Kindo získává 30 milionů dolarů na rozšíření kontroly podnikových agentů AI a snížení nákladů

Kindo získalo v rámci rozšířeného financování 30 milionů dolarů na rozvoj své platformy pro správu podnikových agentů AI, čímž celkový objem získaného kapitálu dosáhl 57,6 milionu dolarů. Financování společně vedly společnosti Crosspoint Capital a Forgepoint Capital, které podpořily firmu zaměřenou na stále naléhavější provozní problém: jak si udržet kontrolu nad tím, k čemu mají agenti AI přístup, co dělají a kolik utrácejí.

Společnost se sídlem v kalifornské Venice Beach plánuje prostředky využít k rozšíření týmu pro uvádění produktů na trh a k urychlení vývoje AI Control Center a modelů a doplňků Deep Hat. Kindo uvádí, že její tržby v roce 2026 meziročně vzrostly přibližně o 800 %.

Nové kolo financování přináší také změny ve složení představenstva. Andre Fuetsch, výkonný ředitel ve společnosti Crosspoint Capital, a Ernie Bio, výkonný ředitel ve společnosti Forgepoint Capital, se stanou členy představenstva Kindo.

Řídicí centrum pro agenty nasazené napříč podnikem

Nasazení agenta znamená předání pravomocí. Agent propojený s podnikovými systémy může mít možnost číst interní informace, aktualizovat záznamy, schvalovat žádosti nebo upravovat infrastrukturu. S rostoucím počtem nasazení potřebují bezpečnostní a provozní týmy rozumět jak oprávněním, která agent má, tak činnostem, které skutečně provádí.

Kindo představuje svou platformu jako společnou provozní vrstvu pro IT, bezpečnost, finance a dodržování předpisů. Funkce pro vyhledávání mapuje schválenou i stínovou AI, zatímco centrální přehled sjednocuje informace o aktivitě, přístupech, nákladech a výsledcích. Organizace mohou vytvářet agenty přímo v Kindo nebo připojovat agenty vyvinuté jinde. Kindo toto řešení označuje jako centrum provozu AI, které přináší podnikovým agentům průběžné monitorování a možnost zásahu, jaké známe z bezpečnostních a síťových operačních center.

Web společnosti popisuje registr, který uvádí vlastníky agentů, oprávnění zděděná od osoby, jež agenta spouští, a přiřazení nákladů. Tyto funkce řeší různé stránky téhož problému se správou: určují, kdo nese odpovědnost, umožňují řídit pravomoci a pomáhají vyhodnotit, zda výsledná práce odpovídá vynaloženým prostředkům.

Zakladatel a generální ředitel Ron Williams uvedl, že problémem není nedostatek tvůrců agentů. Chybí nástroje, které organizace potřebují k řízení toho, jak se agenti vytvářejí, k jakým datům mají přístup, kam mohou informace směřovat a kolik provoz těchto agentů stojí.

Brány řídí volání; běhové prostředí umožňuje hlubší zásahy

Oznámení společnosti Kindo popisuje brány, které řídí a zaznamenávají volání agentů k připojeným datům, nástrojům a schváleným modelům. Řízení identit uplatňuje stávající organizační oprávnění na lidi i agenty a umožňuje centrálně přístup dále omezit.

Propojení agenta s jeho závislostmi se tak stává kontrolním bodem. Vrstva zásad může řídit přístup napříč podporovanými integracemi, místo aby každý tým pracující s agenty zaváděl vlastní, nesjednocené kontroly. Rozsah jejího pokrytí závisí na agentech a zdrojích, které jsou k této vrstvě připojeny.

Pro nasazení kritická pro chod organizace, která vyžadují důkladnější kontrolu, nabízí Kindo účelově vytvořené běhové prostředí pro agenty. Toto prostředí řídí vykonávání agenta a poskytuje operátorům další možnosti monitorování, podpory a zásahu, včetně převzetí řízení nad agentem, když se něco pokazí.

Toto rozlišení má obchodní i technický význam. Připojení agenta vytvořeného externě prostřednictvím bran se liší od jeho provozování v běhovém prostředí Kindo. Oznámení výslovně spojuje hlubší možnosti zásahu a několik funkcí Deep Hat pro řízení nákladů s agenty provozovanými v tomto prostředí.

Zviditelnění výdajů na AI v souvislosti s výsledky

AI Control Center od Kindo zaznamenává spotřebu tokenů a výsledky běhů agentů, včetně neúspěšných běhů, takže lze výdaje přiřadit jednotlivcům, agentům, oddělením a projektům. Finanční týmy mohou nastavovat rozpočty, dostávat upozornění a uplatňovat pevné limity výdajů.

Přínos takového sledování nákladů nespočívá jen v určení nejdražšího modelu. I levný agent, který opakovaně selhává, může plýtvat prostředky, zatímco použití nákladného modelu může být opodstatněné u náročného a hodnotného úkolu. Propojení nákladů s výsledky pomáhá týmům odhalit opakovaná selhání, zbytečně vysokou kapacitu modelů i práci, kterou lze zvládnout efektivněji.

Možnosti nasazení Kindo zákazníkům také umožňují zvolit, kde bude platforma provozována: v cloudu Kindo, v cloudu spravovaném zákazníkem, v místní infrastruktuře nebo v prostředí odpojeném od vnějších sítí. Umístění nasazení a výběr modelu jsou samostatná rozhodnutí, obě však ovlivňují, jak podnik vyvažuje provozní požadavky, kontrolu a náklady.

Deep Hat se zaměřuje na různé zdroje nákladů na modely

Rodina nástrojů Deep Hat řeší několik různých způsobů, jimiž pracovní postupy AI spotřebovávají prostředky. Oznámení o financování popisuje čtyři nástroje:

• Sift: Učí se, které události by agent ignoroval, a po schválení prahové hodnoty člověkem tyto události filtruje. Zaznamenává odfiltrované události a část z nich předává k dalšímu měření.
• Tune: Přizpůsobuje menší a levnější model konkrétnímu úkolu, takže větší modely zůstávají vyhrazeny pro práci, která je skutečně vyžaduje.
• Omezit: Provádí opakovatelné kroky pracovních postupů jako kód, čímž odstraňuje náklady na model potřebný k jejich provedení; v případě potřeby předává výjimky zpět modelu.
• Útočit: Podporuje soukromé, autorizované testování zabezpečení útočnými metodami jako alternativu k využívání nejmodernějších modelů kybernetické bezpečnosti pro běžné testovací úkony.

Kindo ve zveřejněném vysvětlení systému Sift přibližuje užitečné podrobnosti o mechanismu filtrování. Systém začíná v režimu stínového provozu, kdy se každá událost dostane k cílovému agentovi, zatímco se systém učí z jeho verdiktů. Aktivaci předchází schválení člověkem a vzorek událostí, které by byly odfiltrovány, se přesto dostává k agentovi, aby se ověřilo, zda filtrování něco nepřehlédlo.

Tento návrh šetří práci modelu tím, že rozhoduje, kdy je nutné spustit agenta v plném rozsahu. Měření se však provádí ve vztahu k rozhodnutím cílového agenta, takže shodu s tímto agentem nelze zaměňovat za nezávisle ověřený skutečný stav.

Přijetí zákazníky a další etapa růstu

Podle společnosti Kindo její řešení běží v produkčním prostředí velkých a středně velkých podniků v oblasti finančních a profesionálních služeb, zdravotnictví, letectví a dopravy. Oznámení vyzdvihuje společnost Aireon, jejíž CISO v květnu 2026 uvedl, že využívání Kindo při vyhledávání hrozeb a bezpečnostních operacích úrovně 1 a 2 pomohlo dosáhnout ročních úspor přesahujících 2 miliony dolarů. Jde o výsledek uvedený zákazníkem, nikoli o zaručený výsledek pro jiná nasazení.

Financování se vedle stávajících investorů Drive Capital, Riot Ventures, RRE Ventures, Eniac Ventures, Marlinspike Partners, New Era Ventures a Sunset Venture zúčastnily také TFX Capital a CircleRock Capital.

Financování ve výši 30 milionů dolarů podpoří podnikání zaměřené na provozní důsledky zavádění agentů. Vytváření agentů je stále dostupnější; jejich provoz v produkčním prostředí však vyžaduje jasné určení odpovědnosti, pravidla přístupu, mechanismy zásahu a kontrolu výdajů. Příležitostí pro Kindo je usnadnit správu těchto povinností napříč agenty, kteří vznikli na různých místech a slouží různým týmům.