DataAgent nousee salamyhkästä $10M pre-seed-rahoituksella rakentaakseen itseparantavan pilvi‑infrastruktuurin

DataAgent on noussut salamyhkästä $10 miljoonan pre‑seed-rahoituksella lanseeraamalla AI‑synnäisen alustan, jonka tarkoitus on viedä pilvi‑infrastruktuurin hallinta ongelmien havaitsemisesta kohti itsenäistä korjaamista.

Rahoituskierrosta johti MizMaa Ventures ja Alicorn Venture Partners. DataAgent aikoo käyttää pääoman tuodakseen alustan markkinoille ja laajentaakseen sen käyttöä Pohjois‑Amerikassa. Yritys perustettiin tammikuussa 2026, Tel Avivissa sijaitseva yritys työllistää tällä hetkellä 15 henkilöä ja sitä johtavat perustajat Ishay Yaari, toimitusjohtaja, sekä Nati Shalom, teknologiajohtaja.

DataAgentin lähestymistavan ytimessä on niin kutsuttu korjaus‑ensimmäinen digitaalinen immuunijärjestelmä nykyaikaisille sovelluksille. Sen sijaan, että se toimisi vain lokien keräämisen, hälytysten luomisen tai tapahtumien selittämisen kerroksena, alusta on suunniteltu toimimaan Kubernetes‑ympäristössä ja siihen liitetyssä pilvi‑infrastruktuurissa sekä ryhtymään toimenpiteisiin, kun vikoja ilmenee.

Perinteisen observabiliteettityönkulun kääntäminen

Modernit observabiliteettialustat ovat tulleet välttämättömiksi yhä monimutkaisempien sovellusten ymmärtämisessä, mutta perusprosessi on edelleen enimmäkseen reaktiivinen: järjestelmä havaitsee ongelman, insinööri saa hälytyksen, joku tutkii syyn ja korjaus toteutetaan lopulta.

DataAgent pyrkii kääntämään tämän sarjan.

Sen ohjelmisto lukee reaaliaikaisen järjestelmän tilan, topologian ja konfiguraatiotiedot, joissa infrastruktuuri toimii. Kun se kohtaa tuntemansa vian, alusta voi ensin soveltaa vahvistettua korjaustoimenpidettä ja sen jälkeen tehdä syvällisemmän juurisyy‑analyysin. Tavoitteena on palauttaa palvelu ilman, että ihmisen insinöörin täytyy käydä läpi lokeja ja hallintapaneeleja.

Yrityksen julkinen verkkosivusto tiivistää tämän filosofian lauseeseen “Remediation‑First, the rest is noise.”

Aikataulu heijastelee laajempaa ongelmaa, jonka infrastruktuuritiimit kohtaavat. Grafana Labsin 2025 Observability Survey havaitsi, että monimutkaisuus ja hallinnollinen taakka ovat edelleen yleisimpiä observabiliteetin huolia, perässä signaali‑kohinasuhde‑haasteet ja kustannukset. Puoli vastaajista käyttää nykyään jollakin tavalla SaaS‑observabiliteettia, mikä osoittaa, että operatiivista telemetriaa käsitellään yhä enemmän ulkoisten alustojen kautta.

Autonominen SRE, joka toimii infrastruktuurin sisällä

DataAgent kuvaa alustaansa autonomisena site reliability engineer (SRE) -toimijana, mutta sen arkkitehtuuri on rajoitetumpi kuin etiketti aluksi saattaa vihjata.

Järjestelmä rakentaa mallin asiakkaan topologiasta, ympäristöstä, koodista ja konfiguraatioista sen sijaan, että se tekisi päätöksiä erillisen lokimerkinnän tai hälytyksen perusteella. Käyttöönoton aikana se tunnistaa vianluokat, jotka se uskoo pystyvänsä korjaamaan luotettavasti. Se toimii autonomisesti vain sen vianluokan osalta, kun kyvykkyys on vahvistettu; tuntemattomat tai epävarmat ongelmat ohjataan ihmisen käsiteltäväksi.

Asiakkaat voivat myös määritellä suojarajoja, jotka rajaavat, mitä toimenpiteitä järjestelmä saa suorittaa.

Nämä hallintamekanismit ovat tärkeitä, koska autonominen infrastruktuurin hallinta kantaa huomattavasti enemmän riskiä kuin pelkkä AI‑avustaja, joka vain suosittelee komentoja. Virheellinen suositus voidaan hylätä insinöörin toimesta; autonominen järjestelmä, jolla on tuotantotason oikeudet, saattaa kuitenkin käynnistää, skaalata, peruuttaa tai muokata työkuormia ennen kuin ihminen ehtii puuttua asiaan.

DataAgentin lähestymistapa perustuu siis asteittaiseen ongelmaluokkien laajentamiseen, joilla järjestelmä saa toimia, sen sijaan että laaja autonomia annettaisiin heti alussa.

Enemmän observabiliteettidataa säilytettynä klusterin sisällä

Arkkitehtuurissa on myös taloudellinen perustelu.

Perinteinen pilvi‑observabiliteetti usein edellyttää suurten määrien lokeja, mittareita ja jäljityksiä lähettämistä ulkoiseen palveluun, jossa tieto kerätään, indeksoidaan, tallennetaan ja analysoidaan. Kustannukset voivat nousta infrastruktuurin käytön ja telemetrian volyymin myötä.

DataAgent sen sijaan sijoittaa agenttinsa lähemmäs itse työkuormia. Rutiiniviat voidaan analysoida ja korjata paikallisesti, ja syvällisempi tarkastelu varataan vain niihin tapahtumiin, jotka sen vaativat. Yritys väittää, että tämä voi vähentää datamäärää, jonka täytyy kulkea kalliiden sisäänottoputkien ja indeksointiprosessien läpi, samalla kun alusta voi toimia rinnakkain olemassa olevien valvontajärjestelmien kanssa eikä vaadi välitöntä korvaamista.

Tämä voi muodostua merkittäväksi erottelutekijäksi, kun AI kasvattaa luotavien ja ylläpidettävien ohjelmistojen määrää. Enemmän sovelluksia, palveluita, kontteja ja AI‑agentteja tuottaa lopulta enemmän infrastruktuuritapahtumia ja telemetriaa. Pelkkä datan kerääminen voi tulla yhä kalliimmaksi, ellei ohjelmisto pysty määrittämään, mitkä signaalit todella vaativat huomiota.

Avoin lähdekoodi polkuna infrastruktuurin luottamukseen

Toinen merkittävä elementti on DataAgentin päätös tehdä sen taustalla oleva agentti avoimen lähdekoodin projektiksi. Agentti voidaan ottaa käyttöön itsenäisesti, kun taas yritys aikoo ansaita tuloja SaaS‑kerroksesta, joka hallinnoi ja orkestroi agenttiflotteja.

Tämä malli saattaa auttaa ratkaisemaan yhden autonomisen toiminnan ohjelmistojen vaikeimmista esteistä: yrityksiltä vaaditaan, että ne antavat AI‑pohjaiselle järjestelmälle pääsyn tuotantoinfrastruktuuriin, jossa virheet voivat aiheuttaa käyttökatkoksia.

Mahdollisuus tarkastella ja käyttää agenttia paikallisesti antaa infrastruktuuritiimeille enemmän näkyvyyttä siihen, mitä heidän ympäristöissään ajetaan, vaikka suurempi koetulos onkin se, tulevatko yritykset tuntemaan olonsa mukavaksi antaessaan näiden agenttien tehdä yhä merkittävämpiä toimia.

Pilvi‑orchestroinnin veteranit palaavat uuteen infrastruktuuripeliin

Yaari ja Shalom työskentelivät aiemmin Cloudifyssa, jossa Yaari toimi Chief Revenue Officerina ja Shalom oli perustaja ja CTO. Dell osti pilvi‑orchestroinnin ja infrastruktuuri‑automaatioyrityksen vuonna 2023, ja TechCrunchin mukaan kauppa saattoi olla arvoltaan jopa 100 miljoonaa dollaria.

Tämä tausta on erityisen relevantti DataAgentille. Cloudify keskittyi orkestroimaan infrastruktuuria Kubernetes‑ympäristössä, pilvialustoilla ja olemassa olevissa DevOps‑työkaluissa. DataAgent siirtyy automaatiopinoissa pidemmälle yrittäen antaa ohjelmistolle kyvyn ei vain orkestroida infrastruktuuria, vaan myös määrittää, milloin infrastruktuuria pitää muuttaa.

Uusi rahoitus tukee DataAgentin kaupallista lanseerausta ja laajentumista, mukaan lukien lisähenkilöstön palkkaamista Yhdysvalloissa ja Israelissa.

Observabiliteetista itseparantavaan infrastruktuuriin

DataAgentin suurempi mahdollisuus liittyy jo käynnissä olevaan siirtymään yritys‑AI‑maailmassa: siirtymästä järjestelmiin, jotka selittävät, mitä ihmisten tulisi tehdä, kohti järjestelmiä, jotka voivat itse suorittaa työn.

Infrastruktuuri on erityisen merkittävä kohde tälle siirtymälle. Suuri osa tuotantotapahtumista koostuu toistuvista ongelmista, jotka kokeneet SRE‑tiimit jo tietävät, miten ratkaista. Jos AI‑agentit voivat turvallisesti ottaa hoitaakseen nämä rutiinitehtävät, observabiliteetti voi vähitellen kehittyä järjestelmästä, joka ymmärtää infrastruktuuria, kohti ohjauskerrosta, joka ylläpitää sitä jatkuvasti.

DataAgent yhdistää tämän tuotannon korjaus‑silmukan esituotantojärjestelmään, jonka tarkoitus on tunnistaa ja estää viat ennen kuin ohjelmisto otetaan käyttöön. Yritys kuvaa prosessia sellaisena, jossa tapausten ja estettyjen vikojen opit voivat asteittain laajentaa järjestelmän kykyä toimia itsenäisesti.

Haasteena on osoittaa, että autonomia voi skaalautua ilman, että se tuo mukanaan uutta operatiivisen riskin luokkaa. Infrastruktuuriympäristöt poikkeavat toisistaan merkittävästi, odottamattomat viat ovat väistämättömiä, ja automaattinen korjaus, joka toimii yhdessä arkkitehtuurissa, voi olla vaarallinen toisessa.

Jos nämä turvamekanismit osoittautuvat luotettaviksi, seuraavan sukupolven observabiliteettialustat voidaan arvioida vähemmän sen perusteella, kuinka nopeasti ne kertovat insinööreille, miksi jokin meni pieleen, ja enemmän sen perusteella, kuinka usein insinöörit eivät joudu ollenkaan puuttumaan asiaan. DataAgentin $10 miljoonan pre‑seed‑kierros on varhainen panostus tähän muutokseen.