Cómo Fiber AI usa Elasticsearch para escalar la automatización de ventas hasta $1M ARR

Fiber AI es una startup respaldada por Y Combinator que automatiza la prospección de ventas salientes, aprovechando una base de datos de 850 millones de perfiles de LinkedIn, 40 millones de empresas y 13 millones de ofertas de empleo. La empresa construyó su infraestructura de búsqueda en Elasticsearch, que ahora realiza consultas sobre mil millones de filas en menos de un segundo. En seis meses tras su lanzamiento, Fiber AI alcanó $1 millón en ingresos anuales recurrentes con un equipo de ocho personas.

Impacto

$1M+ ARR

Ingresos anuales recurrentes en el lanzamiento

40–50%

Aumento en prospectos alcanzables para el contacto

80%+

Reducción de costes mensuales de infraestructura

Dozens of terabytes

Tamaño de la base de datos gestionada

Under 1 second

Velocidad de consulta sobre mil millones de filas

Desafío

Fiber AI necesitaba buscar en una base de datos de más de 850 millones de registros con tiempos de respuesta inferiores al segundo, añadiendo nuevos criterios de búsqueda rápidamente, requisitos que las soluciones en columnas y basadas en SQL existentes no podían satisfacer sin costes o esfuerzo de ingeniería prohibitivos.

Solución

Fiber AI construyó su búsqueda de prospección en Elasticsearch, que gestiona consultas de mil millones de filas en menos de un segundo y permite agregar nuevos criterios de búsqueda con pocas cientos de líneas de código DSL, mientras que la organización por niveles de datos mantiene los costes de infraestructura controlados a medida que los datos escalan a terabytes.

Herramientas y tecnologías

Lo que dicen los líderes

Cuando probé Elasticsearch por primera vez, quedé asombrado. Ejecuté una búsqueda en mil millones de filas en solo un segundo, mientras que otros productos tardaban 30 minutos. Honestamente, no sé cómo lo gestiones sin él.

Neel Mehta, CTO y cofundador, Fiber AI

Ninguna otra herramienta que conozca ha aumentado tanto nuestra productividad como Elasticsearch. Nos permite añadir nuevas funciones para nuestros clientes cada semana. El tiempo y el esfuerzo que ahorra es enorme.

Neel Mehta, CTO y cofundador, Fiber AI

Con Elasticsearch, los clientes han incrementado sus tasas de respuesta en ventas en un 40 a 50% sin prácticamente ningún impacto en el rendimiento.

Aditya Agashe, CEO y cofundador, Fiber AI
Entiende todo el contexto.

Regístrate para leer casos de estudio completos, acceder a métricas detalladas y recibir todos los reportes.

Historia completa

Fiber AI fue cofundada por Aditya Agashe y Neel Mehta, dos laureados en el Forbes 30 Under 30, con el objetivo de automatizar las partes más intensivas en tiempo de las ventas B2B: encontrar los prospectos adecuados e iniciar el contacto. Su plataforma permite a los equipos de desarrollo de ventas buscar en una base de datos propietaria que agrega datos de más de 50 proveedores y generar automáticamente mensajes de contacto personalizados.

El desafío central de ingeniería era la velocidad. La base de datos de Fiber AI contiene 850 millones de perfiles de LinkedIn, datos de 40 millones de empresas y 13 millones de ofertas de empleo. Las primeras pruebas con ClickHouse, otras bases de datos en columnas y soluciones SQL vectorizadas sobre PostgreSQL no estuvieron a la altura. Una consulta que Elasticsearch ejecutaba en un segundo le llevaba 30 minutos a otras herramientas.

Con Elasticsearch en el núcleo, Fiber AI construyó una capa de búsqueda que puede aceptar consultas amplias y mapearlas automáticamente a términos específicos mediante cientos de sinónimos configurados. El equipo también usa las capacidades de niveles de datos de Elasticsearch para gestionar la base de datos a medida que escaló de gigabytes a decenas de terabytes, reduciendo los costes de infraestructura mensuales en más del 80%.

Los resultados son concretos. Los clientes de Fiber AI reportan un aumento del 40–50% en la proporción de prospectos alcanzables para el contacto comercial, reduciendo el tiempo de construcción de listas de dos a tres horas a casi cero. Los costes mensuales de infraestructura cayeron de cinco dígitos medios a menos de $10.000.

Fiber AI está añadiendo funciones de respuesta automática e integrando más capacidades de inteligencia artificial de Elastic, con el equipo reconociendo a Elasticsearch como el motor principal de su capacidad para lanzar nuevas funciones de búsqueda cada semana.

Casos similares

L
Lusha
300%
increase in outbound leads

Lusha is a B2B sales intelligence platform with 1.5 million users and a database of over 200 million business contacts. By deploying Elasticsearch as both a full-text search engine and a vector database for AI-powered lead recommendations, Lusha helps customers generate 300% more leads, achieve conversion rates up to 10x higher, and realize return on investment of up to 1,000%.

TechnologyEElasticsearch
D
Docusign
Under 1 minute
document retrieval time

Docusign, the Intelligent Agreement Management (IAM) platform serving 1.6 million customers and over 1 billion users across 180 countries, built its AI-powered Navigator repository on Elasticsearch to index and search billions of agreements in real time. The deployment enables customers to find specific documents in under a minute—tasks that previously took hours—while handling millions of new agreements added to the platform each day.

TechnologyEElasticsearchMAMicrosoft Azure
A
Apna
20%
increase in employers paying for premium access

Apna, India’s largest jobs and professional networking platform with 50 million registered users and 600,000 employers, built its candidate search and AI job matching infrastructure on Elasticsearch running on Elastic Cloud on Google Cloud. Semantic search capabilities allow employers to find candidates by intent—not just keywords—while AI algorithms analyze candidate profiles to surface the most relevant matches. The result: a 20% increase in employers paying for premium access, 20% higher platform team productivity, and a 50% improvement in employee productivity.

TechnologyEElasticsearch
C
Cypris
Weeks → 15 minutes
research report generation time

Cypris is an AI-powered R&D intelligence platform that enables teams to analyze over 500 million technical and market data points—patents, scientific literature, funding data, and news—in seconds. The company built its core RAG architecture on Elasticsearch for vector search and semantic retrieval, replacing a problematic prior search provider. The platform now generates detailed research reports in 15 minutes rather than weeks, supports 30% quarterly enterprise customer growth, and manages more than 10 terabytes of indexed data without scalability constraints.

TechnologyECElastic CloudEElasticsearch
WE
WP Engine
~5 milliseconds
search query response time

WP Engine, the leading WordPress hosting platform serving more than 1.5 million users across 200,000 websites in 150+ countries, deployed Elastic’s Search AI Platform alongside Google Cloud Vertex AI and Gemini to build Smart Search AI and enable retrieval-augmented generation (RAG) capabilities for its customers. The integration allows WP Engine to deliver natural language search, context-aware product recommendations, and AI-powered chatbots to website owners without requiring them to stitch together multiple vendors. Response times dropped to as low as five milliseconds, and the platform handled traffic spikes from hundreds of thousands to tens of millions of queries per minute with zero downtime.

TechnologyEElasticsearchGVGoogle Vertex AI
CA
Contextual AI
90%+
rag accuracy achieved in production

Contextual AI is an enterprise AI platform company that specializes in production-ready Retrieval Augmented Generation systems for complex knowledge tasks. The company built its context engineering platform on Elasticsearch, using hybrid search combining BM25 and vector search to power accurate, scalable AI agents for enterprise customers. With this foundation, Contextual AI’s agents achieve over 90% accuracy on demanding production tasks—well above the 65–75% range typical of traditional RAG approaches.

TechnologyEElasticsearch
A
Allspice
20% → 97%
ingredient matching accuracy

Allspice, a food technology startup building a kitchen operating system for consumers and recipe publishers, deployed Pinecone’s vector database to solve the inherent messiness of ingredient data that traditional text search could not handle. The implementation raised ingredient matching accuracy from roughly 20% to 97%, enabling the launch of recipe importing as a core product feature and expanding into a platform-wide semantic layer for search, recommendations, and conversational AI.

TechnologyTtext-embedding-3-largePPinecone
S
Sommo
500–800
additional leads generated monthly

Sommo built an AI-powered SRS generator in Make in a single day, generating 500–800 additional leads per month and achieving a 5x increase in active website users.

TechnologyMMakeOOpenAI