Bob van Luijtがデータをベクトル検索へ変えた、WeaviateのOSS転換

冒頭：検索の単位を変える

Weaviateは、データをキーワードの一致だけで探すのではなく、意味の近さで検索するvector databaseとして出発した。

現在はopen-source版とWeaviate Cloudを組み合わせ、AIアプリケーションの検索・保存・生成を支える基盤になっている。出典

創業：スキーマではなくデータを見る

Weaviateの前身SeMI Technologiesは2019年にBob van LuijtとEtienneが創業した。

Bobは創業前の構想について「My suggestion was, why not use machine learning and just let the model figure it out? Now, that is the go-to answer but back then, it was blasphemy.」と振り返っている。出典

当初の問題意識は、edgeやIoTの世界で増える異種データをどう統合するかだった。

そこから、スキーマを先に決めるのではなく、データの意味を使って保存・検索する方向へ焦点が移った。出典

転機・苦労：先に市場があったわけではない

公式の創業回顧では、初期には顧客やユーザーから「vector searchで解ける問題」を持ち込まれる状態ではなく、ピッチデックを作っても資金調達はゼロだった時期が語られている。出典

この谷を越えた要因は、vector searchを単独の技術デモにせず、データを保存しながら効率的にretrievalするdatabaseとして製品化したことだった。

創業者Etienneは「shouldn't we also store the data?」と問い直した経緯を説明している。出典

成長・成功：OSSとCloudを接続する

Weaviateはopen-sourceの開発者基盤を保ちながら、managedなWeaviate Cloudを提供する構成へ広がった。

2023年4月にはIndex Ventures主導のSeries Bで5,000万ドルを調達し、AI-native vector databaseへの需要を成長資金に変えた。出典

創業4周年の公式記事は、2019年から会社が成長し、創業者の仕事も「13個の帽子」を自分で被る段階から、他者へ役割を委ねる段階へ変わったと記す。

Bobは「What is left over after that is where I can create the most value.」という考え方を紹介している。出典

結び：検索基盤をAIの入口にする

Weaviateの軌跡は、vector searchという技術を先に売った話ではない。

曖昧なsemantic searchを、保存・検索・AI連携まで含む開発者向け基盤へ翻訳した話である。

OSSで試せる入口とCloudの運用価値を分けた設計は、難しい基盤技術を普及させる一つの型と言える。

AIアプリケーションを作る開発者は、embedding生成、vector index、metadata filter、運用を別々に組み合わせる負担を抱える。

Weaviateは保存とsemantic searchを一つのdatabaseとして扱い、さらにCloudで運用部分を引き受ける。出典

OSSで試せるため、検索品質を検証してから本番運用へ移れる点が、基盤選定の摩擦を下げると考えられる。

検索エンジンの実装、schema・metadata filter・AI moduleの統合知識と、OSS利用者から得られる実装フィードバックが蓄積する。

単なるAPI endpointより、データモデルと運用知見の組み合わせが参入障壁になる。

強いnetwork effectではなく、弱い開発者エコシステム効果がある。

GitHub、documentation、integrations、コミュニティが利用例を増やすほど、次の開発者が導入しやすくなる一方、データ自体のネットワーク効果は限定的である。

RAG、recommendation、semantic search、AI agentの機能をプロダクトへ組み込む開発者・データチーム向け。

単純なSQL分析だけを求めるチームや、vector検索を既存databaseの小機能で済ませたいチームには過剰になり得る。

第一に、OSSを入口にして開発者が実際のデータで検証できること。

第二に、self-hostedとCloudを併存させ、運用要件の違いを吸収したこと。

第三に、vector searchを単機能APIでなくdatabaseとして位置づけ、AI agentやRAGの利用文脈へ拡張したこと。出典

vector database市場は競争が激しく、クラウド大手や既存databaseのvector機能と比較される。

open-sourceの使いやすさとCloudの収益性を両立できるかは継続課題であり、公開情報だけではARRや顧客維持率は要確認である。

OSSとdocumentationで開発者を獲得し、無料または低摩擦の検証からCloudへ移行させる二段構えが中心になる。

シリーズBの資金はAI-native database需要への対応に使えるが、Cloudでは性能・信頼性・価格の説明責任が増す。出典

主要チャネル: open_source, developer_community, content_marketing, cloud_free_tier

新しい技術カテゴリでは、技術名を繰り返すより、既存の開発者が理解できる製品単位へ翻訳することが重要だ。

Weaviateはvector searchをdatabaseとして説明し、OSSとCloudの二つの導入経路を用意した。

日本では社内文書検索、コールセンター、製造現場の知識検索など、曖昧な言葉を扱う業務が多い。

個人情報やデータ所在地の要件があるため、self-hostedとCloudの選択肢を分け、評価データと検索品質を説明できる導入設計が必要になる。