Kindo capta US$ 30 milhões para ampliar o controle de agentes de IA nas empresas e reduzir custos

Kindo captou US$ 30 milhões em uma rodada adicional de financiamento para expandir sua plataforma de gerenciamento de agentes de IA corporativos, elevando o total captado para US$ 57,6 milhões. A rodada foi co-liderada por Crosspoint Capital e Forgepoint Capital, que apostam em uma empresa focada em um problema operacional cada vez mais importante: manter o controle sobre o que os agentes de IA podem acessar, o que fazem e quanto gastam.

A empresa, sediada em Venice Beach, na Califórnia, planeja usar os recursos para ampliar sua estrutura de entrada no mercado e acelerar o desenvolvimento do AI Control Center e dos modelos e complementos Deep Hat. A Kindo informa que sua receita cresceu aproximadamente 800% em 2026, em comparação com o ano anterior.

A nova rodada também traz mudanças no conselho. Andre Fuetsch, diretor-gerente da Crosspoint Capital, e Ernie Bio, diretor-gerente da Forgepoint Capital, passarão a integrar o conselho de administração da Kindo.

Um centro de controle para agentes desenvolvidos em toda a empresa

Implantar um agente significa delegar autoridade. Um agente conectado a sistemas empresariais pode conseguir ler informações internas, atualizar registros, aprovar solicitações ou modificar a infraestrutura. À medida que as implantações se multiplicam, as equipes de segurança e operações precisam entender tanto as permissões de que um agente dispõe quanto as ações que ele realmente executa.

A Kindo apresenta sua plataforma como uma camada operacional compartilhada por TI, segurança, finanças e conformidade. A descoberta mapeia o uso autorizado e não autorizado de IA, enquanto uma visão centralizada reúne atividades, acessos, custos e resultados. As organizações podem criar agentes na Kindo ou conectar agentes desenvolvidos em outros ambientes. A Kindo descreve essa solução como um Centro de Operações de IA, levando aos agentes corporativos o monitoramento contínuo e a intervenção comuns nos centros de operações de segurança e de rede.

O site da empresa descreve um registro que inclui os responsáveis pelos agentes, as permissões herdadas da pessoa que executa cada agente e a atribuição de custos. Essas funções abordam diferentes aspectos do mesmo problema de gestão: identificar quem é responsável, controlar a autoridade e determinar se o trabalho realizado justifica os recursos consumidos.

O fundador e CEO Ron Williams afirmou que o problema não é a falta de ferramentas para criar agentes. O que falta são as ferramentas de que as organizações precisam para controlar como os agentes são desenvolvidos, a quais dados podem ter acesso, para onde as informações podem ser enviadas e quanto custa operá-los.

Gateways controlam chamadas; o ambiente de execução permite intervenções mais profundas

O anúncio da Kindo descreve gateways que controlam e auditam as chamadas dos agentes a dados, ferramentas e modelos aprovados conectados. Os controles de identidade aplicam as permissões organizacionais existentes a pessoas e agentes, com a opção de restringir os acessos de forma centralizada.

Isso transforma a conexão entre um agente e suas dependências em um ponto de controle. Uma camada de políticas pode controlar o acesso por meio das integrações compatíveis, em vez de deixar cada equipe responsável por agentes implementar controles próprios e desconectados. A abrangência dessa camada depende dos agentes e recursos a ela conectados.

Para implantações de missão crítica que exigem um controle mais rigoroso, a Kindo oferece um ambiente de execução de agentes desenvolvido para esse fim. Esse ambiente gerencia a execução do agente e oferece aos operadores recursos adicionais de monitoramento, suporte e intervenção, inclusive a possibilidade de assumir o controle do agente quando algo dá errado.

Essa distinção é importante tanto do ponto de vista comercial quanto técnico. Conectar por gateways um agente desenvolvido externamente é diferente de executá-lo dentro do ambiente de execução da Kindo. O anúncio associa especificamente as intervenções mais profundas e vários recursos do Deep Hat relacionados a custos aos agentes executados nesse ambiente.

Tornar visíveis os gastos com IA e relacioná-los aos resultados

O AI Control Center da Kindo registra o consumo de tokens e os resultados das execuções dos agentes, inclusive as que falharam, para que os gastos possam ser atribuídos a pessoas, agentes, departamentos e projetos. As equipes financeiras podem definir orçamentos, receber alertas e estabelecer limites rígidos de gastos.

O valor dessa contabilização não se limita a identificar o modelo mais caro. Um agente de baixo custo que falha repetidamente pode desperdiçar recursos, enquanto o uso de um modelo caro pode se justificar em uma tarefa difícil e valiosa. Relacionar custos e resultados ajuda as equipes a identificar falhas recorrentes, capacidade de modelo desnecessária e tarefas que poderiam ser realizadas com mais eficiência.

As opções de implantação da Kindo também permitem que os clientes escolham onde a plataforma será executada: na nuvem da Kindo, em uma nuvem gerenciada pelo próprio cliente, em uma infraestrutura local ou em um ambiente isolado (air gap). O local de implantação e a escolha do modelo são decisões distintas, mas ambas afetam o equilíbrio entre requisitos operacionais, controle e custos de uma empresa.

Deep Hat aborda diferentes fontes de custos dos modelos

A família Deep Hat aborda várias formas distintas pelas quais os fluxos de trabalho de IA consomem recursos. O anúncio do financiamento descreve quatro ferramentas:

• Sift: Aprende quais eventos um agente descartaria e, depois que uma pessoa aprova o limite, filtra esses eventos. Registra os eventos filtrados e encaminha uma amostra para manter o monitoramento.
• Tune: Adapta um modelo menor e de menor custo a uma tarefa específica, reservando os modelos maiores para o trabalho que exige seu uso.
• Reduzir: Executa etapas repetíveis do fluxo de trabalho como código para eliminar o custo do modelo nessas etapas, encaminhando as exceções de volta a um modelo quando necessário.
• Atacar: Oferece suporte a testes ofensivos de segurança privados e autorizados, como alternativa ao uso de modelos de ponta em cibersegurança para tarefas rotineiras de teste.

A explicação publicada pela Kindo sobre o Sift acrescenta detalhes úteis sobre o mecanismo de filtragem. Ele começa em modo sombra, permitindo que todos os eventos cheguem ao agente de destino enquanto aprende com as avaliações desse agente. A ativação depende de aprovação humana, e uma amostra dos eventos que seriam filtrados ainda chega ao agente para verificar se algum caso passou despercebido.

O projeto reduz o trabalho do modelo ao determinar quando é necessário executar o agente por completo. No entanto, a medição é feita em relação às avaliações do agente de destino; portanto, a concordância com esse agente não deve ser confundida com uma verdade de referência verificada de forma independente.

Adoção pelos clientes e próxima etapa da expansão

A Kindo afirma que sua solução está em produção em grandes empresas e empresas de médio porte dos setores de serviços financeiros, serviços profissionais, saúde, aviação e transportes. O anúncio destaca a Aireon, cujo CISO informou, em maio de 2026, que o uso da Kindo em busca de ameaças e em operações de segurança de níveis 1 e 2 ajudou a gerar mais de US$ 2 milhões em economia anual. Esse é um resultado relatado por um cliente, não uma garantia de resultados semelhantes em outras implementações.

A TFX Capital e a CircleRock Capital participaram do financiamento ao lado dos investidores já existentes Drive Capital, Riot Ventures, RRE Ventures, Eniac Ventures, Marlinspike Partners, New Era Ventures e Sunset Venture.

O financiamento de US$ 30 milhões custeia uma empresa criada em torno das consequências operacionais da adoção de agentes. Criar agentes está cada vez mais acessível; colocá-los em produção exige responsáveis definidos, políticas de acesso, mecanismos de intervenção e controles de gastos. A oportunidade da Kindo é tornar essas responsabilidades administráveis em diferentes agentes, criados em lugares distintos e a serviço de equipes diversas.