqueda profunda como un motor de investigación de lenguaje natural diseñado para responder preguntas comerciales complejas de varias capas en tiempo real. A diferencia de los motores de búsqueda de uso general o los chatbots de IA que proporcionan resúmenes, la búsqueda profunda se especializa en resultados integrales para consultas que comienzan con «encontrar todo». Por ejemplo, los usuarios pueden solicitar «todas las compañías navieras que pasaron por los canales de Panamá y Suez en 2023 cuyos ingresos del Q3 disminuyeron en más del 2 por ciento». El sistema se basa en el archivo web masivo de Bright Data, que actualmente contiene más de 200 mil millones de páginas HTML y agrega 15 mil millones mensuales. Para el próximo año, se espera que el archivo supere las 500 mil millones de páginas. «No son solo páginas web aleatorias, en realidad es lo que le importa al mundo, porque nuestros 20,000 clientes representan miles de millones de usuarios de Internet», señaló Lenchner. BROWSER.AI representa lo que la compañía llama «el primer navegador nativo de AI desbloqueable de la industria». Diseñado específicamente para agentes de IA autónomos, el servicio basado en la nube imita el comportamiento humano para acceder a sitios web sin desencadenar sistemas de detección de bots. Admite comandos de lenguaje natural y puede realizar interacciones web complejas como reservar vuelos o hacer reservas de restaurantes. La infraestructura del navegador ya procesa más de 150 millones de acciones web diariamente, según la compañía. «Casi todos son clientes», dijo Lenchner sobre las compañías de agentes de IA que han recaudado fondos significativos. «Porque lo que descubrimos y descubrimos es que resolvemos ese problema de ingresar a un sitio web sin ser bloqueados y ejecutar acciones web en el sitio web». Los servidores MCP (protocolo de contexto del modelo) proporcionan una capa de control de baja latencia que permite a los agentes de IA que buscan, rastrean y extraen datos en vivo en tiempo real. El protocolo permite a los desarrolladores construir sistemas de IA que puedan actuar sobre la información actual en lugar de depender únicamente de los datos de capacitación. La cartera de patentes y la red proxy crean un foso competitivo contra el bloqueo de la ventaja competitiva de los datos brillantes provienen de lo que Lenchner describe como una «obsesión» con la superación de los mecanismos de bloqueo del sitio web. La compañía tiene más de 5,500 reclamos de patentes sobre su tecnología y opera la red proxy más grande del mundo con más de 150 millones de direcciones IP en 195 países. «Tenemos un buen aspecto en Internet», explicó Lenchner. «Desde hace mucho tiempo, hemos estado mapeando Internet, y durante mucho tiempo, también estamos archivando grandes trozos de Internet». El enfoque de la compañía implica técnicas sofisticadas para imitar el comportamiento humano, utilizando dispositivos reales, direcciones IP y huellas digitales del navegador en lugar de simples scripts automatizados. Esto hace que la detección y el bloqueo sean extremadamente difícil para los sitios web. «La única forma de bloquearnos, prácticamente, es dejar los datos detrás del inicio de sesión, entonces ni siquiera lo intentaremos», dijo Lenchner. «A veces hay una nueva lógica de bloqueo que no resolveremos de inmediato. Llevará a nuestro equipo de investigación 12 horas, tres días que son lo máximo que fue, y la desbloquearemos». Los ingresos superan los $ 100 millones a medida que la demanda de IA explota después de ChatGPT, mientras que Bright Data sigue en manos de una empresa de capital privado, Lenchner confirmó con VentureBeat, los ingresos recurrentes anuales de la compañía superaron los $ 100 millones hace varios años. El negocio ha experimentado un crecimiento explosivo desde el lanzamiento de ChatGPT a fines de 2022, ya que las compañías de IA se apresuraron a acceder a los datos de capacitación y la información en tiempo real. «A partir de marzo de 2023, que es más o menos cuando GPT-3 cambió el mundo, la IA o lo que llamamos los datos para la IA, el caso de uso simplemente explotó para nosotros como empresa», dijo Lenchner. «Todo lo demás también está creciendo, porque todos necesitan más datos, período. Pero este caso de uso no se parece a nada que hayamos visto antes». La compañía atiende a más de 20,000 empresas, incluidas las compañías Fortune 500 y los principales laboratorios de IA. Los clientes tradicionales incluyen plataformas de comercio electrónico que rastrean los precios de los competidores, las empresas de servicios financieros que buscan inteligencia de mercado y empresas que realizan investigaciones comerciales. El cumplimiento de GDPR y las prácticas éticas diferencian de los competidores que los datos brillantes han invertido en gran medida en la infraestructura de cumplimiento para abordar las preocupaciones de privacidad en torno a la recopilación de datos. La compañía sigue las regulaciones europeas de GDPR y California CCPA, notifica automáticamente a las personas cuando su información personal se recopila de fuentes públicas y proporciona opciones de eliminación. «La regulación y la legislación son claros ya que el GDPR europeo y al menos las regulaciones de California y CCPA llegaron a jugar», explicó Lenchner. «Si recopilamos su dirección de correo electrónico, por ejemplo, le enviaremos automáticamente un correo electrónico diciendo:» Hola, esto es lo que somos. Recopilamos su información personal del dominio público. Aquí hay un botón enorme que puede hacer clic si desea revisarla, y obviamente puede pedir que la elimine «. La compañía mantiene un gran equipo de cumplimiento y una amplia documentación de sus prácticas, lo que demuestra valioso durante las entradas judiciales. «Las empresas nos aman especialmente porque tenemos nuestra posición ética que fue examinada en los tribunales de los Estados Unidos dos veces», dijo Lenchner. Web Access Wars se intensifica a medida que los gigantes tecnológicos buscan monopolios de datos La batalla sobre el acceso a los datos web refleja tensiones más amplias en la industria de la IA sobre el control de la información y la ventaja competitiva. A medida que los sistemas de IA se vuelven más sofisticados, el acceso a los datos web actuales y completos se vuelve cada vez más valioso y polémico. Lenchner predice que la web se «más cerrada» con el tiempo, similar a la forma en que Google mantiene el acceso exclusivo a sus capacidades de rastreo web, mientras que otros deben usar servicios alternativos. «Algunos gigantes tecnológicos obtendrán acceso gratuito a cada sitio web con sus agentes», dijo. «El resto deberá usar nuestra infraestructura o la infraestructura de otra persona». La compañía también está observando nuevas tendencias, incluidas las empresas que raspan los chatbots de IA para fines de marketing y la aparición de nuevos protocolos como MCP que permiten a los agentes de IA interactuar con los servicios web de manera más efectiva. «Todos estos tipos que consumen cantidades masivas de datos, y todos nosotros los estamos usando, todo va hacia la construcción de los cerebros de los robots», dijo Lenchner. «Está bien que tengas un chatbot que esté hablando con un humano, porque eso es lo que hará un robot». Los cerebros de los robots y la economía de agentes impulsan la próxima fase de crecimiento de la transformación de los datos brillantes del servicio de raspado web al proveedor de infraestructura de IA refleja las necesidades en rápida evolución de la industria de inteligencia artificial. A medida que las empresas se apresuran a implementar agentes de IA y sistemas autónomos, el acceso a datos web en tiempo real se vuelve tan crucial como la potencia informática y la sofisticación algorítmica. Los precedentes legales establecidos a través de las victorias judiciales de Bright Data pueden resultar tan significativas como sus innovaciones técnicas, lo que podría dar forma a la forma en que toda la industria de la IA accede y utiliza información web. Con las principales plataformas tecnológicas que restringen cada vez más el acceso a los datos al tiempo que desarrolla simultáneamente sus propios sistemas de IA, los proveedores de infraestructura independientes como los datos brillantes pueden ser esenciales para mantener el equilibrio competitivo en el ecosistema de IA. «Somos una empresa de infraestructura», enfatizó Lenchner. «Somos ingenieros muy talentosos que apenas van a ninguna parte, solo se sientan con nuestras computadoras y escriben código. Lo estamos haciendo bien. No tenemos intenciones de hacer nada más». La beta de búsqueda profunda se lanza el martes para clientes comerciales, con acceso público en general disponible a través de una lista de espera. Los servidores Browser.AI y MCP ya están disponibles para los clientes empresariales a través de la plataforma existente de Bright Data. Insights diarias sobre casos de uso de negocios con VB diariamente Si desea impresionar a su jefe, VB Daily lo tiene cubierto. Le damos la cuenta interior de lo que las empresas están haciendo con la IA generativa, desde cambios regulatorios hasta implementaciones prácticas, por lo que puede compartir ideas para el ROI máximo. Lea nuestra Política de privacidad Gracias por suscribirse. Mira más boletines de VB aquí. Ocurrió un error.
