DataAgent kommer frem fra stealth med $10M pre‑seed for å bygge selvhelbredende skyinfrastruktur

DataAgent har kommet frem fra stealth med 10 millioner dollar i pre‑seed‑finansiering mens de lanserer en AI‑native plattform designet for å flytte sky‑infrastrukturadministrasjon fra å oppdage problemer til autonomt å løse dem.

Runden ble ledet av MizMaa Ventures og Alicorn Venture Partners. DataAgent planlegger å bruke kapitalen til å bringe plattformen til markedet og utvide adopsjonen i Nord‑America. Selskapet ble grunnlagt i januar 2026, er basert i Tel Aviv, har for tiden 15 ansatte og ledes av medstifterne Ishay Yaari, administrerende direktør, og Nati Shalom, teknisk sjef.

At the center of DataAgent’s approach is what it calls a remediation-first Digital Immune System for modern applications. Rather than acting primarily as another layer for collecting logs, generating alerts, or explaining incidents to engineers, the platform is designed to operate within Kubernetes and connected cloud infrastructure and take action when failures occur.

Omvendt av den tradisjonelle observabilitetsarbeidsflyten

Moderne observabilitetsplattformer har blitt avgjørende for å forstå stadig mer kompliserte applikasjoner, men den grunnleggende arbeidsflyten er fortsatt stort sett reaktiv: et system oppdager et problem, en ingeniør mottar et varsel, noen undersøker årsaken, og en remediasjon blir til slutt anvendt.

DataAgent forsøker å snu denne sekvensen.

Programvaren leser sanntids systemtilstand, topologi og konfigurasjonsinformasjon der infrastrukturen kjører. Når den støter på en feil den forstår, kan plattformen først anvende en verifisert remediasjon og deretter utføre en dypere rotårsaksanalyse. Målet er å gjenopprette tjenesten uten å vente på at en menneskelig ingeniør går gjennom logger og dashbord.

Selskapets offentlige nettside destillerer denne filosofien til setningen «Remediasjon først, resten er støy».

Tidspunktet reflekterer et bredere problem som infrastrukturteam står overfor. Grafana Labs’ 2025 Observability Survey fant at kompleksitet og overhead fortsatt er den mest ofte nevnte observabilitetsbekymringen, etterfulgt av signal‑til‑støy‑utfordringer og kostnader. Halvparten av respondentene bruker nå Software-as-a-Service (SaaS) observabilitet i en eller annen form, noe som illustrerer hvor mye operasjonell telemetri som i økende grad behandles gjennom eksterne plattformer.

En autonom SRE som kjører innenfor infrastrukturen

DataAgent beskriver plattformen sin som en autonom Site Reliability Engineer (SRE), men arkitekturen er mer begrenset enn hva denne betegnelsen først kan antyde.

Systemet bygger en modell av kundens topologi, miljø, kode og konfigurasjoner i stedet for å ta beslutninger basert på en isolert loggoppføring eller et varsel. Under utrulling identifiserer det kategorier av feil det tror det kan remediere pålitelig. Det handler kun autonomt på en feilkategori når den evnen er etablert, mens ukjente eller usikre problemer blir rutet til menneskelige operatører.

Kunder kan også definere retningslinjer for hvilke handlinger systemet har tillatelse til å utføre.

Disse kontrollene er viktige fordi autonom infrastrukturadministrasjon medfører betydelig mer risiko enn en AI‑copilot som kun anbefaler en kommando. En feil anbefaling kan avvises av en ingeniør; et autonomt system med produksjonsrettigheter kan potensielt starte på nytt, skalere, rulle tilbake eller endre arbeidsbelastninger før en person griper inn.

DataAgents tilnærming er derfor basert på gradvis å utvide klassene av problemer som systemet får lov til å håndtere, i stedet for å gi bred autonomi fra starten av.

Beholde mer observabilitetsdata i klyngen

Det finnes også et økonomisk argument bak arkitekturen.

Tradisjonell sky‑observabilitet innebærer ofte å sende store mengder logger, måledata og spor til en ekstern tjeneste hvor informasjonen blir inntatt, indeksert, lagret og analysert. Kostnadene kan øke i takt med infrastrukturbruk og telemetrivolum.

DataAgent plasserer i stedet sine agenter nærmere selve arbeidsbelastningene. Rutinemessige feil kan analyseres og remediere lokalt, mens dypere inspeksjon reserveres for hendelser som krever det. Selskapet hevder at dette kan redusere mengden data som må reise gjennom kostbare inntaks‑ og indeks‑pipelines, samtidig som plattformen kan ligge ved siden av eksisterende overvåkingssystemer i stedet for å kreve en umiddelbar erstatning.

Dette kan bli en viktig forskjell etter hvert som AI øker mengden programvare som blir laget og driftet. Flere applikasjoner, tjenester, containere og AI‑agenter genererer til slutt flere infrastruktur‑hendelser og telemetri. Å bare samle mer data kan bli stadig dyrere med mindre programvaren kan avgjøre hvilke signaler som faktisk krever oppmerksomhet.

Open source som en vei til infrastruktur‑tillit

Et annet bemerkelsesverdig element er DataAgents beslutning om å gjøre den underliggende agenten åpen kilde. Agenten kan distribueres uavhengig, mens selskapet planlegger å tjene penger på et SaaS‑lag for å administrere og orkestrere flåter av agenter.

Den modellen kan bidra til å løse en av de vanskeligste barrierene for autonom operasjonsprogramvare: selskaper blir bedt om å gi et AI‑drevet system tilgang til produksjonsinfrastruktur hvor feil kan forårsake nedetid.

Muligheten til å inspisere og operere agenten lokalt gir infrastrukturteam mer innsikt i hva som kjører i deres miljøer, selv om den større testen vil være om virksomheter blir komfortable med å la disse agentene utføre stadig mer betydningsfulle handlinger.

Veteraner innen sky‑orkestrering vender tilbake for et nytt infrastrukturspill

Yaari og Shalom jobbet tidligere sammen i Cloudify, hvor Yaari var Chief Revenue Officer og Shalom var grunnlegger og CTO. Dell kjøpte sky‑orkestrerings‑ og infrastruktur‑automatiseringsselskapet i 2023 i en transaksjon som TechCrunch rapporterte kunne ha vært verdt opptil 100 millioner dollar.

Den bakgrunnen er spesielt relevant for DataAgent. Cloudify fokuserte på å orkestrere infrastruktur på tvers av Kubernetes, skyplattformer og eksisterende DevOps‑verktøy. DataAgent beveger seg høyere opp i automatiseringsstabelen ved å forsøke å gi programvaren evnen til ikke bare å orkestrere infrastruktur, men også å bestemme når den infrastrukturen må endres.

Den nye finansieringen vil støtte DataAgents kommersielle lansering og ekspansjon, inkludert ytterligere go‑to‑market‑ansettelser i USA og Israel.

Fra observabilitet til selvhelbredende infrastruktur

Den større muligheten for DataAgent er knyttet til en overgang som allerede begynner innen bedrifts‑AI: fra systemer som forklarer hva mennesker bør gjøre, til systemer som kan utføre arbeidet selv.

Infrastruktur er et spesielt viktig område for den overgangen. En stor andel av produksjonshendelser involverer repeterbare problemer som erfarne SRE‑team allerede vet hvordan de skal løse. Hvis AI‑agenter trygt kan absorbere flere av disse rutineoppgavene, kan observabilitet gradvis utvikle seg fra et system for å forstå infrastruktur til et kontroll‑lag som kontinuerlig vedlikeholder den.

DataAgent kombinerer denne produksjons‑remedieringsløkken med et pre‑produksjonssystem som skal identifisere og forebygge feil før programvare distribueres. Selskapet beskriver den resulterende prosessen som en der lærdom fra hendelser og forebygde feil kan gradvis utvide systemets evne til å operere autonomt.

Utfordringen vil være å demonstrere at autonomi kan skaleres uten å introdusere en ny kategori av operasjonell risiko. Infrastruktur‑miljøer varierer enormt, uventede feil er uunngåelige, og en automatisert remediasjon som fungerer i én arkitektur kan være farlig i en annen.

Hvis disse sikkerhetsmekanismene viser seg pålitelige, kan neste generasjon av observabilitetsplattformer bli vurdert mindre etter hvor raskt de kan fortelle ingeniører hvorfor noe brøt, og mer etter hvor ofte ingeniører aldri trenger å bli involvert. DataAgent’s $10 million pre‑seed round is an early bet on that shift.