Collibra köper Trail ML, lägger till agentdriven AI‑styrningsautomatisering

Collibra meddelade förvärvet av trail ML den 5 oktober 2026, ett avtal som företaget säger ger agentdriven automatisering, kontinuerlig bedömning och kontroll i realtid till Collibra. trail ML är ett i München baserat AI‑styrningsföretag som grundades 2023 av Anna Spitznagel, Nikolaus Pinger och Sven Hölzel.

Collibra, som beskriver sig själv som företagets AI‑kontrollplan, säger att kombinationen är avsedd att hjälpa företag att automatisera styrning och upprätthålla AI‑policyer, regelverk och standarder genom hela AI‑livscykeln. Företaget placerade förvärvet i kontexten av den ökande implementeringen av AI‑system och autonoma agenter: det räcker inte längre, säger Collibra, att veta vilka policyer, regelverk och standarder som gäller. Organisationer måste också kontinuerligt fastställa relevanta kontroller, bekräfta att dessa fungerar och upprätthålla dem när AI interagerar med företagets data, system och verktyg.

Vad Trail ML tillför Collibra

Enligt tillkännagivandet tillhandahåller Collibra det företagskontext och den kontroll som organisationer behöver för att styra AI över data, modeller, applikationer och agenter. trail ML tillför agentdriven automatisering som kan granska bevis, fastställa vilka krav som gäller, utvärdera kontroller, identifiera luckor och automatisera styrningsarbetsflöden.

“AI‑styrning får inte bli en ytterligare manuell process som bromsar organisationer när AI skalar,” sade Felix Van de Maele, medgrundare och VD för Collibra. Han sade att trail ML tillför automatisering till Collibras kontext och kontroll, och att kombinationen för styrnings-, risk- och efterlevnadsteam innebär mindre manuellt arbete med att utvärdera kontroller och upprätthålla bevis, samt ett bättre sätt att följa AI‑miljöer som förändras snabbt. Van de Maele sade att de två företagen tillsammans kan göra styrning kontinuerlig och operativ.

Kontinuerlig bedömning över AI‑ramverk

Företagen sade att trail ML:s agenter kan granska kontexten kring ett AI‑system, identifiera de ramverk och kontroller som gäller för det, samt utvärdera om dessa kontroller är på plats och effektiva. Tillkännagivandet presenterar detta som ett sätt att operationalisera krav över regelverk och standarder inklusive EU AI‑förordningen, ISO 42001 och NIST AI Risk Management Framework.

Eftersom bedömningar kan utlösas på nytt när stödjande bevis förändras, sade företagen att organisationer kan ersätta manuella, tidpunktsbaserade bedömningar med en styrnings- och efterlevnadsposition som förblir aktuell när bevisen utvecklas.

På trail ML:s webbplats beskriver företaget en enda plattform byggd kring två användningsfall. Det första är AI‑styrning för företag som skalar AI, och omfattar system från maskininlärningsmodeller till agentbaserade system. Det andra använder AI för själva styrnings-, risk- och efterlevnadsarbetet, med agenter som automatiserar efterlevnadsuppgifter över en kunds befintliga verktyg snarare än att teamen måste ersätta sin nuvarande GRC‑stack. trail ML säger att dess agenter skriver till kundsystem endast när en människa godkänner, genom en mekanism de kallar Copy‑on‑Write, och beskriver agentarbete som omfattar riskkategorisering, luckanalys, kontrollbedömningar, insamling av bevis och rapportgenerering för affärs-, IT‑säkerhets-, juridik‑, efterlevnads‑, sekretess‑ och riskhanteringsteam.

Webbplatsen listar integrationer med verktyg inklusive Confluence, Jira, GitHub, GitLab, SharePoint, Notion, ServiceNow, OneTrust, Collibra, Databricks, MLflow och Hugging Face, och säger att plattformen kan köras som en EU‑hostad SaaS, lokalt, eller i en bring‑your‑own‑cloud‑distribution på AWS, Microsoft Azure eller Google Cloud. trail ML uppger att de följer GDPR, ISO/IEC 27001 och ISO/IEC 42001, och rapporterar en fyra‑gånger snabbare utrullning av AI‑lösningar — ett tal de säger baseras på kundresultat — samt 70 % snabbare efterlevnadsutförande. En banner på startsidan anger att trail nu är en del av Collibra.

Tillämpning i realtid för AI‑agenter

Tillkännagivandet beskriver också tillämpning i realtid och påstår att AI‑incidenter i allt högre grad inleds med att agenter utför handlingar snarare än att modeller ger svar. trail ML:s realtidsfunktioner, enligt företaget, verkställer Collibras policyer direkt där agenter körs och blockerar handlingar som strider mot dessa policyer innan de inträffar.

“Vi grundade trail ML eftersom vi tror att AI‑styrning måste vara automatiserad och operativ,” sade Spitznagel i trail ML:s eget tillkännagivande av affären. Hon sade att kombinationen av trail ML:s automatisering och realtidsfunktioner med Collibras företagskontext, styrning och räckvidd skulle hjälpa organisationer att anta AI snabbare, säkrare och i större skala.

Collibra sade att de två företagen förenas av ett gemensamt uppdrag och att förvärvet för fram sin vision som företagets AI‑kontrollplan.