Palma henter $1.8M for å bygge styringslaget for bedrifts‑AI‑agenter

Palma.ai har hentet $1.8 million i pre‑seed‑finansiering for å takle et problem som blir stadig mer betydningsfullt etter hvert som bedrifter går fra AI‑assistenter som genererer innhold til agenter som kan utføre handlinger i bedriftsystemer.

Runden ble ledet av D11Z, med deltakelse fra Plug and Play Ventures, Deel, Scale Now Ventures og engelinvestorer som inkluderer ledere fra Cisco og Deel. Finansieringen vil bli brukt til å utvide Palma.ai sine ingeniør‑ og go‑to‑market‑team ettersom selskapet retter seg mot større organisasjoner som implementerer AI‑agenter på tvers av flere plattformer.

Det er også en uvanlig overlapp mellom investor og kunde i denne runden. D11Z og Plug and Play implementerer allerede Palma.ai internt, og bruker styringsinfrastrukturen til å gi ansatte AI‑agenter som kan få tilgang til bedriftsverktøy uten å måtte konfigurere tillatelser og integrasjoner for hver AI‑applikasjon separat.

Styringsproblemet som oppstår bak AI‑agenter

Den raske adopsjonen av agentbasert AI skaper et annet sikkerhetsproblem enn det bedrifter møtte med den første generasjonen av generativ AI.

Å gi ansatte tilgang til en chatbot reiste først og fremst spørsmål om datalekkasjer, modellbruk og hvilken informasjon medarbeiderne lastet opp. AI‑agenter kan potensielt gå mye lenger. Når de er koblet til bedriftsystemer, kan en agent oppdatere en kundepost, forespørre en database, utløse en intern arbeidsflyt, endre kode eller igangsette en annen handling på vegne av en ansatt.

Den funksjonaliteten blir i økende grad muliggjort gjennom Model Context Protocol (MCP), en åpen protokoll for å koble AI‑applikasjoner til verktøy og data. MCP har utviklet seg til en bredere industristandard og styres nå av Linux Foundations Agentic AI Foundation, sammen med andre teknologier som støtter interoperabel agent‑infrastruktur.

MCP løser et viktig interoperabilitetsproblem, men den gir ikke i seg selv alle organisasjonsnivåkontroller som trengs for å fastslå hva en bestemt ansatt eller agent skal ha lov til å gjøre.

Det er dette gapet Palma.ai posisjonerer seg i.

Et kontrollag mellom agenter og bedriftsystemer

I stedet for å bygge en ny AI‑assistent utvikler Palma.ai et mellomliggende styringslag som kan rute forespørsler fra agent til verktøy.

Selskapets plattform tildeler brukere og agenter en styrt kobling som inneholder verktøyene og de organisatoriske «Ferdighetene» de har autorisasjon til å bruke. Policyer evalueres deretter når en agent faktisk forsøker en handling, i stedet for å gi bred tilgang til en applikasjon.

For eksempel kan en ansatt ha tillatelse til å bruke et økonomisystem, mens en agent som handler på vegne av den ansatte kun får utføre transaksjoner under en angitt terskel. En annen handling kan automatisk pause til en utpekt person godkjenner den.

Palmas policy‑system kan evaluere argumentene i individuelle forespørsler, slik at organisasjoner kan tillate, nekte, begrense hastigheten eller kreve godkjenning for et kall før det når det underliggende systemet. Selskapet støtter også en observasjonsmodus hvor administratorer kan teste policyer mot reell trafikk før de håndheves.

Denne tilnærmingen prøver å flytte AI‑styring nærmere punktet der en agent faktisk utfører en handling.

Ett styringslag på tvers av flere AI‑plattformer

En annen del av Palma.ai sin strategi er å unngå en styringsarkitektur knyttet til én enkelt AI‑leverandør.

Plattformen er designet for å fungere på tvers av AI‑applikasjoner inkludert Claude, ChatGPT, Microsoft Copilot, Gemini, Cursor og andre MCP‑kompatible miljøer. Palma sier at de samme organisatoriske tillatelsene og Ferdighetene derfor kan følge en bruker selv om selskapene bytter hvilke modeller eller agent‑grensesnitt de bruker.

Dette kan bli stadig viktigere etter hvert som bedrifter tar i bruk flere AI‑systemer samtidig i stedet for å standardisere på én leverandør.

Palma integrerer med eksisterende identitetsinfrastruktur i stedet for å erstatte den. Nettstedet beskriver støtte for identitetsleverandør‑grupper gjennom systemer som Microsoft Entra og Okta, slik at tilgang kan endres når ansatte blir med, slutter eller flytter mellom team.

Konseptet med Ferdigheter legger til et ekstra lag over rå verktøytilgang. Et verktøy kan gi en agent den tekniske evnen til å sende en e‑post eller oppdatere en database, mens en Ferdighet definerer organisasjonens godkjente prosedyre for å bruke disse mulighetene i en spesifikk arbeidsflyt. Palma versjonerer og skanner disse Ferdighetene før de distribueres.

Holder legitimasjon borte fra agenten

Sikkerhet blir spesielt viktig når agenter går utover å hente informasjon og får skriveadgang til produksjonssystemer.

Ifølge Palmas tekniske dokumentasjon kan styringslaget kjøres i en bedrifts egen infrastruktur ved bruk av Docker, Kubernetes eller direkte på maskinvare. VPC-, on‑premises‑ og fullstendig luft‑avkoblede konfigurasjoner støttes for organisasjoner som ikke ønsker at sensitiv agent‑trafikk går gjennom en flerleiet sky‑tjeneste.

Plattformen er også designet slik at nedstrøms legitimasjon ikke trenger å overleveres direkte til agenten. Palma støtter tilnærminger som token‑utveksling og legitimasjon lagret i bedrifts‑hvelv, med autentisering formidlet når et godkjent kall utføres.

Hver styrt forespørsel kan også tilskrives tre parter: brukeren, agenten som handler på vegne av brukeren og applikasjonen som forespørselen kom fra. Tillatte, avviste, hastighetsbegrensede og godkjennings‑styrte handlinger registreres i revisjonssporen.

Viktig er at Palma ikke påstår å erstatte en bedrifts eksisterende sikkerhetsinfrastruktur. Dokumentasjonen påpeker at plattformen kun styrer trafikk som rutes gjennom dens connector, og kan ikke uavhengig oppdage hver uadministrert MCP‑server som kjører på ansattes enheter. Identitetsleverandører, endepunktskontroller, nettverkssikkerhet og eksisterende policy‑systemer forblir derfor en del av den bredere sikkerhetsmodellen.

Investorer blir tidlige kunder

Deltakelsen fra D11Z og Plug and Play som både investorer og kunder gir denne finansieringsrunden en ekstra dimensjon.

Begge venture‑firmaene bruker Palma.ai som en del av arbeidet med å gi sine team AI‑agenter som kan operere på tvers av interne systemer samtidig som sentraliserte tillatelser og tilsyn opprettholdes.

«Alle selskaper er i ferd med å gi AI‑agenter nøklene til sine systemer», sa Palma.ai‑administrerende direktør og medgründer Patrick Eden. «Spørsmålet er om noen holder øye med døren.»

Eden var tidligere medgründer av infrastruktur‑overvåkingsselskapet Replex, som ble kjøpt opp av Cisco i 2021. Palma.ai‑CTO og medgründer Julian Kolbe har over et tiår med erfaring fra å bygge systemer for europeiske fintech‑ og bilindustrier, inkludert infrastruktur i regulerte miljøer.

Oppstarten oppgir at den har vært i drift siden tidlig i 2026.

Agentstyring blir infrastruktur

Tidspunktet for Palma.ai‑innhentingen reflekterer en bredere endring i bedrifts‑AI‑markedet.

Bedrifter eksperimenterer i økende grad med agenter som kan utføre handlinger i stedet for kun å levere svar. Samtidig blir økosystemet rundt MCP mer formalisert. Linux Foundation lanserte Agentic AI Foundation sent i 2025, og i september 2026 introduserte den sin første offisielle MCP‑sertifisering som dekker arkitektur, utførelse, sikkerhet og styring.

Regulering gir et ekstra insentiv for selskaper til å forstå hvordan AI‑systemer fungerer. EU AI‑act trådte i bred anvendelse 2. august 2026, selv om kravene for noen høy‑risiko‑systemer fortsatt er underlagt senere implementeringsdatoer.

For bedrifter kan den umiddelbare utfordringen imidlertid være mer operasjonell enn regulatorisk: Når en AI‑agent kan endre en CRM‑post, få tilgang til sensitiv data eller utløse en produksjons‑arbeidsflyt, trenger organisasjoner kontroller som opererer i maskinhastighet uten å redusere hver utrulling til ubegrenset tilgang eller konstant manuell godkjenning.

Palma.ai satser på at løsningen vil bli et felles styringslag som sitter mellom agenter og systemene de i økende grad kontrollerer.

Den $1,8 millioners pre‑seed‑runden gir selskapet ekstra kapital til å teste om dette laget kan bli en standarddel av bedrifts‑AI‑stakken når agenter går fra eksperimenter til daglig drift.