DataAgent træder frem fra stealth med $10M pre‑seed for at bygge selvhelbredende cloud‑infrastruktur

DataAgent er trådt frem fra stealth med $10 millioner i pre‑seed‑finansiering, mens de lancerer en AI‑native platform, der er designet til at flytte cloud‑infrastrukturstyring fra at opdage problemer til autonomt at løse dem.

Runden blev ledet af MizMaa Ventures og Alicorn Venture Partners. DataAgent planlægger at bruge kapitalen til at bringe platformen på markedet og udvide adoptionen i Nordamerika. Virksomheden blev grundlagt i januar 2026, er baseret i Tel Aviv, beskæftiger i øjeblikket 15 personer og ledes af medstifterne Ishay Yaari, administrerende direktør, og Nati Shalom, teknisk chef.

I centrum for DataAgents tilgang er det, de kalder et “remediation‑first” Digital Immune System for moderne applikationer. I stedet for primært at fungere som et ekstra lag til indsamling af logs, generering af alarmer eller forklaring af hændelser for ingeniører, er platformen designet til at operere inden for Kubernetes og tilknyttet cloud‑infrastruktur og handle, når fejl opstår.

Omvendelse af den traditionelle observabilitets‑arbejdsgang

Moderne observabilitetsplatforme er blevet uundværlige for at forstå stadig mere komplekse applikationer, men den grundlæggende arbejdsgang forbliver stort set reaktiv: et system opdager et problem, en ingeniør modtager en alarm, nogen undersøger årsagen, og en afhjælpning anvendes til sidst.

DataAgent forsøger at vende denne sekvens.

Deres software læser den aktuelle systemtilstand, topologi og konfigurationsinformation, hvor infrastrukturen kører. Når den støder på en fejl, den forstår, kan platformen først anvende en verificeret afhjælpning og derefter udføre dybere rodårsagsanalyse. Målet er at genoprette tjenesten uden at vente på, at en menneskelig ingeniør gennemgår logs og dashboards.

Virksomhedens offentlige hjemmeside destillerer denne filosofi til udtrykket “Remediation‑First, the rest is noise.”

Tidspunktet afspejler et bredere problem, som infrastrukturteams står over for. Grafana Labs’ 2025 Observability Survey fandt, at kompleksitet og overhead fortsat er den mest citerede bekymring inden for observabilitet, efterfulgt af signal‑til‑støj‑udfordringer og omkostninger. Halvdelen af respondenterne bruger nu Software‑as‑a‑Service (SaaS) observabilitet i en eller anden form, hvilket illustrerer, hvor meget operationel telemetry i stigende grad behandles gennem eksterne platforme.

En autonom SRE, der kører inde i infrastrukturen

DataAgent beskriver deres platform som en autonom site reliability engineer (SRE), men arkitekturen er mere begrænset, end etiketten umiddelbart antyder.

Systemet bygger en model af kundens topologi, miljø, kode og konfigurationer i stedet for at træffe beslutninger baseret på en isoleret log‑post eller alarm. Under implementeringen identificerer det kategorier af fejl, som det mener, det kan afhjælpe pålideligt. Det handler kun autonomt på en fejl‑kategori, når den pågældende evne er blevet etableret, mens ukendte eller usikre problemer videresendes til menneskelige operatører.

Kunder kan også definere sikkerhedsrammer for, hvilke handlinger systemet må udføre.

Disse kontroller er vigtige, fordi autonom infrastrukturstyring bærer betydeligt mere risiko end en AI‑copilot, der kun anbefaler en kommando. En forkert anbefaling kan afvises af en ingeniør; et autonomt system med produktionsrettigheder kunne potentielt genstarte, skalere, rulle tilbage eller ændre arbejdsbelastninger, før en person griber ind.

DataAgents tilgang er derfor baseret på gradvist at udvide de klasser af problemer, som systemet må handle på, i stedet for at give bred autonomi fra starten.

Bevare flere observabilitetsdata i klyngen

Der er også et økonomisk argument bag arkitekturen.

Traditionel cloud‑observabilitet involverer ofte at sende store mængder logs, metrics og traces til en ekstern tjeneste, hvor informationen indsamles, indekseres, gemmes og analyseres. Omkostningerne kan stige i takt med infrastrukturforbruget og telemetry‑volumen.

DataAgent placerer i stedet deres agenter tættere på arbejdsbelastningerne selv. Rutinefejl kan analyseres og afhjælpes lokalt, mens dybere inspektion forbeholdes hændelser, der kræver det. Virksomheden argumenterer for, at dette kan reducere mængden af data, der skal transporteres gennem dyre indtags‑ og indekserings‑pipelines, samtidig med at deres platform kan sidde ved siden af eksisterende overvågningssystemer i stedet for at kræve en umiddelbar udskiftning.

Dette kan blive en vigtig sondring, efterhånden som AI øger mængden af software, der skabes og drives. Flere applikationer, tjenester, containere og AI‑agenter genererer i sidste ende flere infrastruktur‑begivenheder og telemetry. At blot indsamle flere data kan blive stadig dyrere, medmindre softwaren kan afgøre, hvilke signaler der faktisk kræver opmærksomhed.

Open source som en vej til infrastruktur‑tillid

Et andet bemærkelsesværdigt element er DataAgents beslutning om at gøre deres underliggende agent open source. Agenten kan implementeres uafhængigt, mens virksomheden planlægger at tjene penge på et SaaS‑lag til at administrere og orkestrere flåder af agenter.

Den model kan hjælpe med at tackle en af de sværeste barrierer for autonom software: virksomheder bliver bedt om at give et AI‑drevet system adgang til produktionsinfrastruktur, hvor fejl kan forårsage nedbrud.

At kunne inspicere og drive agenten lokalt giver infrastrukturteams mere synlighed i, hvad der kører inde i deres miljøer, selvom den større test vil være, om virksomheder bliver trygge ved at tillade, at disse agenter udfører stadig mere konsekvensfulde handlinger.

Cloud‑orchestrerings‑veteraner vender tilbage med endnu et infrastruktur‑satsning

Yaari og Shalom arbejdede tidligere sammen hos Cloudify, hvor Yaari var Chief Revenue Officer og Shalom var grundlægger og CTO. Dell købte cloud‑orchestrerings‑ og infrastruktur‑automatiseringsvirksomheden i 2023 i en transaktion, som TechCrunch rapporterede kunne have været så meget som $100 millioner værd.

Den baggrund er særligt relevant for DataAgent. Cloudify fokuserede på at orkestrere infrastruktur på tværs af Kubernetes, cloud‑platforme og eksisterende DevOps‑værktøjer. DataAgent bevæger sig længere op i automations‑stakken ved at forsøge at give softwaren evnen til ikke kun at orkestrere infrastruktur, men også at afgøre, hvornår den infrastruktur skal ændres.

Den nye finansiering vil støtte DataAgents kommercielle lancering og udvidelse, herunder yderligere go‑to‑market‑ansættelser i USA og Israel.

Fra observabilitet til selvhelbredende infrastruktur

Den større mulighed for DataAgent er knyttet til en overgang, der allerede er i gang inden for enterprise‑AI: fra systemer, der forklarer, hvad mennesker bør gøre, til systemer, der kan udføre arbejdet selv.

Infrastruktur er et særligt konsekvensfuldt område for denne overgang. En stor procentdel af produktions‑incidents involverer gentagelige problemer, som erfarne SRE‑teams allerede ved, hvordan de skal løse. Hvis AI‑agenter sikkert kan absorbere flere af disse rutineopgaver, kan observabilitet gradvist udvikle sig fra et system til at forstå infrastruktur til et kontrol‑lag, der kontinuerligt vedligeholder den.

DataAgent kombinerer denne produktions‑afhjælpnings‑løkke med et pre‑produktions‑system, der har til formål at identificere og forebygge fejl, før softwaren implementeres. Virksomheden beskriver den resulterende proces som én, hvor læring fra hændelser og forebyggede fejl løbende kan udvide systemets evne til at operere autonomt.

Udfordringen vil være at demonstrere, at autonomi kan skaleres uden at introducere en ny kategori af operationel risiko. Infrastrukturmiljøer varierer enormt, uventede fejl er uundgåelige, og en automatiseret afhjælpning, der virker i én arkitektur, kan være farlig i en anden.

Hvis disse sikkerhedsforanstaltninger viser sig pålidelige, kan den næste generation af observabilitetsplatforme i fremtiden blive vurderet mindre på, hvor hurtigt de kan fortælle ingeniører, hvorfor noget gik galt, og mere på, hvor ofte ingeniører overhovedet ikke behøver at blive involveret. DataAgents $10 millioner pre‑seed‑runde er et tidligt væddemål på den udvikling.