DataBahn Mengumpulkan $40M untuk Membangun Lapisan Kontrol Agensi untuk Data Perusahaan

DataBahn telah mengumpulkan $40 juta dalam pendanaan Seri B saat perusahaan tersebut berusaha untuk memperluas infrastruktur yang digunakan perusahaan untuk mempersiapkan, mengatur, dan mengirimkan data ke sistem kecerdasan buatan.

Insight Partners memimpin putaran tersebut, dengan investor yang sudah ada seperti Forgepoint Capital, GTM Capital dan S3 Ventures juga berpartisipasi. Investasi ini membawa total pendanaan perusahaan yang berbasis di Dallas menjadi $59 juta, setelah $17 juta Seri A diumumkan pada Juni 2025.

DataBahn berencana untuk mengarahkan modal baru tersebut untuk penelitian dan pengembangan, kemampuan produk tambahan, dan perluasan model penjualan yang dipimpin oleh mitra. Perusahaan tersebut memposisikan platformnya sebagai “lapisan kontrol data agensi”, lapisan infrastruktur yang dimaksudkan untuk mengelola cara data perusahaan bergerak antara sistem operasional, platform keamanan, lingkungan penyimpanan, dan model AI.

Putaran ini datang saat bisnis menghasilkan lebih banyak telemetry daripada sistem keamanan dan analitik yang ada dapat memproses secara ekonomis. Pada saat yang sama, agen AI dan kopilot memerlukan akses ke konteks perusahaan yang dapat diandalkan jika mereka diharapkan untuk membuat keputusan yang berguna atau mengambil tindakan atas nama karyawan.

Melampaui Pipa Data Konvensional

Pipa data perusahaan tradisional umumnya mengumpulkan informasi dari sumber dan mengirimkannya ke tujuan, seperti platform manajemen keamanan dan acara, gudang data, atau sistem penyimpanan cloud.

Model tersebut menjadi kurang efektif ketika jumlah sumber data, tujuan, dan konsumen berkembang. Perusahaan mungkin perlu mengumpulkan log dari infrastruktur cloud, sistem identitas, titik akhir, aplikasi, peralatan industri, dan platform perangkat lunak sebagai layanan, sambil mengirimkan bagian informasi yang berbeda ke alat keamanan, sistem analitik, danau data, dan aplikasi AI.

Menggerakkan setiap acara yang tersedia ke setiap sistem hilir dapat menciptakan biaya penyimpanan, pemrosesan, dan transfer data cloud yang substansial. Ini juga dapat membuatnya lebih sulit bagi analis dan model AI untuk menemukan informasi yang benar-benar relevan.

DataBahn memasukkan lapisan manajemen antara sumber dan tujuan. Platformnya dapat mengumpulkan, menyaring, menormalkan, memperkaya, dan mengarahkan informasi saat bergerak, bukan memerlukan setiap aplikasi hilir untuk memproses data mentah secara independen.

Perusahaan tersebut mengatakan teknologinya saat ini mendukung lebih dari 600 sumber data dan dirancang untuk tetap independen dari platform penyimpanan, vendor keamanan, atau model AI tertentu. Ini memungkinkan pelanggan untuk mengubah tujuan atau menggunakan beberapa sistem tanpa membangun kembali lapisan pengumpulan di sekitar arsitektur vendor.

DataBahn awalnya berfokus pada telemetry keamanan siber, tetapi sejak itu memperluas platformnya untuk mencakup data aplikasi, observabilitas, dan Internet of Things dan teknologi operasional.

Mempersiapkan Data Perusahaan untuk Agen AI

Komponen AI dari strategi DataBahn tidak terbatas pada menambahkan antarmuka percakapan ke platform data yang ada.

Sistem Cruz AI berfungsi sebagai insinyur data agensi yang membantu dengan pekerjaan yang biasanya ditangani melalui integrasi dan aturan parsing yang dikonfigurasi secara manual. Perangkat lunak tersebut memantau skema data masuk, mengidentifikasi perubahan, dan dapat menghasilkan parser dan pemetaan yang diperbarui ketika format sumber berubah.

Hal ini penting karena sumber data perusahaan jarang tetap statis. Vendor perangkat lunak memperkenalkan bidang baru, mengubah format acara, dan memperbarui antarmuka pemrograman aplikasi. Ketika perubahan tersebut memutus pipa, tim keamanan dan rekayasa data mungkin kehilangan visibilitas sampai integrasi diperbaiki.

DataBahn menjelaskan Cruz sebagai cara untuk mengubah proses tersebut menjadi alur kerja berbasis persetujuan. Sebagai gantinya, insinyur membangun setiap konektor atau parser dari awal, sistem dapat menganalisis sumber yang berubah dan mempersiapkan konfigurasi yang diperbarui untuk ditinjau.

Platform tersebut juga menormalkan informasi ke dalam skema yang konsisten, termasuk Open Cybersecurity Schema Framework. Pemstandaran dapat membuat data lebih mudah untuk alat keamanan dan sistem AI untuk ditafsirkan karena jenis acara yang sama direpresentasikan secara konsisten, terlepas dari produk mana yang menghasilkannya.

Untuk agen AI, tujuan yang lebih luas adalah untuk menyediakan konteks yang cukup untuk mendukung keputusan tanpa menyalin seluruh estate data perusahaan ke platform lain. DataBahn dapat memproses informasi secara terus-menerus sambil mengambil konteks tambahan ketika aplikasi atau agen memerlukannya.

Pendekatan ini bisa menjadi lebih penting ketika perusahaan bergerak dari sistem AI generatif yang terutama menjawab pertanyaan ke agen yang memulai alur kerja, mengubah konfigurasi, atau merespons acara operasional. Keterandalan agen tersebut akan bergantung sebagian pada apakah data yang mendasarinya saat ini, terstruktur dengan benar, dan diatur.

Inteligensi Bergerak di Dalam Aliran Data

DataBahn juga telah mengembangkan apa yang disebut Inteligensi Data Otonom di Dalam Aliran, arsitektur yang menerapkan analisis dan pengambilan keputusan saat informasi masih bergerak melalui pipa.

Sistem ini dimaksudkan untuk melakukan lebih dari sekadar mempersiapkan data untuk analisis setelah mencapai tujuan. Ini dapat mengevaluasi kualitas data, mengidentifikasi informasi yang hilang, dan menentukan bagaimana setiap acara harus ditangani secara real-time.

Di lingkungan keamanan, misalnya, pipa dapat memperkaya acara masuk dengan inteligensi ancaman, mengarahkan telemetry berharga ke platform analitik, dan memindahkan informasi dengan prioritas lebih rendah ke penyimpanan yang kurang mahal. Menerapkan keputusan tersebut sebelum data mencapai platform keamanan dapat mengurangi biaya ingestion tanpa memaksa organisasi untuk meninggalkan informasi yang mungkin nantinya diperlukan untuk penyelidikan.

Perusahaan tersebut telah berargumen bahwa inteligensi harus berada di dalam pipa, bukan hanya diterapkan setelah data telah dikumpulkan dan disimpan.

Arsitektur ini juga mencerminkan perubahan yang lebih luas dalam pengelolaan data perusahaan. Pipa menjadi lapisan kebijakan dan orkestrasi aktif, bukan hanya pipa pasif yang menghubungkan dua sistem.

Adopsi Perusahaan Memacu Seri B

DataBahn melaporkan bahwa pendapatannya telah meningkat lebih dari 400% dari tahun ke tahun, dengan retensi pendapatan bersih mencapai 180%. Perusahaan tersebut juga mengklaim tidak ada churn pelanggan dan tingkat keberhasilan 97% di seluruh penyebaran konsep bukti.

Perusahaan tersebut melayani organisasi di bidang kesehatan, jasa keuangan, manufaktur, dan transportasi, termasuk beberapa perusahaan Fortune 100. Pelanggan yang diungkapkan termasuk MVB Bank dan Canada Pension Plan Investment Board.

Chief Information Security Officer MVB Bank Parrish Gunnels mengatakan platform tersebut membantu bank membawa beberapa format data, persyaratan peraturan, dan kontrol audit ke lingkungan yang sama yang mendukung agen AI-nya.

Di Canada Pension Plan Investment Board, teknologi tersebut digunakan untuk memstandarisasi pemasangan telemetry keamanan. Organisasi tersebut mengatakan ini mengurangi rekayasa khusus yang sebelumnya diperlukan untuk menghubungkan sumber log baru dan membuatnya lebih mudah untuk mengidentifikasi sistem yang tidak mengirim data yang diharapkan.

DataBahn sebagian besar mengejar pelanggan tersebut melalui mitra saluran dan teknologi, bukan hanya mengandalkan penjualan langsung. Inisiatif terbaru termasuk integrasi yang lebih dalam dengan ekosistem keamanan Microsoft (MSFT ) dan perjanjian distribusi Asia-Pasifik dengan distributor keamanan siber M.Tech.

Pendanaan Menargetkan Bottleneck Infrastruktur yang Berkembang

Seri B akan memungkinkan DataBahn untuk memperluas produk di persimpangan beberapa masalah perusahaan yang semakin mahal.

Tim keamanan mengumpulkan lebih banyak telemetry untuk mendeteksi serangan dan memenuhi persyaratan peraturan. Tim data dan observabilitas memproses volume yang lebih besar dari informasi aplikasi dan infrastruktur. Tim AI sekarang memerlukan akses ke data operasional dan konteks bisnis.

Setiap kelompok dapat membeli kapasitas penyimpanan dan pemrosesan tambahan, tetapi itu tidak menyelesaikan duplikasi dan fragmentasi yang mendasarinya. Data mungkin masih dikumpulkan beberapa kali, diubah secara berbeda oleh setiap platform, dan dikunci ke dalam sistem yang membuatnya mahal untuk digunakan kembali di tempat lain.

DataBahn bertaruh bahwa perusahaan akan menempatkan lapisan kontrol independen di antara sistem yang menghasilkan data dan yang mengonsumsinya.

Kesempatan tersebut lebih besar dari sekadar mengurangi tagihan penyimpanan. Lapisan kontrol yang efektif dapat menentukan informasi apa yang diizinkan untuk diakses oleh agen AI, memperkaya informasi tersebut dengan konteks yang diperlukan, dan mempertahankan catatan tentang bagaimana data diubah dan diarahkan.

Hal itu akan memberikan pipa peran sentral dalam pengaturan AI, terutama di industri yang diatur di mana organisasi harus menjelaskan informasi yang digunakan oleh sistem otomatis.

Membangun Fondasi Data untuk AI Agensi

Tantangan bagi DataBahn akan menjadi mendemonstrasikan bahwa kategori “lapisan kontrol data agensi” yang muncul cukup berbeda dari platform pipa data, kain data keamanan, dan observabilitas yang ada untuk membenarkan lapisan lain dalam tumpukan teknologi perusahaan.

Vendor cloud dan keamanan besar juga memperluas kemampuan pengaturan data, penyimpanan, dan AI mereka. Argumen DataBahn adalah bahwa platform netral dapat memberikan pelanggan lebih banyak kontrol atas di mana informasi disimpan dan aplikasi atau model mana yang mengonsumsinya.

Kemampuan untuk mempertahankan netralitas tersebut sambil mengintegrasikan dengan jumlah sistem perusahaan yang semakin meningkat akan menjadi penting saat perusahaan tersebut berkembang.

Seri B memberikan DataBahn sumber daya tambahan untuk mengembangkan arsitektur tersebut saat agen AI menjadi lebih terintegrasi dalam operasi perusahaan. Premis sentralnya sederhana: organisasi tidak perlu mengumpulkan dan menyalin lebih banyak data. Mereka memerlukan cara yang lebih baik untuk mengidentifikasi, mengatur, dan mengaktifkan informasi yang penting pada saat diperlukan.

DataBahn berencana untuk mempratinjau kemampuan lapisan kontrol data agensi berikutnya di Black Hat USA 2026.