Parallel Web Systems presenta Search API: La búsqueda web más precisa para agentes de IA

En resumen

Parallel Web Systems ha lanzado la herramienta de búsqueda web Parallel Search API para ofrecer datos relevantes, mejorando la precisión, reduciendo costos y aumentando la eficiencia de los flujos de trabajo basados en agentes.

Parallel Web Systems, una startup centrada en crear una nueva infraestructura web adaptada para agentes de IA, ha lanzado la Parallel Search API, una herramienta de búsqueda web diseñada específicamente para optimizar la entrega de datos web relevantes y eficientes en tokens al menor costo. Esta innovación busca proporcionar respuestas más precisas, reducir el número de rondas de búsqueda y disminuir los costos para los agentes de IA.

Los motores de búsqueda tradicionales están diseñados para usuarios humanos. Clasifican URLs asumiendo que los usuarios harán clic en una página, optimizando búsquedas por palabras clave, tasas de clic y diseños de página pensados para navegar, todo en milisegundos y con costos mínimos. La primera generación de APIs de búsqueda basadas en IA intentó adaptar este modelo centrado en humanos para IA, pero no abordó completamente los requisitos únicos de los agentes de IA.

A diferencia de los usuarios humanos, la búsqueda en IA requiere un enfoque diferente: en lugar de clasificar URLs para clics humanos, el foco está en determinar los tokens más relevantes para colocar en la ventana de contexto de un agente de IA para ayudarle a completar una tarea. El objetivo no es optimizar la participación humana, sino mejorar el razonamiento y la toma de decisiones dentro del modelo de IA.

Esta nueva arquitectura de búsqueda incluye varias innovaciones clave: emplea objetivos semánticos que van más allá de la coincidencia de palabras clave para captar la intención del agente, prioriza la relevancia de tokens sobre métricas de página centradas en humanos, entrega información condensada y de alta calidad para el razonamiento, y resuelve consultas complejas con una sola llamada de búsqueda en lugar de múltiples pasos.

Al utilizar este diseño de búsqueda enfocado en IA, los agentes pueden acceder a tokens web más densos en información dentro de su ventana de contexto, lo que conduce a menos llamadas de búsqueda, mayor precisión y menores costos y latencia.

Avanzando en búsquedas web complejas y multi-fuente para agentes de IA

Mientras muchos sistemas de búsqueda existentes se centran en respuestas simples a preguntas, se espera que la necesidad de búsquedas más complejas y multifacéticas aumente. Tanto los usuarios como los agentes de IA requerirán cada vez más respuestas que impliquen sintetizar información de múltiples fuentes, razonar en tareas complejas y acceder a contenido web más difícil de alcanzar.

Para abordar esta demanda creciente, Parallel evaluó el rendimiento de su Search API en diversos benchmarks, desde tareas desafiantes de múltiples saltos (, por ejemplo, BrowseComp), hasta consultas más sencillas de un solo salto (, como SimpleQA).

Parallel demostró una ventaja en consultas más complejas—aquellas que abarcan múltiples temas, requieren comprensión profunda de contenido difícil de rastrear o implican sintetizar información dispersa. En benchmarks diseñados para razonamiento de múltiples saltos, como HLE, BrowseComp, WebWalker, FRAMES y Batched SimpleQA, Parallel no solo entregó mayor precisión, sino que también resolvió las consultas de manera más eficiente, usando menos pasos de razonamiento.

Las APIs de búsqueda tradicionales suelen requerir múltiples búsquedas secuenciales, lo que aumenta la latencia, amplía las ventanas de contexto, incrementa los costos en tokens y reduce la precisión. En cambio, el enfoque de Parallel permite resolver consultas más complejas en una sola llamada, reduciendo consultas secuenciales, mejorando la precisión, bajando costos y disminuyendo la latencia.

En pruebas con benchmarks más simples de un solo salto, como SimpleQA, que involucran consultas factuales directas, Parallel continuó mostrando buen rendimiento, aunque las mejoras en precisión son más limitadas en estos casos debido a la naturaleza de las preguntas.

La capacidad de Parallel para lograr resultados de vanguardia es el resultado de dos años desarrollando una infraestructura robusta para optimizar cada capa del proceso de búsqueda, mejorando continuamente el rendimiento mediante ciclos de retroalimentación. El sistema se enfoca en indexar contenido web difícil de rastrear, como PDFs multimodales, largos y sitios con mucho JavaScript, minimizando el impacto en los propietarios de sitios web. El índice web de Parallel es uno de los de mayor crecimiento, con más de 1 mil millones de páginas actualizadas diariamente.

Para el ranking, Parallel adopta un enfoque diferente al de la búsqueda tradicional. En lugar de clasificar URLs según tasas de clics humanas, se centra en identificar los tokens más relevantes y autoritativos para el razonamiento con modelos de lenguaje grande (LLM). Los modelos propietarios de Parallel evalúan la relevancia de los tokens, la autoridad de la página y del dominio, la eficiencia de la ventana de contexto y la validación cruzada entre fuentes, priorizando la calidad sobre métricas de participación.

Parallel Search API: Potenciando sistemas de IA con datos web de alta calidad y en tiempo real

Hoy en día, los desarrolladores más avanzados optan por construir y desplegar sistemas de IA utilizando búsquedas impulsadas por Parallel. Estas organizaciones han probado varias alternativas y reconocen que la calidad de los datos web impacta directamente en las decisiones que toman sus agentes de IA. Ya sea el agente de codificación Sourcegraph Amp resolviendo errores, Claygent optimizando decisiones de entrada al mercado (GTM), Starbridge identificando RFPs gubernamentales, o una aseguradora líder gestionando reclamaciones de manera más efectiva que los suscriptores humanos, el rendimiento de estos sistemas depende de la precisión y relevancia de los datos web en los que confían.

La Search API de Parallel funciona como la infraestructura principal que soporta sus Web Agents. Por ejemplo, la API de Tareas de Parallel, que maneja consultas complejas de enriquecimiento e investigación en múltiples pasos, se construye sobre la Search API. Cada consulta de la API de Tareas en producción depende de la Search API para funcionar perfectamente en segundo plano.

Este enfoque arquitectónico establece un alto estándar para Parallel, ya que cualquier mejora en rendimiento, latencia o calidad de búsqueda impacta directamente en los sistemas de producción que procesan millones de consultas diarias. Cada ineficiencia o inexactitud en la Search API se siente de inmediato en los productos que dependen de ella.

Por ello, la infraestructura de Parallel se refina constantemente y se prueba en condiciones reales de cargas de trabajo basadas en agentes. La clave para completar eficazmente tareas para un agente consiste en maximizar la señal y minimizar el ruido en su ventana de contexto. La Search API de Parallel garantiza que los agentes reciban el contexto más relevante y comprimido del web, mejorando su capacidad para realizar tareas con precisión y eficiencia.