DataAgent wychodzi z fazy ukrytej z $10 million pre‑seed, aby zbudować samonaprawiającą się infrastrukturę chmurową

DataAgent wyszło z fazy ukrytej z 10 milionami dolarów w ramach finansowania pre‑seed, uruchamiając platformę natywną dla AI, zaprojektowaną tak, aby przenieść zarządzanie infrastrukturą chmurową poza wykrywanie problemów i w kierunku autonomicznego ich naprawiania.

Runda została poprowadzona przez MizMaa Ventures oraz Alicorn Venture Partners. DataAgent planuje wykorzystać kapitał do wprowadzenia platformy na rynek i zwiększenia adopcji w Ameryce Północnej. Firma, założona w styczniu 2026 roku w Tel Awiwie, zatrudnia obecnie 15 osób i jest prowadzona przez współzałożycieli Ishay Yaari – CEO oraz Nati Shalom – CTO.

W centrum podejścia DataAgent znajduje się to, co firma nazywa systemem cyfrowym odpornościowym opartym na naprawie (remediation‑first) dla nowoczesnych aplikacji. Zamiast działać głównie jako kolejna warstwa zbierająca logi, generująca alerty lub wyjaśniająca incydenty inżynierom, platforma jest zaprojektowana tak, aby działać wewnątrz Kubernetes oraz powiązanej infrastruktury chmurowej i podejmować działania w momencie wystąpienia awarii.

Odwrócenie tradycyjnego przepływu pracy obserwowalności

Współczesne platformy obserwowalności stały się niezbędne do zrozumienia coraz bardziej skomplikowanych aplikacji, ale podstawowy przepływ pracy pozostaje w dużej mierze reaktywny: system wykrywa problem, inżynier otrzymuje alert, ktoś bada przyczynę, a ostatecznie stosowana jest naprawa.

DataAgent próbuje odwrócić tę kolejność.

Jej oprogramowanie odczytuje bieżący stan systemu, topologię i informacje konfiguracyjne tam, gdzie działa infrastruktura. Gdy napotka rozpoznawalną awarię, platforma może najpierw zastosować zweryfikowaną naprawę, a następnie przeprowadzić głębszą analizę przyczyn. Celem jest przywrócenie usługi bez oczekiwania, aż inżynier człowiek przejrzy logi i pulpity.

Publiczna strona firmy podsumowuje tę filozofię frazą „Remediation‑First, the rest is noise”.

Czasowo odzwierciedla to szerszy problem, z którym borykają się zespoły infrastrukturalne. Badanie obserwowalności Grafana Labs z 2025 roku wykazało, że złożoność i narzut pozostają najczęściej wymienianymi problemami obserwowalności, a następnie wyzwania związane z stosunkiem sygnał‑szum oraz koszty. Połowa respondentów korzysta obecnie z obserwowalności jako usługi (SaaS) w pewnej formie, co ilustruje, jak coraz więcej danych telemetrycznych jest przetwarzanych przez zewnętrzne platformy.

Autonomiczny SRE działający wewnątrz infrastruktury

DataAgent opisuje swoją platformę jako autonomicznego inżyniera niezawodności (SRE), ale jej architektura jest bardziej ograniczona niż sugerowałaby to nazwa.

System buduje model topologii, środowiska, kodu i konfiguracji klienta zamiast podejmować decyzje na podstawie pojedynczego wpisu logu lub alertu. Podczas wdrażania identyfikuje kategorie awarii, które jego zdaniem może niezawodnie naprawić. Działa autonomicznie w danej kategorii usterek dopiero po potwierdzeniu tej możliwości, natomiast nieznane lub niepewne problemy są przekazywane operatorom ludzkim.

Klienci mogą także definiować ograniczenia określające, które działania system może wykonywać.

Te kontrole mają znaczenie, ponieważ autonomiczne zarządzanie infrastrukturą niesie ze sobą znacznie większe ryzyko niż AI‑kopilot, który jedynie rekomenduje polecenie. Nieprawidłowa rekomendacja może zostać odrzucona przez inżyniera; autonomiczny system z uprawnieniami produkcyjnymi może potencjalnie zrestartować, skalować, cofnąć lub zmodyfikować obciążenia zanim interweniuje człowiek.

Podejście DataAgent opiera się więc na stopniowym rozszerzaniu klas problemów, w których system może działać, zamiast przyznawania szerokiej autonomii od samego początku.

Przechowywanie większej ilości danych obserwowalności wewnątrz klastra

There is also an economic argument behind the architecture.

Tradycyjna obserwowalność chmury często polega na przesyłaniu dużych ilości logów, metryk i śladów do zewnętrznej usługi, gdzie informacje są pobierane, indeksowane, przechowywane i analizowane. Koszty mogą rosnąć wraz z użyciem infrastruktury i wolumenem telemetrycznym.

DataAgent umieszcza natomiast swoje agenty bliżej samych obciążeń. Rutynowe awarie mogą być analizowane i naprawiane lokalnie, a głębsza inspekcja zarezerwowana jest dla incydentów, które tego wymagają. Firma twierdzi, że może to zmniejszyć ilość danych, które muszą przechodzić przez kosztowne potoki pobierania i indeksowania, jednocześnie pozwalając platformie współistnieć z istniejącymi systemami monitorowania, zamiast wymagać natychmiastowej wymiany.

Może to stać się istotnym wyróżnikiem w miarę jak AI zwiększa ilość tworzonego i eksploatowanego oprogramowania. Więcej aplikacji, usług, kontenerów i agentów AI generuje ostatecznie więcej zdarzeń infrastrukturalnych i telemetrycznych. Samo zbieranie większej ilości danych może stać się coraz droższe, chyba że oprogramowanie będzie potrafiło określić, które sygnały naprawdę wymagają uwagi.

Open source jako droga do zaufania w infrastrukturze

Kolejnym godnym uwagi elementem jest decyzja DataAgent o udostępnieniu swojego podstawowego agenta jako open source. Agent może być wdrażany niezależnie, podczas gdy firma planuje monetyzować warstwę SaaS do zarządzania i orkiestracji flot agentów.

Ten model może pomóc w rozwiązaniu jednej z trudniejszych barier stojących przed oprogramowaniem do autonomicznych operacji: firmy są proszone o udzielenie systemowi napędzanemu AI dostępu do infrastruktury produkcyjnej, gdzie błędy mogą powodować przestoje.

Możliwość lokalnego inspekowania i obsługi agenta daje zespołom infrastrukturalnym większą przejrzystość tego, co działa w ich środowiskach, choć większym wyzwaniem będzie, czy przedsiębiorstwa poczują się komfortowo, pozwalając tym agentom podejmować coraz bardziej konsekwentne działania.

Weterani orkiestracji chmury powracają z kolejnym zakładem infrastrukturalnym

Yaari i Shalom wcześniej współpracowali w Cloudify, gdzie Yaari pełnił funkcję Chief Revenue Officer, a Shalom był założycielem i CTO. Dell przejął firmę zajmującą się orkiestracją chmury i automatyzacją infrastruktury w 2023 roku w transakcji, o której TechCrunch doniósł, że mogła być warta nawet $100 million.

To doświadczenie jest szczególnie istotne dla DataAgent. Cloudify koncentrowało się na orkiestracji infrastruktury w środowiskach Kubernetes, platformach chmurowych oraz istniejących narzędziach DevOps. DataAgent przesuwa się wyżej w stosie automatyzacji, starając się dać oprogramowaniu możliwość nie tylko orkiestracji infrastruktury, ale także określania, kiedy ta infrastruktura wymaga zmiany.

Nowe finansowanie wesprze komercyjne uruchomienie DataAgent oraz ekspansję, w tym dodatkowe zatrudnienia w zakresie go‑to‑market w Stanach Zjednoczonych i Izraelu.

Od obserwowalności do samonaprawiającej się infrastruktury

Większa szansa dla DataAgent wiąże się z przejściem, które już zaczyna się w obszarze AI w przedsiębiorstwach: przejściem od systemów wyjaśniających, co ludzie powinni zrobić, do systemów, które mogą samodzielnie wykonać tę pracę.

Infrastruktura jest szczególnie istotnym obszarem tego przejścia. Duży odsetek incydentów produkcyjnych dotyczy powtarzalnych problemów, które doświadczone zespoły SRE już wiedzą, jak rozwiązać. Jeśli agenci AI będą mogli bezpiecznie przejąć więcej z tych rutynowych zadań, obserwowalność może stopniowo przekształcić się z systemu rozumienia infrastruktury w warstwę kontrolną, która nieustannie ją utrzymuje.

DataAgent łączy tę pętlę naprawy w produkcji z systemem pre‑produkcji, mającym na celu identyfikację i zapobieganie awariom przed wdrożeniem oprogramowania. Firma opisuje powstały proces jako taki, w którym wnioski z incydentów i zapobieganych awarii mogą stopniowo rozszerzać zdolność systemu do autonomicznego działania.

Wyzwanie będzie polegało na wykazaniu, że autonomię można skalować bez wprowadzania nowej kategorii ryzyka operacyjnego. Środowiska infrastrukturalne różnią się ogromnie, nieoczekiwane awarie są nieuniknione, a automatyczna naprawa, która działa w jednej architekturze, może być niebezpieczna w innej.

Jeśli te zabezpieczenia okażą się niezawodne, kolejna generacja platform obserwowalności może być oceniana mniej pod kątem tego, jak szybko potrafią wyjaśnić inżynierom, dlaczego coś się zepsuło, a bardziej pod kątem tego, jak często inżynierowie nie będą musieli w ogóle się angażować. DataAgent pozyskało $10 million w ramach rundy pre‑seed, co jest wczesnym zakładem na tę zmianę.