DataBahn、エンタープライズデータのためのアジェンティクコントロールプレーンを構築するために4億円を調達

DataBahnは、エンタープライズがAIシステムにデータを準備、管理、提供するためのインフラストラクチャを拡大するために、4億円のシリーズB資金調達を実施しました。

Insight Partnersが主導し、既存の投資家であるForgepoint Capital、GTM Capital、S3 Venturesも参加しました。この投資により、ダラスに本拠を置くこの会社の総資金調達額は5億9千万円に増加し、2025年6月に発表された1億7千万円のシリーズA資金調達に続きます。

DataBahnは、新しい資本を研究開発、追加の製品機能、パートナー主導の販売モデルの拡大に充てます。この会社は、そのプラットフォームを「アジェンティクデータコントロールプレーン」と位置付け、運用システム、セキュリティプラットフォーム、ストレージ環境、AIモデルの間でエンタープライズデータが移動する方法を管理するためのインフラストラクチャ層としています。

従来のデータパイプラインを超えて

伝統的なエンタープライズデータパイプラインは、一般に情報をソースから宛先、たとえばセキュリティ情報およびイベント管理プラットフォーム、データウェアハウス、またはクラウドストレージシステムに配信します。

このモデルは、データソース、宛先、消費者の数が増加するにつれて、効果が低下します。エンタープライズは、クラウドインフラストラクチャ、アイデンティティシステム、エンドポイント、アプリケーション、産業用機器、ソフトウェアとしてのサービスプラットフォームからログを収集する必要があり、同時にその情報の異なる部分をセキュリティツール、分析システム、データレイク、AIアプリケーションに送信する必要があります。

利用可能なすべてのイベントを下流のシステムすべてに移動させることは、重大なストレージ、処理、クラウドデータ転送コストを生じる可能性があります。また、分析者とAIモデルが真正に関連する情報を見つけることが困難になる可能性もあります。

DataBahnは、ソースと宛先の間に管理層を挿入します。そのプラットフォームは、情報を収集、フィルタリング、正規化、強化、ルーティングできますが、下流アプリケーションが個別に生データを処理する必要はありません。

会社は、現在600以上のデータソースをサポートし、特定のストレージプラットフォーム、セキュリティベンダー、またはAIモデルに依存しないように設計されていると述べています。これにより、顧客は宛先を変更したり、複数のシステムを使用したりすることなく、各ベンダーのアーキテクチャを中心に収集レイヤーを再構築する必要がありません。

DataBahnは当初、サイバーセキュリティテレメトリに重点を置いていましたが、その後、プラットフォームをアプリケーション、観測可能性、IoT、OTデータをカバーするように拡大しました。

AIエージェントのためのエンタープライズデータの準備

DataBahnの戦略におけるAIコンポーネントは、既存のデータプラットフォームに会話型インターフェイスを追加することだけに限定されません。

そのCruz AIシステムは、手動で構成された統合とパーサルールで通常処理される作業を支援するためのアジェンティクデータエンジニアとして機能します。ソフトウェアは、受信データスキーマを監視し、変更を検出して、ソース形式が変更されたときに更新されたパーサーとマッピングを生成できます。

これは重要です。エンタープライズデータソースはほとんど静的ではありません。ソフトウェアベンダーは新しいフィールドを導入し、イベント形式を変更し、アプリケーションプロトコルインターフェイスを更新します。パイプラインが破壊されたとき、セキュリティおよびデータエンジニアリングチームは、統合が修復されるまで可視性を失う可能性があります。

DataBahnは、Cruzを承認ベースのワークフローに変換する方法として説明しています。エンジニアがすべてのコネクターやパーサーを最初から構築するのではなく、システムは変更されたソースを分析し、更新された構成をレビューするために準備できます。

プラットフォームは、Open Cybersecurity Schema Frameworkを含む一貫したスキーマに情報を正規化します。標準化により、セキュリティツールとAIシステムがデータを解釈しやすくなる可能性があります。同じタイプのイベントは、生成した製品に関係なく、常に一貫した方法で表現されるからです。

AIエージェントのより広範な目的は、決定を支援するために十分なコンテキストを提供することです。DataBahnは、組織全体のデータエステートを別のプラットフォームにコピーするのではなく、情報を継続的に処理し、必要に応じて追加のコンテキストを取得できます。

このアプローチは、エンタープライズが生成的なAIシステムから、ワークフローを開始したり、構成を変更したり、運用イベントに応じたりするエージェントに移行するにつれて、より重要になる可能性があります。エージェントの信頼性は、基本的なデータが最新で、正しく構造化され、管理されているかどうかに部分的に依存します。

データストリームの中にインテリジェンスを導入

DataBahnは、データがまだパイプラインを通過中に分析および意思決定を適用するAutonomous In-Stream Data Intelligenceアーキテクチャも開発しています。

システムは、データが宛先に到達した後に分析の準備をすることだけを目的としません。データ品質を評価し、欠落している情報を特定し、個々のイベントをリアルタイムでどのように処理するかを判断できます。

セキュリティ環境では、たとえば、パイプラインは、受信イベントを脅威インテリジェンスで強化し、高価なテレメトリを分析プラットフォームにルーティングし、優先度の低い情報をコストの低いストレージに移動できます。データがセキュリティプラットフォームに到達する前にこれらの決定を適用することで、組織は必要となる可能性のある情報を放棄することなく、インジェストコストを削減できます。

会社は、インテリジェンスはパイプライン内に配置されるべきであり、データが収集および保存された後にのみ適用されるべきではないと主張しています。

このアーキテクチャは、エンタープライズデータ管理におけるより広範な変化も反映しています。パイプラインは、2つのシステムを接続するパッシブな配管ではなく、活性的なポリシーおよびオーケストレーションレイヤーになりつつあります。

エンタープライズの採用がシリーズBを推進

DataBahnは、収益が年間400%以上増加し、純収益保持率が180%に達したと報告しています。また、顧客流失はゼロで、実証実験導入の成功率は97%であると主張しています。

会社は、ヘルスケア、金融サービス、製造、輸送など、複数の業界で活動し、フォーチュン100企業を含む複数の顧客を抱えています。公開されている顧客には、MVB Bankとカナダ年金投資委員会が含まれます。

MVB BankのチーフインフォメーションセキュリティオフィサーであるParrish Gunnelsは、プラットフォームが銀行のAIエージェントをサポートするための共通環境で複数のデータ形式、規制要件、監査コントロールをまとめるのを助けたと述べています。

カナダ年金投資委員会では、技術はセキュリティテレメトリのオンボーディングを標準化するために使用されており、組織は新しいログソースを接続するために必要だったカスタムエンジニアリングを削減し、予想どおりのデータを送信していないシステムを特定しやすくしたと述べています。

DataBahnは、これらの顧客を主にチャネルおよびテクノロジーパートナーを通じて獲得し、直接販売にのみ依存していません。最近の取り組みには、Microsoftのセキュリティエコシステムとのより深い統合や、サイバーセキュリティディストリビューターM.Techとのアジア太平洋地域での販売契約が含まれます。

資金調達がインフラストラクチャのボトルネックに照準を当てる

シリーズBにより、DataBahnは、複数の増加するエンタープライズの問題の交差点にある製品を拡大できます。

セキュリティチームは、攻撃を検出して規制要件を満たすために、より多くのテレメトリを収集しています。データおよび観測可能性チームは、アプリケーションおよびインフラストラクチャ情報のより大きなボリュームを処理しています。AIチームは、運用データとビジネスコンテキストへのアクセスを必要とします。

各グループは、追加のストレージおよび処理能力を購入できますが、それは根本的な重複およびフラグメンテーションには対処しません。データは複数回収集され、各プラットフォームによって異なる方法で変換され、他の場所で再利用するのにコストのかかるシステムにロックされる可能性があります。

DataBahnは、エンタープライズがシステム間のデータの移動を管理するための独立したコントロールレイヤーを配置することを予測しています。

機会はストレージ請求書の削減だけに限定されません。有効なコントロールプレーンは、AIエージェントがアクセスを許可された情報を決定し、その情報を必要なコンテキストで強化し、データが変換およびルーティングされた方法のレコードを保持できます。

これにより、パイプラインは、特に規制された業界で、AIガバナンスにおける重要な役割を果たすことになります。組織は、自動化システムによって使用される情報を説明する必要があるからです。

アジェンティクAIのためのデータ基盤の構築

DataBahnが直面する課題は、現行のデータパイプライン、セキュリティデータファブリック、観測可能性プラットフォームとは異なる「アジェンティクデータコントロールプレーン」カテゴリが、エンタープライズテクノロジースタックに別のレイヤーを正当化するのに十分に異なるかどうかを証明することです。

大手クラウドおよびセキュリティベンダーは、データルーティング、ストレージ、AI機能を拡大しています。DataBahnの反論は、中立的なプラットフォームが顧客に、情報をどこに保存し、どのアプリケーションまたはモデルがそれを使用するかをより大きなコントロールを与えることができるというものです。

会社が拡大するにつれて、成長する数のエンタープライズシステムと統合しながらその中立性を維持する能力は重要になります。

シリーズBにより、DataBahnは、AIエージェントがエンタープライズ運用に深く埋め込まれるにつれて、そのアーキテクチャを開発するための追加リソースを得ることができます。基本的な前提は簡単です。組織は、必ずしもデータをより多く収集およびコピーする必要はありません。必要な情報を特定、管理、活用するためのより優れた方法が必要です。

DataBahnは、Black Hat USA 2026で次のアジェンティクデータコントロールプレーン機能をプレビューする予定です。