Asymptote Labs henter 5,5 millioner dollar i såkornfinansiering for å overvåke og kontrollere AI-agenter i bedrifter

AI-agenter går fra å generere forslag til å redigere filer, kjøre kommandoer og arbeide med tilkoblede forretningsverktøy. For sikkerhetsteam blir spørsmålet stadig mer operasjonelt: Hva gjorde agenten egentlig, på hvis vegne, og kan den neste risikofylte handlingen stoppes? Asymptote Labs bygger infrastruktur for å løse dette problemet og har kunngjort en overtegnet såkornfinansieringsrunde på 5,5 millioner dollar.

Finansieringsrunden ledes av Tower Research Ventures, investeringsarmen til Tower Research Capital, med deltakelse fra Lytical Ventures, 1984 Ventures og South Park Commons. Asymptote sier at kapitalen skal brukes til ingeniørarbeid, produktutvikling, ansettelser og kommersiell ekspansjon.

Tilnærmingen kombinerer Beacon, et lag med åpen kildekode for registrering av agentaktivitet, med en bedriftsplattform for deteksjon, respons og styring. Dette skillet er viktig: Å samle en oversikt over en handling og å håndheve en beslutning før handlingen utføres, er to forskjellige funksjoner. En troverdig sikkerhetsarkitektur må tydeliggjøre hvilken komponent som utfører hver oppgave.

En felles oversikt på tvers av ulike agentverktøy

Ifølge selskapet registrerer Beacon aktivitet på tvers av Claude Code, Codex, Cursor og mer enn 20 andre agentmiljøer. Et agentmiljø er programvaren som kobler en modell til verktøy, instruksjoner og en arbeidsøkt. Ulike miljøer viser ulike typer informasjon, noe som gjør det vanskelig å undersøke aktivitet på en konsekvent måte på tvers av verktøyene en bedrift har valgt.

Asymptote beskriver Beacon som et telemetrilag med MIT-lisens som normaliserer disse oppføringene til en felles datamodell for kjøretid, som utvider OpenTelemetry. Det gir sikkerhets- og ingeniørteam en felles struktur for å undersøke aktivitet, i stedet for å måtte tolke historikken til hvert enkelt verktøy separat.

Beacon-kodelageret gir nyttig innsikt i implementeringen. Det beskriver avspilling av økter som omfatter spørsmål, svar, verktøybruk, kommandoer, redigeringer, godkjenninger og tokeninformasjon, sammen med lokalt lagrede JSONL-oppføringer og tydelig angitte mål. Det beskriver også hvordan gjennomgått kunnskap kan videreføres gjennom MCP eller Agent Skills.

Den praktiske verdien av normalisering er korrelasjon. En undersøkelse kan måtte knytte en brukerforespørsel til en kommando, en filendring og en godkjenning. Et sluttsvar alene kan ikke forklare denne hendelsesrekken. En felles hendelsesstruktur kan gjøre den enklere å undersøke, men hvor fullstendig oversikten er, avhenger fortsatt av hva den enkelte integrasjonen registrerer.

Slik kommer bedriftskontroll inn i bildet

Asymptotes bedriftsplattform bygger videre på Beacon med deteksjon og respons i kjøretid. Selskapet sier at plattformen kan fange opp agentaktivitet mens den pågår, og bruke retningslinjebaserte sikkerhetstiltak på prompt- og verktøynivå for å avdekke risikoer som datalekkasje, innsidetrusler og problemer i AI-forsyningskjeden.

Selskapets nettsted tydeliggjør skillet mellom produktene. Beacon med åpen kildekode leverer portabel telemetri som kundene kan sende videre til sine eksisterende sikkerhetssystemer. Den administrerte løsningen fra Asymptote legger til datainnhenting, lagring, søk, deteksjoner, identitetskobling, retningslinjebaserte kontrollpunkter, godkjenninger og styringsarbeidsflyter. Private utrullinger er også en del av tilbudet selskapet beskriver.

Dette skillet er viktig når man skal vurdere en utrulling. Å registrere et verktøykall etter at det er utført, hjelper med undersøkelser; å forhindre det krever et kontrollpunkt i utførelsesløpet. Kjøpere må avklare hvilke handlinger som kan fanges opp, hvilke som observeres i etterkant, og hvordan håndhevingen fungerer hvis en tjeneste blir utilgjengelig. Finansieringskunngjøringen inneholder verken en oversikt over hvilke handlinger som dekkes, eller en referansemåling av hvor presist handlinger blokkeres.

Dette er sentrale spørsmål innen styring av AI-agenter i bedrifter. En retningslinje som er skrevet inn i instruksjonene til en modell, er noe annet enn en retningslinje som håndheves av infrastruktur utenfor modellen. Den nyttige testen er om en agent kan utføre en uautorisert handling til tross for den tiltenkte begrensningen.

Telemetri kan også bevare nyttig ingeniørkunnskap

Beacons formål strekker seg utover sikkerhet. Den offentlige prosjektbeskrivelsen forklarer hvordan historikk fra økter kan brukes til å identifisere nyttige arbeidsflyter, korrigeringer, feilsøkingsmønstre og konvensjoner i kodelagre, slik at de kan gjenbrukes i senere økter. I stedet for å forkaste en løst problemstilling når en samtale avsluttes, er målet å gjøre gjennomgått kunnskap tilgjengelig for en framtidig agent.

Dette gir enda en grunn til å samle inn aktivitet på en konsekvent måte på tvers av verktøy. En arbeidsflyt som er oppdaget i ett agentmiljø, kan være nyttig for et team som bruker et annet. Men at en vellykket handlingsrekke bevares, betyr ikke at den trygt kan gjentas uendret. Påloggingsinformasjon, avhengigheter, tillatelser og forretningskrav kan endre seg mellom økter.

De samme oppføringene som bidrar til å diagnostisere feil, kan inneholde sensitive spørsmål, kildekode eller verktøyutdata. Utrulling reiser derfor velkjente spørsmål om informasjonsforvaltning: Hvor lagres oppføringene, hvor lenge oppbevares de, hvem kan hente dem, og hvordan håndteres sensitivt innhold? Det er verdifullt å ha eierskap til telemetrien, men det fjerner ikke behovet for å styre tilgangen til den.

Gründere med bakgrunn fra infrastruktur for deteksjon

Asymptote ble grunnlagt av Justin D’Souza, administrerende direktør, og Shukan Shah, teknologidirektør. Begge jobbet tidligere i Doppel, et selskap som beskytter mot sosial manipulering. På selskapets Om oss-side beskrives D’Souzas arbeid med å skalere infrastruktur for maskinlæring og Shahs arbeid med automatisering av sikkerhetsoperasjoner og agentbasert trusseljakt.

I kunngjøringen heter det at Beacon fikk mer enn 460 % flere stjerner på GitHub i september, og at prosjektet nådde tredjeplass på GitHubs globale liste over populære repositorier. Dette er tegn på bruk som selskapet selv rapporterer, ikke bevis på effektiviteten til trusseldeteksjonen eller gjentakende inntekter. Asymptote opplyser også at sikkerhetsteam bruker Beacon og selskapets plattform for virksomheter i produksjon, uten å oppgi antall kunder eller kontraktsverdier.

Tower Research Ventures sier at interessen deres startet med oppslutningen om Beacon som åpen kildekode, og at Towers sikkerhetsorganisasjon vurderer teknologien på sine egne endepunkter. Det bør skilles mellom at en investors organisasjon evaluerer teknologien, og at den er tatt i bruk kommersielt hos en kunde – noe det ikke er opplyst om.

Den neste prøven blir dekning og nyttige tiltak

Såkornrunden støtter en bredere tese: Etter hvert som organisasjoner tar i bruk flere agenter, blir registreringer fra kjøretiden nødvendige for sikkerhet, driftssikkerhet i utviklingen, plattformstyring og kostnadsanalyse. Et felles datalag kan gjøre det mulig for disse teamene å undersøke den samme aktiviteten med ulike formål.

Prøven for Asymptote blir om denne felles oversikten er tilstrekkelig fullstendig og oppdatert til å danne grunnlag for handling. Sikkerhetsteam trenger nyttige deteksjoner med et håndterbart nivå av falske positiver, mens ingeniører trenger registreringer som forklarer feil uten å medføre en uforholdsmessig stor belastning fra datainnsamling. Finansieringen gir selskapet ressurser til å arbeide mot disse målene; den langsiktige verdien vil avhenge av hva virksomheter pålitelig kan observere, undersøke og kontrollere.