Mave recauda 28 millones de dólares en una ronda de Serie A y eleva su financiación total a 34 millones para las operaciones de seguridad con agentes

Un inicio de sesión sospechoso puede dejar indicios en una plataforma de identidad, una herramienta para dispositivos y una cuenta en la nube sin que ningún sistema muestre el incidente completo. Mave está desarrollando agentes de IA para conectar esos indicios allí donde ya se encuentran. La startup de Tel Aviv ha anunciado una financiación de 34 millones de dólares, incluida una ronda de Serie A de 28 millones de dólares, para ampliar una plataforma de operaciones de seguridad con agentes que funciona con las herramientas existentes de las empresas.

Red Dot Capital Partners lideró la ronda de Serie A, en la que también participó Lumir Growth Partners. El total incluye además una ronda semilla de 6 millones de dólares, liderada por Dell Technologies Capital y Emerge Ventures. Mave destinará el capital a impulsar su investigación en IA, reforzar sus productos empresariales y expandirse internacionalmente.

La propuesta de la empresa aborda un cuello de botella habitual en seguridad: comprar herramientas especializadas no conecta automáticamente los hallazgos que estas generan. Mave pretende encargarse de la investigación entre esos sistemas y, después, ejecutar respuestas dentro de los límites establecidos por el equipo de seguridad.

Investigar en toda la infraestructura sin migrar los datos a otra plataforma

Los sistemas tradicionales de gestión de eventos e información de seguridad, o SIEM, reúnen registros para que los analistas puedan buscar actividades sospechosas. Sin embargo, para comprender un incidente puede hacer falta información que vaya más allá de los registros recopilados: si una cuenta todavía tiene acceso privilegiado, quién es responsable de un recurso o cómo está configurado un sistema en ese momento.

El enfoque de Mave consiste en consultar las herramientas conectadas en sus lenguajes nativos, obtener contexto a medida que avanza la investigación y conciliar los resultados. La empresa afirma que los clientes no tienen que trasladar toda su telemetría a otra base de datos centralizada antes de usar la plataforma.

Pensemos en una investigación sobre una cuenta posiblemente comprometida. Revisar solo el inicio de sesión quizá no permita saber si el usuario accedió a una carga de trabajo sensible o si un dispositivo relacionado mostró actividad inusual. Para que una investigación sea útil, debe conectar indicios de identidad, dispositivos y aplicaciones. Este ejemplo ilustra el tipo de trabajo al que apunta Mave: seguir el incidente a través de distintos sistemas en lugar de esperar a que una persona establezca manualmente cada conexión.

Esta arquitectura podría reducir el trabajo de migración que conlleva adoptar otra plataforma de seguridad. Aun así, depende de la calidad y la accesibilidad de los indicios conectados. La falta de telemetría, los permisos restringidos o las API no disponibles pueden limitar lo que un investigador —humano o automatizado— logra determinar.

Una combinación de modelos pequeños, modelos grandes y flujos de trabajo

Según el comunicado, Mave combina flujos de trabajo diseñados para fines específicos, modelos de lenguaje pequeños ajustados y modelos de lenguaje grandes de vanguardia. El sistema recurre a esa combinación para tareas de gran volumen y razonamientos más complejos, y registra sus consultas, decisiones y acciones.

La distinción importa porque una investigación de seguridad es una secuencia de operaciones, no simplemente una explicación generada. El sistema debe decidir qué indicios solicitar, interpretar la respuesta, identificar qué cuestiones siguen sin resolverse y determinar si está justificado realizar otra consulta o ejecutar una acción de respuesta. Vincular esos pasos a un registro que se pueda inspeccionar ofrece al analista algo más útil que un veredicto por sí solo.

Mave afirma que investiga todas las alertas en cuestión de minutos, filtra los falsos positivos, identifica las campañas de ataque pertinentes y ejecuta las respuestas aprobadas. Estas son las capacidades que declara la empresa; el anuncio no aporta resultados de pruebas comparativas independientes ni información metodológica suficiente para confirmar esos niveles de rendimiento en distintos entornos de clientes.

«Los equipos de seguridad todavía investigan las amenazas herramienta por herramienta y reúnen indicios manualmente antes de poder llegar a un veredicto. Los atacantes no esperan», afirmó Raziel Oren, cofundador y director ejecutivo de Mave, en el anuncio.

De la investigación de alertas a una respuesta sujeta a controles

La descripción de la plataforma de Mave amplía la información del comunicado sobre financiación. Las integraciones se conectan mediante API y empiezan con acceso de solo lectura. Su interfaz en lenguaje natural permite a los equipos buscar en los sistemas conectados, mientras que las operaciones subyacentes se describen como pasos deterministas y repetibles que los usuarios pueden inspeccionar.

El sitio web también enumera la búsqueda federada, la búsqueda de amenazas y la ingeniería de detección. El trabajo de detección incluye identificar reglas que generan demasiado ruido o están defectuosas, y proponer ajustes o aplicarlos. Esto amplía la propuesta más allá de vaciar una cola de alertas: los hallazgos de las investigaciones pueden orientar la búsqueda de actividades relacionadas y contribuir a mejorar las detecciones futuras.

En su sitio web, Mave afirma que, de forma predeterminada, las acciones destructivas requieren aprobación, que los permisos se delimitan por plataforma y que los equipos deciden qué se ejecuta automáticamente. También permite añadir contexto organizativo, como políticas, información sobre responsabilidades y excepciones. Estos controles ayudan a distinguir entre obtener indicios y tener autoridad para modificar un sistema de producción.

Esta distinción cobra cada vez más importancia a medida que las herramientas de IA acceden a los flujos de trabajo empresariales. Como explica la cobertura de Unite.AI sobre los agentes de IA que se convierten en objetivos de phishing, el contenido con el que se encuentra un agente y las acciones que permiten sus permisos son cuestiones de seguridad distintas. En el caso de los agentes defensivos, ese mismo límite hace que las reglas de aprobación y un registro de auditoría sean fundamentales para su implementación.

Tracción comercial y la siguiente etapa de crecimiento

Fundada en 2025 por Oren y Guy Eshel, director de tecnología (CTO), Mave ha crecido hasta contar con 20 empleados. Anteriormente, Oren dirigió el área de comercialización en Wing Security, mientras que Eshel fue el primer empleado de Alterya y, más adelante, su vicepresidente de investigación y desarrollo, antes de que Chainalysis adquiriera la empresa. Ambos fundadores habían formado parte de la Unidad 8200 de Israel.

Mave afirma que entre sus clientes hay grandes empresas y proveedores de servicios de seguridad gestionados, con implementaciones en entornos regulados de los sectores financiero y sanitario. En su anuncio público de lanzamiento, la empresa señala que la plataforma ya funciona en más de 200 centros de operaciones de seguridad. El comunicado también informa de acuerdos de siete cifras y de un crecimiento superior al 400 % de los ingresos recurrentes anuales durante el último año, sin revelar una cifra absoluta de ingresos recurrentes anuales.

La plataforma ya está disponible de forma general y la empresa prevé más que duplicar su plantilla, centrando las contrataciones en puestos de investigación de IA y comercialización. La nueva financiación permite a Mave desarrollar tanto el razonamiento que sustenta las investigaciones como los controles empresariales que regulan su ejecución.

Para los clientes, la oportunidad consiste en obtener más valor de los sistemas de seguridad que ya utilizan. La próxima prueba para Mave será convertir esa promesa en investigaciones reproducibles y respuestas debidamente controladas en distintos entornos, donde las decisiones más rápidas sigan basándose en pruebas.