Palma samlar in $1.8M för att bygga styrningslagret för företags‑AI‑agenter

Palma.ai har samlat in $1.8 million i pre‑seed‑finansiering för att tackla ett problem som blir allt viktigare i takt med att företag går från AI‑assistenter som genererar innehåll till agenter som kan vidta åtgärder i företagsystem.

Rundan leddes av D11Z, med deltagande av Plug and Play Ventures, Deel, Scale Now Ventures och ängelinvesterare som inkluderar chefer från Cisco och Deel. Finansieringen kommer att användas för att expandera Palma.ai:s ingenjörs‑ och go‑to‑market‑team när företaget riktar sig mot större organisationer som implementerar AI‑agenter över flera plattformar.

Det finns också en ovanlig överlappning mellan investerare och kund i den här omgången. D11Z och Plug and Play använder redan Palma.ai internt och utnyttjar dess styrningsinfrastruktur för att ge anställda AI‑agenter som kan komma åt företagsverktyg utan att behöva konfigurera behörigheter och integrationer för varje AI‑applikation separat.

Styrningsproblemet som uppstår bakom AI‑agenter

Den snabba antagandet av agentbaserad AI skapar ett annat säkerhetsproblem än det som företag stötte på med den första generationen av generativ AI.

Att ge anställda åtkomst till en chatbot väckte främst frågor om dataläckage, modellanvändning och vilken information medarbetare laddade upp. AI‑agenter kan potentiellt gå mycket längre. När de är anslutna till företagsystem kan en agent uppdatera en kundpost, fråga en databas, trigga ett internt arbetsflöde, modifiera kod eller initiera en annan åtgärd på uppdrag av en anställd.

Den förmågan möjliggörs i allt högre grad genom Model Context Protocol (MCP), ett öppet protokoll för att koppla AI‑applikationer till verktyg och data. MCP har vuxit till en bredare branschstandard och styrs nu genom Linux Foundations Agentic AI Foundation, tillsammans med andra teknologier som stödjer interoperabel agentinfrastruktur.

MCP löser ett viktigt interoperabilitetsproblem, men det ger inte i sig alla organisationsnivå‑kontroller som behövs för att avgöra vad en viss anställd eller agent får göra.

Det är i detta gap som Palma.ai positionerar sig.

Ett styrningslager mellan agenter och företagsystem

Istället för att bygga ytterligare en AI‑assistent utvecklar Palma.ai ett mellanstånds‑styrningslager genom vilket agent‑till‑verktygs‑förfrågningar kan dirigeras.

Företagets plattform tilldelar användare och agenter en styrd anslutning som innehåller de verktyg och organisatoriska ”Skills” de har behörighet att använda. Policys utvärderas sedan när en agent faktiskt försöker utföra en åtgärd, snarare än att bara bevilja bred åtkomst till en applikation.

Till exempel kan en anställd ha tillåtelse att använda ett ekonomisystem medan en agent som agerar för den anställde endast får genomföra transaktioner under en viss tröskel. En annan åtgärd kan automatiskt pausas tills en utsedd människa godkänner den.

Palmas policysystem kan utvärdera argumenten i enskilda förfrågningar, vilket gör det möjligt för organisationer att tillåta, neka, begränsa hastigheten eller kräva godkännande för ett anrop innan det når det underliggande systemet. Företaget stödjer också ett observationsläge där administratörer kan testa policys mot verklig trafik innan de verkställs.

Detta tillvägagångssätt försöker föra AI‑styrning närmare den punkt där en agent faktiskt utför en handling.

Ett styrningslager över flera AI‑plattformar

En annan del av Palma.ai:s strategi är att undvika en styrningsarkitektur som är bunden till en enskild AI‑leverantör.

Plattformen är utformad för att fungera över AI‑applikationer inklusive Claude, ChatGPT, Microsoft Copilot, Gemini, Cursor och andra MCP‑kompatibla miljöer. Palma säger att samma organisationsbehörigheter och Skills därför kan följa en användare även när företag byter vilka modeller eller agentgränssnitt de använder.

Det kan bli allt viktigare när företag samtidigt inför flera AI‑system istället för att standardisera på en leverantör.

Palma integreras med befintlig identitetsinfrastruktur snarare än att ersätta den. På deras webbplats beskrivs stöd för identitetsleverantörsgrupper via system som Microsoft Entra och Okta, vilket möjliggör att åtkomst ändras när anställda ansluter, lämnar eller flyttar mellan team.

Dess koncept med Skills lägger till ett ytterligare lager ovanför rå verktygsåtkomst. Ett verktyg kan ge en agent den tekniska möjligheten att skicka ett e‑postmeddelande eller uppdatera en databas, medan en Skill definierar organisationens godkända procedur för att använda dessa funktioner i ett specifikt arbetsflöde. Palma versionerar och skannar dessa Skills innan de distribueras.

Att hålla autentiseringsuppgifter borta från agenten

Säkerheten blir särskilt viktig när agenter går bortom att hämta information och får skrivbehörighet till produktionssystem.

Enligt Palmas tekniska dokumentation kan dess styrningslager köras inom ett företags egen infrastruktur med Docker, Kubernetes eller på rå hårdvara. VPC-, lokala- och helt luftgapade konfigurationer stöds för organisationer som inte vill att känslig agenttrafik passerar genom en multi‑tenant molntjänst.

Plattformen är också utformad så att nedströms autentiseringsuppgifter inte behöver överlämnas direkt till agenten. Palma stödjer metoder som token‑utbyte och uppgifter lagrade i företagsvalv, med autentisering som förmedlas när ett godkänt anrop görs.

Varje styrd förfrågan kan dessutom attribueras till tre parter: användaren, agenten som agerar för den användaren och applikationen genom vilken förfrågan initierades. Tillåtna, avvisade, hastighetsbegränsade och godkännandegateda åtgärder registreras i audit‑spåret.

Viktigt är att Palma inte påstår sig ersätta ett företags befintliga säkerhetsinfrastruktur. Dokumentationen påpekar att plattformen endast styr trafik som dirigeras genom dess connector och inte kan upptäcka varje ohanterad MCP‑server som körs på anställdas enheter. Identitetsleverantörer, endpoint‑kontroller, nätverkssäkerhet och befintliga policysystem förblir därför en del av den bredare säkerhetsmodellen.

Investerare blir tidiga kunder

Deltagandet av D11Z och Plug and Play som både investerare och kunder ger denna finansieringsrunda en extra dimension.

Båda riskkapitalfirmorna använder Palma.ai som en del av sina insatser för att förse sina team med AI‑agenter som kan operera över interna system samtidigt som centrala behörigheter och tillsyn bibehålls.

“Varje företag kommer snart att ge AI‑agenter nycklarna till sina system,” sade Palma.ai:s VD och medgrundare Patrick Eden. “Frågan är om någon håller ett öga på dörren.”

Eden var tidigare medgrundare till infrastruktur‑övervakningsföretaget Replex, som förvärvades av Cisco 2021. Palma.ai:s CTO och medgrundare Julian Kolbe har över ett decennium av erfarenhet av att bygga system för europeiska fintech‑ och bilindustriföretag, inklusive infrastruktur som opererar i reglerade miljöer.

Startupen säger att den har varit i drift sedan början av 2026.

Agentstyrning blir infrastruktur

Tidpunkten för Palmas kapitalanskaffning speglar en bredare förändring på marknaden för företags‑AI.

Företag experimenterar i allt högre grad med agenter som kan vidta åtgärder snarare än enbart leverera svar. Samtidigt blir ekosystemet kring MCP mer formaliserat. Linux Foundation lanserade Agentic AI Foundation i slutet av 2025, och i september 2026 introducerade den sin första officiella MCP‑certifiering som omfattar arkitektur, exekvering, säkerhet och styrning.

Reglering ger ytterligare incitament för företag att förstå hur AI‑system fungerar. EU:s AI‑lag trädde i kraft den 2 augusti 2026, även om krav för vissa hög‑risk‑system fortfarande är föremål för senare implementeringsdatum.

För företag kan den omedelbara utmaningen dock vara mer operativ än regulatorisk: när en AI‑agent kan ändra en CRM‑post, få åtkomst till känslig data eller trigga ett produktionsarbetsflöde, behöver organisationerna kontroller som fungerar i maskinhastighet utan att varje distribution blir obegränsad åtkomst eller kräver ständig manuell godkännande.

Palma.ai satsar på att lösningen blir ett gemensamt styrningslager som sitter mellan agenter och de system de i allt högre grad kontrollerar.

Dess förseed‑runda på 1,8 miljoner USD ger företaget ytterligare kapital för att testa om det lagret kan bli en standarddel av företags‑AI‑stacken när agenter går från experiment till daglig drift.