DataBahn pozyskał 40 milionów dolarów na budowę warstwy sterowania agentycznego dla danych przedsiębiorstw

DataBahn pozyskał 40 milionów dolarów w ramach finansowania serii B, gdy chce rozszerzyć infrastrukturę, którą przedsiębiorstwa wykorzystują do przygotowania, zarządzania i dostarczania danych do systemów sztucznej inteligencji.

Insight Partners poprowadził rundę, w której brali udział także obecni inwestorzy Forgepoint Capital, GTM Capital i S3 Ventures. Inwestycja zwiększa łączne finansowanie firmy z Dallas do 59 milionów dolarów, po 17 milionach dolarów w ramach serii A ogłoszonych w czerwcu 2025 roku.

DataBahn planuje skierować nowy kapitał na badania i rozwój, dodatkowe możliwości produktowe oraz dalszą ekspansję modelu sprzedaży opartego na partnerach. Firma pozycjonuje swoją platformę jako „agentyczną warstwę sterowania danymi”, warstwę infrastruktury przeznaczoną do zarządzania tym, jak dane przedsiębiorstw są przenoszone między systemami operacyjnymi, platformami bezpieczeństwa, środowiskami magazynowania i modelami sztucznej inteligencji.

Przechodząc poza konwencjonalne potoki danych

Tradycyjne potoki danych przedsiębiorstw geralnie zbierają informacje ze źródła i dostarczają je do miejsca przeznaczenia, takiego jak platforma zarządzania informacjami i zdarzeniami bezpieczeństwa, magazyn danych lub system magazynowania w chmurze.

Model ten staje się mniej skuteczny, gdy liczba źródeł danych, miejsc przeznaczenia i konsumentów rośnie. Przedsiębiorstwo może musieć zbierać logi z infrastruktury chmury, systemów tożsamości, punktów końcowych, aplikacji, urządzeń przemysłowych i platform oprogramowania jako usługi, jednocześnie wysyłając różne części tych informacji do narzędzi bezpieczeństwa, systemów analitycznych, jezior danych i aplikacji sztucznej inteligencji.

Przenoszenie każdego dostępnego zdarzenia do każdego systemu podrzędnego może generować znaczne koszty magazynowania, przetwarzania i transferu danych w chmurze. Może to również utrudnić analitykom i modelom sztucznej inteligencji znalezienie informacji, które są naprawdę istotne.

DataBahn wstawia warstwę zarządzania między tymi źródłami i miejscami przeznaczenia. Jej platforma może zbierać, filtrować, normalizować, wzbogacać i kierować informacjami podczas ich przenoszenia, zamiast wymagać od każdej aplikacji podrzędnej niezależnego przetwarzania surowych danych.

Firma twierdzi, że jej technologia obecnie obsługuje ponad 600 źródeł danych i jest zaprojektowana tak, aby pozostać niezależna od jakiejkolwiek platformy magazynowania, dostawcy bezpieczeństwa lub modelu sztucznej inteligencji. Pozwala to klientom na zmianę miejsc przeznaczenia lub korzystanie z kilku systemów bez odbudowywarstwy zbierania wokół architektury każdego dostawcy.

DataBahn początkowo koncentrował się głównie na telemetrii cyberbezpieczeństwa, ale od tego czasu rozszerzył swoją platformę, aby objąć dane aplikacji, obserwowalności i Internetu Rzeczy oraz technologii operacyjnych.

Przygotowanie danych przedsiębiorstw do agentów sztucznej inteligencji

Składnik sztucznej inteligencji strategii DataBahn nie ogranicza się do dodania interfejsu konwersacyjnego do istniejącej platformy danych.

Jej system Cruz AI działa jako agentyczny inżynier danych, który pomaga w pracy tradycyjnie wykonywanej przez ręcznie konfigurowane integracje i reguły parsowania. Oprogramowanie monitoruje schematy danych wejściowych, identyfikuje zmiany i może generować zaktualizowane parsery i mapowania, gdy format źródła ulega zmianie.

To ma znaczenie, ponieważ źródła danych przedsiębiorstw rzadko pozostają statyczne. Dostawcy oprogramowania wprowadzają nowe pola, zmieniają formaty zdarzeń i aktualizują interfejsy programistyczne aplikacji. Gdy te zmiany łamią potok, zespoły bezpieczeństwa i inżynierii danych mogą stracić widoczność do czasu, gdy integracja zostanie naprawiona.

DataBahn opisuje Cruz jako sposób na przekształcenie tego procesu w przepływ pracy oparty na zatwierdzeniu. Zamiast budować każde połączenie lub parser od podstaw, system może analizować zmienione źródło i przygotować zaktualizowaną konfigurację do przeglądu.

Platforma również normalizuje informacje w spójne schematy, w tym Open Cybersecurity Schema Framework. Standaryzacja może ułatwić dane do interpretacji przez narzędzia bezpieczeństwa i systemy sztucznej inteligencji, ponieważ ten sam typ zdarzenia jest reprezentowany w sposób spójny, niezależnie od produktu, który je wygenerował.

Dla agentów sztucznej inteligencji szerszym celem jest dostarczenie wystarczającego kontekstu, aby wesprzeć decyzję bez kopiowania całej własności danych przedsiębiorstwa do innej platformy. DataBahn może przetwarzać informacje w sposób ciągły, pobierając dodatkowy kontekst, gdy aplikacja lub agent tego potrzebuje.

Ten podejście może stać się bardziej istotne, gdy przedsiębiorstwa przechodzą od systemów sztucznej inteligencji generatywnej, które głównie odpowiadają na pytania, do agentów, które inicjują przepływy pracy, zmieniają konfiguracje lub reagują na zdarzenia operacyjne. Niezawodność tych agentów będzie zależała częściowo od tego, czy dane podstawowe są bieżące, prawidłowo sformatowane i zarządzane.

Inteligencja przechodzi do strumienia danych

DataBahn opracował również to, co nazywa Autonomiczną Inteligencją Danych w Strumieniu, architekturę, która stosuje analizę i podejmowanie decyzji, gdy informacje są nadal przenoszone przez potok.

System ten ma na celu nie tylko przygotowanie danych do analizy po osiągnięciu miejsca przeznaczenia. Może on ocenić jakość danych, zidentyfikować brakujące informacje i określić, jak poszczególne zdarzenia powinny być obsługiwane w czasie rzeczywistym.

W środowisku bezpieczeństwa, na przykład, potok mógłby wzbogacić nadchodzące zdarzenie o wywiad o zagrożeniach, skierować telemetryczne dane o wysokiej wartości do platformy analitycznej i przenieść informacje o niższej ważności do mniej kosztownego magazynowania. Stosowanie tych decyzji przed dotarciem danych do platformy bezpieczeństwa mogłoby zmniejszyć koszty pobierania bez zmuszania organizacji do porzucenia informacji, które mogą być potrzebne do dochodzenia.

Firma twierdzi, że inteligencja powinna znajdować się wewnątrz potoku, a nie być stosowana tylko po zebraniu i przechowywaniu danych.

Ta architektura odzwierciedla również szerszą zmianę w zarządzaniu danymi przedsiębiorstwa. Potok staje się aktywną warstwą polityki i orkiestracji, a nie biernym rurociągiem łączącym dwa systemy.

Przyjęcie przedsiębiorstw napędza serię B

DataBahn zgłasza, że jego przychody wzrosły o ponad 400% w ciągu roku, a utrzymanie przychodu netto wyniosło 180%. Twierdzi również, że nie ma żadnych wahań klientów i 97% wskaźnik sukcesu w wdrożeniach proof-of-concept.

Firma obsługuje organizacje w sektorach opieki zdrowotnej, usług finansowych, produkcji i transportu, w tym kilka firm z listy Fortune 100. Do jej ujawnionych klientów należą MVB Bank i Canada Pension Plan Investment Board.

MVB Bank Chief Information Security Officer Parrish Gunnels powiedział, że platforma pomogła bankowi scalić wiele formatów danych, wymogów regulacyjnych i kontroli audytu w środowisku wspierającym jego agenci sztucznej inteligencji.

W Canada Pension Plan Investment Board technologia jest wykorzystywana do standaryzacji wdrożenia telemetrycznych danych bezpieczeństwa. Organizacja powiedziała, że to zmniejszyło konieczność inżynierii niestandardowej do podłączenia nowych źródeł logów i ułatwiło identyfikację systemów, które nie wysyłały oczekiwanych danych.

DataBahn w dużej mierze pozyskał tych klientów za pośrednictwem partnerów kanałowych i technologicznych, a nie wyłącznie za pośrednictwem bezpośrednich sprzedaży. Ostatnie inicjatywy obejmują głębszą integrację z ekosystemem bezpieczeństwa Microsoft (MSFT ) i umowę dystrybucyjną na rynek Azji i Pacyfiku z dystrybutorem bezpieczeństwa M.Tech.

Finansowanie ukierunkowane na rosnące wąskie gardło infrastruktury

Seria B pozwoli DataBahn na rozszerzenie produktu na przecięciu kilku coraz bardziej kosztownych problemów przedsiębiorstw.

Zespoły bezpieczeństwa zbierają więcej telemetrycznych danych, aby wykryć ataki i spełnić wymagania regulacyjne. Zespoły danych i obserwowalności przetwarzają większe ilości informacji o aplikacjach i infrastrukturze. Zespoły sztucznej inteligencji potrzebują teraz dostępu do danych operacyjnych i kontekstu biznesowego.

Każda grupa może kupić dodatkową pojemność magazynowania i przetwarzania, ale nie rozwiązuje to podstawowego problemu duplikacji i fragmentacji. Dane mogą nadal być zbierane kilkakrotnie, przekształcane w różny sposób przez każdą platformę i zablokowane w systemach, które utrudniają ich ponowne użycie.

DataBahn stawia na to, że przedsiębiorstwa umieścą niezależną warstwę sterowania między systemami produkującymi dane a systemami, które je konsumują.

Okazja jest większa niż tylko zmniejszenie rachunków za magazynowanie. Skuteczna warstwa sterowania mogłaby określić, jakie informacje agent sztucznej inteligencji jest uprawniony do uzyskania, wzbogacić te informacje o niezbędny kontekst i utrzymać rekord tego, jak dane zostały przekształcone i skierowane.

To dałoby potokowi centralną rolę w zarządzaniu sztuczną inteligencją, zwłaszcza w branżach regulowanych, w których organizacje muszą wyjaśnić informacje wykorzystywane przez systemy automatyczne.

Budowanie podstawy danych dla agentycznej sztucznej inteligencji

Wyzwaniem dla DataBahn będzie udowodnienie, że pojawiająca się kategoria „agentycznej warstwy sterowania danymi” jest wystarczająco odrębna od istniejących potoków danych, tkanin danych bezpieczeństwa i platform obserwowalności, aby uzasadnić kolejną warstwę w stosie technologicznym przedsiębiorstwa.

Duży dostawcy chmury i bezpieczeństwa również rozwijają swoje możliwości routingu danych, magazynowania i sztucznej inteligencji. Argument DataBahn brzmi: neutralna platforma może dać klientom większą kontrolę nad tym, gdzie przechowywane są informacje i które aplikacje lub modele je konsumują.

Jej zdolność do zachowania tej neutralności podczas integracji z coraz większą liczbą systemów przedsiębiorstw będzie istotna, gdy firma się rozwija.

Seria B daje DataBahn dodatkowe zasoby do rozwoju tej architektury, gdy agenci sztucznej inteligencji stają się coraz bardziej zakorzenieni w operacjach przedsiębiorstw. Centralna teza jest prosta: organizacje nie muszą koniecznie zbierać i kopiować więcej danych. Potrzebują lepszego sposobu identyfikacji, zarządzania i aktywacji informacji, które mają znaczenie w momencie, gdy są wymagane.

DataBahn planuje zaprezentować swoje następne możliwości agentycznej warstwy sterowania danymi na Black Hat USA 2026.