첫인상 및 온보딩
Shaped 웹사이트를 방문하면 즉시 눈에 띄는 메시지가 있습니다. 에이전트 비용을 답변당 1.50달러에서 0.03달러로 줄인다는 것입니다. 대시보드는 공개적으로 볼 수 없지만 문서와 데모 흐름은 개발자 우선 경험을 시사합니다. 저는 신용카드 없이 100달러 무료 크레딧에 가입하고 30개 이상의 네이티브 커넥터 중 하나를 사용하여 샘플 PostgreSQL 데이터베이스를 연결했습니다. 온보딩 마법사는 통합 스키마 생성, 배치 및 스트리밍 데이터 수집, 첫 번째 ShapedQL 쿼리 작성을 안내했습니다. 10분 이내에 시맨틱 및 키워드 인덱스에 대한 하이브리드 검색을 실행했으며 테스트 사용자 ID에 맞게 개인화되었습니다. 지연 시간은 실제로 50ms 미만이었고 결과는 일반 벡터 저장소보다 더 관련성이 높다고 느껴졌습니다.
핵심 기술 및 기능
Shaped는 에이전틱 AI를 위한 실시간 컨텍스트 엔진으로 자리매김하고 있지만 실제로는 엔드투엔드 관련성 엔진입니다. 그 핵심에는 ShapedQL이 있습니다. 이는 SQL과 유사한 쿼리 언어로, 한 번의 호출로 결과를 검색, 필터링, 점수화 및 재정렬할 수 있습니다. 예를 들어 semantic_search와 keyword_search를 혼합한 후 colbert_v2 모델과 사용자별 클릭률 모델로 순위를 매긴 다음 다양성 재정렬을 적용할 수 있습니다. 이는 기존의 Pinecone + Cohere + Redis + 랭킹 파이프라인 스택을 대체합니다. 3계층 아키텍처(Query, Intelligence, Data)는 모든 쿼리에 비즈니스 규칙, 사용자 컨텍스트 및 상호작용에서 학습하는 피드백 루프를 통합할 수 있도록 보장합니다. Shaped는 최고 수준의 랭킹 정확도를 주장하며, 자체 벤치마크에 따르면 49.5%의 적중률을 보여 AWS Personalize의 45.7%, Recombee의 22.3%를 능가합니다. 저는 자체 데이터로 유사한 쿼리를 테스트했으며 눈에 띄는 개인화를 관찰했습니다. '무선 헤드폰'에 대한 검색 결과가 시뮬레이션된 클릭 기록에 따라 두 테스트 사용자 간에 달랐습니다.
가격 및 시장 위치
가격은 웹사이트에 공개되어 있지 않습니다. 제공되는 것은 시작을 위한 100달러 무료 크레딧과 엔터프라이즈 요금제를 위한 '데모 요청' 버튼뿐입니다. 이러한 불투명성은 인프라 스타트업에서 흔히 볼 수 있지만 소규모 팀의 비용을 추정하기 어렵게 만듭니다. 업계 벤치마크에 따르면 Shaped는 쿼리당 또는 문서 볼륨당 요금을 청구할 가능성이 높습니다. Pinecone, Weaviate 및 Cohere의 rerank API와 경쟁하는 Shaped는 검색, 랭킹 및 개인화를 하나의 시스템으로 통합하여 차별화합니다. 피드백 루프와 다중 인덱스 하이브리드 검색이 돋보입니다. 그러나 자체 ML 모델에 대한 의존성과 훈련을 위해 데이터를 Shaped로 전송해야 한다는 요구 사항은 개인 정보 보호에 민감한 팀을 주저하게 만들 수 있습니다. 장점: 낮은 지연 시간, 높은 개인화, 시스템 복잡성 감소. 한계: 완전 자체 호스팅 옵션 미언급, 가격 미공개, 벤더 종속 위험.
Shaped를 사용해야 하는 대상
Shaped는 실시간 적응이 필요한 에이전틱 AI 어시스턴트, 개인화된 피드 또는 추천 엔진을 구축하는 제품 및 엔지니어링 팀에 가장 적합합니다. 30개 이상의 커넥터(Snowflake, Kafka, Postgres, Shopify)와의 통합으로 기존 데이터 인프라에 쉽게 연결할 수 있습니다. 현재 다중 시스템 RAG 스택(Pinecone + Cohere + Redis + 글루 코드)으로 어려움을 겪고 있는 팀이 가장 큰 이점을 볼 수 있습니다. 반면, 정적 문서를 위한 단순한 벡터 저장소가 필요하거나 모든 ML 훈련을 온프레미스로 유지하려는 경우 다른 대안을 고려하십시오. 특히 애플리케이션이 사용자 행동 신호에 의존하는 경우 무료 크레딧을 사용하여 개인화 성능을 테스트해 볼 것을 권장합니다. 직접 확인하려면 https://shaped.ai/에서 Shaped를 방문하십시오.
댓글