DataBahn raccoglie 40 milioni di dollari per costruire un livello di controllo agente per i dati aziendali

DataBahn ha raccolto 40 milioni di dollari in finanziamenti di serie B mentre cerca di espandere l’infrastruttura che le aziende utilizzano per preparare, governare e consegnare dati ai sistemi di intelligenza artificiale.

Insight Partners ha guidato il round, con gli investitori esistenti Forgepoint Capital, GTM Capital e S3 Ventures che hanno anche partecipato. L’investimento porta il totale dei finanziamenti della società con sede a Dallas a 59 milioni di dollari, dopo un finanziamento di serie A di 17 milioni di dollari annunciato nel giugno 2025.

DataBahn intende utilizzare il nuovo capitale per la ricerca e lo sviluppo, nuove capacità del prodotto e l’ulteriore espansione del suo modello di vendita basato su partner. La società sta posizionando la sua piattaforma come un “piano di controllo dei dati agente“, un livello di infrastruttura destinato a gestire come i dati aziendali si muovono tra sistemi operativi, piattaforme di sicurezza, ambienti di archiviazione e modelli di intelligenza artificiale.

Il round arriva mentre le aziende generano più telemetria di quanto i loro sistemi di sicurezza e analisi esistenti possano elaborare economicamente. Allo stesso tempo, gli agenti e i copiloti di intelligenza artificiale richiedono l’accesso a un contesto aziendale affidabile se si desidera che prendano decisioni utili o eseguano azioni per conto dei dipendenti.

Superare i tradizionali flussi di dati

I tradizionali flussi di dati aziendali raccolgono generalmente le informazioni da una fonte e le consegnano a una destinazione, come una piattaforma di gestione della sicurezza e degli eventi, un data warehouse o un sistema di archiviazione cloud.

Questo modello diventa meno efficace man mano che aumenta il numero di fonti di dati, destinazioni e consumatori. Un’azienda potrebbe dover raccogliere log da infrastrutture cloud, sistemi di identità, endpoint, applicazioni, attrezzature industriali e piattaforme software-as-a-service, mentre contemporaneamente invia porzioni diverse di quelle informazioni a strumenti di sicurezza, sistemi di analisi, data lake e applicazioni di intelligenza artificiale.

Spostare ogni evento disponibile in ogni sistema a valle può creare costi di archiviazione, elaborazione e trasferimento dei dati cloud sostanziali. Ciò può anche rendere più difficile per gli analisti e i modelli di intelligenza artificiale localizzare le informazioni che sono realmente rilevanti.

DataBahn inserisce un livello di gestione tra quelle fonti e destinazioni. La sua piattaforma può raccogliere, filtrare, normalizzare, arricchire e instradare le informazioni mentre si muovono, anziché richiedere a ogni applicazione a valle di elaborare indipendentemente i dati grezzi.

La società afferma che la sua tecnologia attualmente supporta oltre 600 fonti di dati e è progettata per rimanere indipendente da qualsiasi piattaforma di archiviazione, fornitore di sicurezza o modello di intelligenza artificiale. Ciò consente ai clienti di modificare le destinazioni o utilizzare più sistemi senza dover ricostruire il livello di raccolta intorno all’architettura di ogni fornitore.

DataBahn si è inizialmente concentrata pesantemente sulla telemetria della sicurezza, ma ha successivamente esteso la sua piattaforma per coprire dati di applicazioni, osservabilità e Internet delle cose e tecnologia operativa.

Preparare i dati aziendali per gli agenti di intelligenza artificiale

Il componente di intelligenza artificiale della strategia di DataBahn non è limitato all’aggiunta di un’interfaccia conversazionale a una piattaforma di dati esistente.

Il suo sistema Cruz AI funziona come un ingegnere di dati agente che assiste con il lavoro tradizionalmente gestito attraverso integrazioni e regole di parsing configurate manualmente. Il software monitora gli schemi di dati in entrata, identifica i cambiamenti e può generare parser e mapping aggiornati quando il formato di una fonte cambia.

Questo è importante perché le fonti di dati aziendali raramente rimangono statiche. I venditori di software introducono nuovi campi, alterano i formati degli eventi e aggiornano le interfacce di programmazione delle applicazioni. Quando quei cambiamenti rompono un flusso di dati, i team di sicurezza e ingegneria dei dati potrebbero perdere la visibilità fino a quando l’integrazione non viene riparata.

DataBahn descrive Cruz come un modo per trasformare quel processo in un flusso di lavoro basato sull’approvazione. Invece di costruire ogni connettore o parser dall’inizio, il sistema può analizzare la fonte modificata e preparare una configurazione aggiornata per la revisione.

La piattaforma normalizza anche le informazioni in schemi coerenti, inclusi l’Open Cybersecurity Schema Framework. La standardizzazione può rendere i dati più facili da interpretare per gli strumenti di sicurezza e i sistemi di intelligenza artificiale, poiché lo stesso tipo di evento è rappresentato in modo coerente, indipendentemente da quale prodotto lo abbia generato.

Per gli agenti di intelligenza artificiale, l’obiettivo più ampio è quello di fornire abbastanza contesto per supportare una decisione senza copiare l’intero patrimonio di dati dell’organizzazione in un’altra piattaforma. DataBahn può elaborare le informazioni in modo continuo mentre recupera ulteriore contesto quando un’applicazione o un agente ne ha bisogno.

Questo approccio potrebbe diventare più importante man mano che le aziende passano da sistemi di intelligenza artificiale generativa che rispondono principalmente a domande ad agenti che iniziano flussi di lavoro, alterano configurazioni o rispondono a eventi operativi. L’affidabilità di quegli agenti dipenderà in parte dal fatto che i dati sottostanti siano attuali, correttamente strutturati e governati.

L’intelligenza si sposta all’interno del flusso di dati

DataBahn ha anche sviluppato ciò che chiama Autonomous In-Stream Data Intelligence, un’architettura che applica l’analisi e la presa di decisioni mentre le informazioni sono ancora in movimento nel flusso di dati.

Il sistema è destinato a fare più che preparare i dati per l’analisi una volta che raggiungono una destinazione. Può valutare la qualità dei dati, identificare le informazioni mancanti e determinare come gli eventi individuali debbano essere gestiti in tempo reale.

In un ambiente di sicurezza, ad esempio, un flusso di dati potrebbe arricchire un evento in entrata con informazioni sulla minaccia, instradare la telemetria di alto valore in una piattaforma di analisi e spostare informazioni a bassa priorità in un archiviazione meno costosa. Applicare quelle decisioni prima che i dati raggiungano una piattaforma di sicurezza potrebbe ridurre i costi di ingestione senza costringere un’organizzazione ad abbandonare le informazioni che potrebbero essere necessarie in seguito per un’indagine.

La società ha sostenuto che l’intelligenza dovrebbe essere collocata all’interno del flusso di dati anziché essere applicata solo dopo che i dati sono stati raccolti e archiviati.

Questa architettura riflette anche un cambiamento più ampio nella gestione dei dati aziendali. Il flusso di dati sta diventando un livello di policy e orchestrazione attivo anziché un semplice sistema di collegamento passivo tra due sistemi.

L’adozione aziendale guida la serie B

DataBahn riporta che le sue entrate sono aumentate di oltre il 400% anno su anno, con un tasso di ritenzione delle entrate nette del 180%. Afferma anche di non avere alcun abbandono dei clienti e un tasso di successo del 97% nei progetti di prova.

La società serve organizzazioni nel settore sanitario, dei servizi finanziari, della produzione e dei trasporti, tra cui diverse aziende del Fortune 100. I suoi clienti dichiarati includono MVB Bank e il Canada Pension Plan Investment Board.

Il direttore della sicurezza informatica di MVB Bank, Parrish Gunnels, ha detto che la piattaforma ha aiutato la banca a portare più formati di dati, requisiti normativi e controlli di audit in un ambiente comune che supporta i suoi agenti di intelligenza artificiale.

Presso il Canada Pension Plan Investment Board, la tecnologia viene utilizzata per standardizzare l’onboarding della telemetria di sicurezza. L’organizzazione ha affermato che ciò ha ridotto l’ingegneria personalizzata in precedenza necessaria per collegare nuove fonti di log e ha reso più facile identificare i sistemi che non inviavano i dati previsti.

DataBahn ha in gran parte perseguito questi clienti attraverso partner di canale e tecnologia, anziché affidarsi esclusivamente alle vendite dirette. Le iniziative recenti includono un’integrazione più profonda con l’ecosistema di sicurezza di Microsoft (MSFT ) e un accordo di distribuzione Asia-Pacifico con il distributore di sicurezza M.Tech.

Il finanziamento si concentra su un collo di bottiglia infrastrutturale in crescita

La serie B consentirà a DataBahn di espandere un prodotto all’incrocio di diversi problemi aziendali sempre più costosi.

I team di sicurezza raccolgono più telemetria per rilevare gli attacchi e soddisfare i requisiti normativi. I team di dati e osservabilità elaborano volumi più grandi di informazioni sulle applicazioni e sull’infrastruttura. I team di intelligenza artificiale hanno ora bisogno di accedere sia ai dati operativi che al contesto aziendale.

Ogni gruppo può acquistare capacità di archiviazione e di elaborazione aggiuntive, ma ciò non risolve la duplicazione e la frammentazione sottostanti. I dati possono ancora essere raccolti più volte, trasformati in modo diverso da ogni piattaforma e bloccati in sistemi che li rendono costosi da riutilizzare altrove.

DataBahn scommette che le aziende collocheranno invece un livello di controllo indipendente tra i sistemi che producono dati e quelli che li consumano.

L’opportunità è più grande della riduzione dei costi di archiviazione. Un piano di controllo efficace potrebbe determinare quali informazioni un agente di intelligenza artificiale è autorizzato ad accedere, arricchire quelle informazioni con il contesto necessario e mantenere un registro di come i dati sono stati trasformati e instradati.

Ciò darebbe al flusso di dati un ruolo centrale nella governance dell’intelligenza artificiale, in particolare in settori regolamentati in cui le organizzazioni devono spiegare le informazioni utilizzate dai sistemi automatizzati.

Costruire la base dei dati per l’intelligenza artificiale agente

La sfida per DataBahn sarà dimostrare che la categoria emergente di “piano di controllo dei dati agente” è abbastanza distinta dalle piattaforme di flusso di dati, tessuto di dati di sicurezza e osservabilità esistenti per giustificare un altro livello nello stack tecnologico aziendale.

I grandi fornitori di cloud e sicurezza stanno anche espandendo le loro capacità di routing dei dati, archiviazione e intelligenza artificiale. L’argomentazione contraria di DataBahn è che una piattaforma neutrale può dare ai clienti un maggiore controllo su dove vengono archiviate le informazioni e quali applicazioni o modelli le consumano.

La sua capacità di preservare quella neutralità mentre si integra con un numero crescente di sistemi aziendali sarà importante man mano che la società cresce.

La serie B fornisce a DataBahn risorse aggiuntive per sviluppare quell’architettura man mano che gli agenti di intelligenza artificiale diventano più profondamente integrati nelle operazioni aziendali. Il presupposto centrale è semplice: le organizzazioni non hanno necessariamente bisogno di raccogliere e copiare più dati. Hanno bisogno di un modo migliore per identificare, governare e attivare le informazioni che contano nel momento in cui sono richieste.

DataBahn prevede di presentare le prossime funzionalità del piano di controllo dei dati agente alla Black Hat USA 2026.