DataAgent esce dallo stealth con un finanziamento pre‑seed da $10M per costruire un’infrastruttura cloud auto‑guarigione

DataAgent è emersa dallo stealth con $10 million di finanziamento pre‑seed mentre lancia una piattaforma nativa AI progettata per spostare la gestione dell’infrastruttura cloud oltre il rilevamento dei problemi, verso la correzione autonoma.

Il round è stato guidato da MizMaa Ventures e Alicorn Venture Partners. DataAgent prevede di utilizzare il capitale per portare la sua piattaforma sul mercato e ampliare l’adozione in Nord America. Fondata a gennaio 2026, l’azienda con sede a Tel Aviv impiega attualmente 15 persone ed è guidata dai co‑fondatori Ishay Yaari, CEO, e Nati Shalom, CTO.

Al centro dell’approccio di DataAgent c’è quello che definisce un Sistema Immunitario Digitale incentrato sulla rimessione per le applicazioni moderne. Invece di agire principalmente come un ulteriore strato per la raccolta di log, la generazione di avvisi o la spiegazione degli incidenti agli ingegneri, la piattaforma è progettata per operare all’interno di Kubernetes e dell’infrastruttura cloud connessa e intervenire quando si verificano guasti.

Invertire il flusso di lavoro tradizionale di osservabilità

Le moderne piattaforme di osservabilità sono diventate essenziali per comprendere applicazioni sempre più complesse, ma il flusso di lavoro di base rimane in gran parte reattivo: un sistema rileva un problema, un ingegnere riceve un avviso, qualcuno indaga la causa e alla fine viene applicata una rimessione.

DataAgent sta cercando di invertire questa sequenza.

Il suo software legge lo stato del sistema in tempo reale, la topologia e le informazioni di configurazione dell’infrastruttura in esecuzione. Quando incontra un guasto che comprende, la piattaforma può applicare prima una rimessione verificata e poi condurre un’analisi più approfondita della causa radice. L’obiettivo è ripristinare il servizio senza attendere che un ingegnere umano esamini log e dashboard.

Il sito pubblico dell’azienda sintetizza questa filosofia nella frase “Remediation-First, the rest is noise.”

Il tempismo riflette un problema più ampio che le squadre di infrastruttura devono affrontare. Il 2025 Observability Survey di Grafana Labs ha rilevato che la complessità e l’overhead rimangono le preoccupazioni più citate riguardo l’osservabilità, seguite da sfide di rapporto segnale‑rumore e costi. Metà degli intervistati utilizza ora l’osservabilità Software-as-a-Service (SaaS) in qualche forma, dimostrando quanto la telemetria operativa venga sempre più elaborata tramite piattaforme esterne.

Un SRE autonomo che opera all’interno dell’infrastruttura

DataAgent descrive la sua piattaforma come un ingegnere di affidabilità del sito (SRE) autonomo, ma la sua architettura è più limitata di quanto l’etichetta possa suggerire inizialmente.

Il sistema costruisce un modello della topologia, dell’ambiente, del codice e delle configurazioni del cliente invece di prendere decisioni basate su una singola voce di log o avviso. Durante il deployment, identifica categorie di guasti che ritiene di poter rimedere in modo affidabile. Agisce in modo autonomo su una categoria di guasto solo dopo che tale capacità è stata stabilita, mentre problemi sconosciuti o incerti vengono indirizzati a operatori umani.

I clienti possono anche definire dei limiti (guardrails) sulle azioni che il sistema è autorizzato a eseguire.

Questi controlli sono importanti perché la gestione autonoma dell’infrastruttura comporta un rischio notevolmente maggiore rispetto a un copilota AI che si limita a raccomandare un comando. Una raccomandazione errata può essere rifiutata da un ingegnere; un sistema autonomo con privilegi di produzione potrebbe potenzialmente riavviare, scalare, effettuare rollback o modificare i carichi di lavoro prima che una persona intervenga.

L’approccio di DataAgent si basa quindi sull’espansione graduale delle classi di problemi su cui il sistema è autorizzato ad agire, anziché concedere un’ampia autonomia fin dall’inizio.

Mantenere più dati di osservabilità all’interno del cluster

C’è anche un argomento economico alla base dell’architettura.

L’osservabilità cloud tradizionale spesso comporta l’invio di grandi quantità di log, metriche e tracce a un servizio esterno dove tali informazioni vengono ingerite, indicizzate, archiviate e analizzate. Il costo può aumentare parallelamente all’uso dell’infrastruttura e al volume di telemetria.

DataAgent, invece, posiziona i suoi agenti più vicino ai carichi di lavoro stessi. I guasti di routine possono essere analizzati e rimediati localmente, mentre l’ispezione più approfondita è riservata agli incidenti che lo richiedono. L’azienda sostiene che ciò possa ridurre la quantità di dati che deve attraversare pipeline costose di ingestione e indicizzazione, consentendo alla sua piattaforma di coesistere con i sistemi di monitoraggio esistenti anziché richiedere una sostituzione immediata.

Questo potrebbe diventare una distinzione importante man mano che l’AI aumenta la quantità di software creato e gestito. Più applicazioni, servizi, container e agenti AI generano alla fine più eventi di infrastruttura e telemetria. Semplicemente raccogliere più dati potrebbe diventare sempre più costoso, a meno che il software non riesca a determinare quali segnali richiedono realmente attenzione.

Open source come via verso la fiducia nell’infrastruttura

Un altro elemento notevole è la decisione di DataAgent di rendere open source il suo agente sottostante. L’agente può essere distribuito in modo indipendente, mentre l’azienda prevede di monetizzare uno strato SaaS per gestire e orchestrare flotte di agenti.

Questo modello potrebbe contribuire a superare una delle barriere più difficili che il software di operazioni autonome deve affrontare: le aziende sono invitate a concedere a un sistema potenziato dall’AI l’accesso all’infrastruttura di produzione, dove gli errori possono provocare interruzioni.

Essere in grado di ispezionare e operare l’agente localmente offre alle squadre di infrastruttura maggiore visibilità su ciò che è in esecuzione nei loro ambienti, sebbene la prova più grande sarà se le imprese si sentiranno a proprio agio nel consentire a quegli agenti di compiere azioni sempre più decisive.

I veterani dell’orchestrazione cloud tornano per un’altra scommessa sull’infrastruttura

Yaari e Shalom hanno precedentemente lavorato insieme a Cloudify, dove Yaari era Chief Revenue Officer e Shalom era fondatore e CTO. Dell ha acquisito la società di orchestrazione cloud e automazione dell’infrastruttura nel 2023 in una transazione che TechCrunch ha riferito potesse valere fino a $100 million.

Quel background è particolarmente rilevante per DataAgent. Cloudify si concentrava sull’orchestrazione dell’infrastruttura su Kubernetes, piattaforme cloud e strumenti DevOps esistenti. DataAgent va più in alto nello stack di automazione cercando di dare al software la capacità non solo di orchestrare l’infrastruttura, ma anche di determinare quando tale infrastruttura necessita di essere modificata.

Il nuovo finanziamento supporterà il lancio commerciale di DataAgent e la sua espansione, includendo ulteriori assunzioni per il go‑to‑market negli Stati Uniti e in Israele.

Dall’osservabilità all’infrastruttura auto‑guarigione

La più ampia opportunità per DataAgent è legata a una transizione già in corso nell’AI aziendale: passare da sistemi che spiegano cosa gli umani dovrebbero fare a sistemi che possono eseguire il lavoro autonomamente.

L’infrastruttura è un contesto particolarmente decisivo per questa transizione. Una grande percentuale di incidenti in produzione coinvolge problemi ricorrenti che i team SRE esperti sanno già come risolvere. Se gli agenti AI possono assorbire in sicurezza più di questi compiti di routine, l’osservabilità potrebbe evolversi gradualmente da un sistema per comprendere l’infrastruttura a uno strato di controllo che la mantiene continuamente.

DataAgent combina questo ciclo di rimessione in produzione con un sistema pre‑produzione destinato a identificare e prevenire i guasti prima che il software venga distribuito. L’azienda descrive il processo risultante come uno in cui le lezioni apprese da incidenti e fallimenti evitati possono espandere progressivamente la capacità del sistema di operare autonomamente.

La sfida sarà dimostrare che l’autonomia può scalare senza introdurre una nuova categoria di rischio operativo. Gli ambienti di infrastruttura differiscono enormemente, i guasti imprevisti sono inevitabili, e una rimessione automatizzata che funziona in un’architettura potrebbe essere pericolosa in un’altra.

Tuttavia, se tali salvaguardie si dimostreranno affidabili, la prossima generazione di piattaforme di osservabilità potrebbe essere valutata meno per la rapidità con cui riescono a spiegare agli ingegneri perché qualcosa si è rotto e più per la frequenza con cui gli ingegneri non dovranno più intervenire. Il round pre‑seed da $10 million di DataAgent è una scommessa precoce su questo cambiamento.