Palma získává $1.8M na vybudování řídící vrstvy pro podnikové AI agenty

Palma.ai získala $1.8 milionu dolarů v pre‑seed financování, aby řešila problém, který se stává stále důležitějším, jak podniky přecházejí od AI asistentů generujících obsah k agentům schopným provádět akce v podnikových systémech.

Kolo financování vedlo D11Z, s účastí Plug and Play Ventures, Deel, Scale Now Ventures a andělských investorů, mezi nimiž jsou vedoucí představitelé Cisco a Deel. Financování bude použito k rozšíření inženýrských a go‑to‑market týmů Palma.ai, zatímco společnost cílí na větší organizace nasazující AI agenty napříč více platformami.

Existuje také neobvyklá překryvnost mezi investorem a zákazníkem v tomto kole. D11Z a Plug and Play již interně nasazují Palma.ai, používajíce její řídící infrastrukturu k poskytování AI agentů zaměstnancům, kteří mohou přistupovat k podnikovým nástrojům, aniž by museli samostatně konfigurovat oprávnění a integrace pro každou AI aplikaci.

Řídící problém, který se objevuje za AI agenty

Rychlé přijetí agentní AI vytváří jiný bezpečnostní problém, než který podniky zažily s první generací generativní AI.

Poskytnutí přístupu zaměstnancům k chatbotovi především vyvolalo otázky ohledně úniku dat, využití modelu a toho, jaké informace pracovníci nahrávají. AI agenti mohou potenciálně jít mnohem dál. Připojeni k podnikovým systémům může agent aktualizovat záznam zákazníka, dotazovat databázi, spustit interní workflow, upravit kód nebo iniciovat další akci jménem zaměstnance.

Tato schopnost je stále častěji umožňována prostřednictvím Model Context Protocol (MCP), otevřeného protokolu pro propojení AI aplikací s nástroji a daty. MCP se rozrostl do širšího průmyslového standardu a nyní je řízen prostřednictvím Agentic AI Foundation Linux Foundation, spolu s dalšími technologiemi podporujícími interoperabilní agentní infrastrukturu.

MCP řeší důležitý problém interoperability, ale samo o sobě neposkytuje veškeré úrovňové kontroly organizace potřebné k určení, co konkrétní zaměstnanec nebo agent smí dělat.

Tato mezera je místem, kde se Palma.ai umisťuje.

Řídící vrstva mezi agenty a podnikovými systémy

Místo vytváření dalšího AI asistenta vyvíjí Palma.ai prostřední řídící vrstvu, přes kterou mohou být požadavky agent‑na‑nástroj směrovány.

Platforma společnosti přiřazuje uživatelům a agentům řízený konektor obsahující nástroje a organizační „dovednosti“, které jsou oprávněni používat. Politiky jsou pak vyhodnocovány, když agent skutečně provede akci, místo aby jen poskytovaly široký přístup k aplikaci.

Například zaměstnanec může mít povoleno používat finanční systém, zatímco agent jednající za něj smí provádět transakce pouze pod stanoveným limitem. Další akce může být automaticky pozastavena, dokud ji neschválí určený člověk.

Palma systém politik dokáže vyhodnotit argumenty obsažené v jednotlivých požadavcích, což organizacím umožňuje povolit, odmítnout, omezit rychlost nebo vyžadovat schválení volání před tím, než dorazí k podkladovému systému. Společnost také podporuje režim pozorování, ve kterém administrátoři mohou testovat politiky na reálném provozu před jejich vynucením.

Tento přístup se snaží posunout řízení AI blíže k bodu, kde agent skutečně něco provádí.

Jedna řídící vrstva napříč více AI platformami

Další část strategie Palma.ai spočívá v vyhnutí se řídící architektuře vázané na jediného dodavatele AI.

Platforma je navržena tak, aby fungovala napříč AI aplikacemi včetně Claude, ChatGPT, Microsoft Copilot, Gemini, Cursor a dalších prostředí kompatibilních s MCP. Palma uvádí, že stejné organizační oprávnění a dovednosti tak mohou sledovat uživatele i při změně modelů nebo rozhraní agentů, které společnosti používají.

To by se mohlo stát čím dál důležitějším, jak podniky přijímají několik AI systémů současně místo standardizace na jednoho poskytovatele.

Palma se integruje s existující identitní infrastrukturou místo jejího nahrazení. Její webová stránka popisuje podporu skupin poskytovatelů identity prostřednictvím systémů jako Microsoft Entra a Okta, což umožňuje měnit přístup, jak se zaměstnanci připojují, odcházejí nebo přesouvají mezi týmy.

Její koncept dovedností přidává další vrstvu nad čistým přístupem k nástrojům. Nástroj může agentovi poskytnout technickou schopnost odeslat e‑mail nebo aktualizovat databázi, zatímco dovednost definuje schválený postup organizace pro používání těchto schopností v konkrétním workflow. Palma verze a skenuje tyto dovednosti před jejich distribucí.

Udržení přihlašovacích údajů mimo agenta

Bezpečnost se stává zvláště důležitou, když agenti přecházejí od pouhého získávání informací k zápisu do produkčních systémů.

Podle technické dokumentace Palma může její řídící vrstva běžet uvnitř infrastruktury společnosti pomocí Dockeru, Kubernetes nebo nasazení na fyzickém hardware. Konfigurace VPC, on-premises a plně izolované (air‑gapped) jsou podporovány pro organizace, které nechtějí, aby citlivý provoz agentů procházel více‑nájemnickou cloudovou službou.

Platforma je také navržena tak, aby downstreamové přihlašovací údaje nemusely být předávány přímo agentovi. Palma podporuje přístupy včetně výměny tokenů a přihlašovacích údajů uložených v podnikovém trezoru, přičemž autentizace je zprostředkována při provedení schváleného volání.

Každý řízený požadavek může být také přiřazen třem stranám: uživateli, agentovi jedoucímu za tímto uživatelem a aplikaci, ze které požadavek vznikl. Povolené, odmítnuté, omezené rychlostí a podléhající schválení akce jsou zaznamenány v auditním záznamu.

Je důležité zdůraznit, že Palma neprohlašuje, že nahradí stávající bezpečnostní infrastrukturu podniku. Vlastní dokumentace uvádí, že platforma řídí pouze provoz směrovaný přes její konektor a nemůže samostatně objevit každý neřízený MCP server běžící jinde na zařízeních zaměstnanců. Poskytovatelé identity, koncové kontroly, síťová bezpečnost a existující systémy politik tedy zůstávají součástí širšího bezpečnostního modelu.

Investoři se stávají ranými zákazníky

Zapojení společností D11Z a Plug and Play jako investorů i zákazníků přidává této investiční kolekci další rozměr.

Obě ventureové firmy používají Palma.ai v rámci snahy poskytnout svým týmům AI agenty schopné operovat napříč interními systémy při zachování centralizovaných oprávnění a dohledu.

„Každá společnost se chystá dát AI agentům klíče ke svým systémům,“ řekl CEO a spoluzakladatel Palma.ai Patrick Eden. „Otázkou je, zda někdo hlídá dveře.“

Eden dříve spoluzaložil společnost Replex zabývající se monitorováním infrastruktury, kterou v roce 2021 získala Cisco. CTO a spoluzakladatel Palma.ai Julian Kolbe má více než deset let zkušeností se stavěním systémů pro evropské fintech a automobilové společnosti, včetně infrastruktury fungující v regulovaných prostředích.

Startup uvádí, že je v provozu od začátku roku 2026.

Řízení agentů se stává infrastrukturou

Časování financování Palma.ai odráží širší posun na trhu podnikového AI.

Společnosti stále častěji experimentují s agenty, kteří jsou schopni provádět akce místo pouhého poskytování odpovědí. Současně se ekosystém kolem MCP formalizuje. Linux Foundation spustila v pozdním roce 2025 Agentic AI Foundation a v září 2026 představila svou první oficiální MCP certifikaci zahrnující architekturu, provádění, bezpečnost a řízení.

Regulace přidává další podnět pro společnosti, aby pochopily, jak AI systémy fungují. Nařízení EU AI Act se stalo široce aplikovatelným 2. srpna 2026, ačkoli požadavky na některé vysoce rizikové systémy zůstávají podléhat pozdějším termínům implementace.

Pro podniky je však okamžitá výzva spíše provozní než regulatorní: jakmile AI agent dokáže změnit záznam v CRM, získat přístup k citlivým datům nebo spustit produkční workflow, organizace potřebují kontrolní mechanismy fungující rychlostí stroje, aniž by každé nasazení snížily na neomezený přístup nebo neustálé ruční schvalování.

Palma.ai sází na to, že řešení bude běžnou řídící vrstvou umístěnou mezi agenty a systémy, které čím dál více ovládají.

Jeho předseedová kolo ve výši 1,8 milionu USD poskytuje společnosti další kapitál k otestování, zda se tato vrstva může stát standardní součástí podnikového AI stacku, když agenti přecházejí z experimentů do každodenního provozu.