Unbound samlar in 4 miljoner dollar för att bringa företagsklassens kontroll till AI-revolutionen

Medan generativ AI exploderar över arbetsplatserna uppstår en ny klass av infrastruktur för att tämja kaoset. Unbound, ett San Francisco-baserat startup, har säkrat en seedrunda på 4 miljoner dollar för att hjälpa företag att anta AI på sina egna villkor – säkert, observerbart och kostnadseffektivt.

Rundan leddes av Race Capital, med stöd från Wayfinder Ventures, Y Combinator, Massive Tech Ventures, och en noterbar lista av änglar, inklusive Google (GOOGL ) -styrelsemedlemmen Ram Shriram och cybersäkerhetsveteraner från Cloudflare och Palo Alto Networks (PANW ). Företaget positionerar sig självt i framkanten av AI-styrning – en alltmer brådskande sektor när företag kämpar med AI-antagande i stor skala.

The Shadow IT Crisis of AI

Från marknadsföringsteam som använder ChatGPT till ingenjörer som kör kod genom Copilot, har AI-verktyg blivit oumbärliga – och ofta oreglerade. Denna “skugg-AI”-antagande introducerar verkliga risker: läckage av proprietär data, oövervakade kostnader och introduktion av tredjepartsmodeller utan säkerhetsgranskningar. IT-team lämnas ofta i mörkret, utan möjlighet att verkställa policy eller skydda känslig data.

Unbound föddes ur detta problem. Plattformen fungerar som en AI-gateway, ett säkert mellanprogram som integrerar direkt med populära företags-AI-verktyg som Cursor, Roo och interna dokumentcopiloter. Istället för att blockera åtkomst till generativa modeller introducerar Unbound finmaskiga kontroller, realtidsredigering, modellrouting och robust användaranalys – allt utan att bryta befintliga arbetsflöden.

AI Redaction and Model Routing—Explained

En av Unbounds mest innovativa funktioner är realtidspromptredigering. När användare interagerar med AI-verktyg skannar Unbound begäranden efter känsligt innehåll som lösenord, API-nycklar eller personuppgifter. Istället för att flagga eller blockera dem (som traditionella Data Loss Prevention-verktyg gör), redigerar systemet automatiskt hemligheter och dirigerar känsliga förfrågningar till interna modeller som finns på plattformar som Google Vertex AI, AWS Bedrock eller privata LLM:er inom företagets säkra miljö.

Detta arkitektoniska beslut speglar en växande trend: att behandla AI-trafik som nätverkstrafik, komplett med routing, redundans, observerbarhet och kostnadskontroll.

Unbounds routinglogik drivs av användningsmönster och modellprestandametrar. Till exempel kan högriskförfrågningar (såsom infrastrukturkodgenerering) dirigeras till toppmodeller som Gemini 2.5, medan lättare uppgifter (t.ex. grammatikredigering) offentliggörs till öppen källkods-LLM:er – vilket minskar onödig premiumlicensanvändning.

I praktiken översätter denna funktion till mätbara resultat. Tidiga antagare inom teknik- och hälsovårdssektorerna har använt Unbound för att:

• Förhindra över 7 000 potentiella data läckor, inklusive hemligheter, autentiseringsuppgifter och PII.
• Uppnå upp till 90% upptäcktsnoggrannhet för känsligt innehåll.
• Skära AI-säte licenskostnader med upp till 70%, tack vare smart routing och modelloptimering.

Istället för att köpa blankettlicenser kan företag selektivt ge åtkomst, säkerställande att modellanvändning motsvarar affärsprioriteringar.

Founders with Deep Security and Infrastructure DNA

Bakom plattformen står medgrundarna Rajaram Srinivasan (VD) och Vignesh Subbiah (CTO) – båda veteraner inom företagsprogramvara och säkerhet. Srinivasan ledde tidigare datasäkerhetsproduktteam på Palo Alto Networks och Imperva, medan Subbiah hjälpte till att skala plattformar från utsäde till tillväxtfas på Tophatter och Shogun innan han gick med i Adobe.

Deras uppdrag var tydligt: bygga ett system som möjliggör AI-innovation utan att kompromissa med företagsklassens säkerhet. “Blankettförbud mot AI-verktyg är föråldrade,” sa Subbiah. “Med Unbound tillhandahåller vi kirurgiska säkerhetskontroller för varje AI-förfrågan – vilket gör det möjligt för företag att flytta snabbt utan att bryta förtroendet.”

From Chaos to Coordination in the AI Stack

Den bredare marknaden validerar Unbounds vision. När företagsanvändning av AI växer, ökar också behovet av centraliserad hantering, transparens och säkerhetskopior. Nya studier uppskattar att den globala AI-styrningsindustrin kommer att öka från 890 miljoner dollar 2024 till 5,8 miljarder dollar 2029 – en årlig tillväxttakt på 45%.

Unbound positionerar sig som en mission-kritisk infrastruktur i denna nya stack. Funktioner som redundant routing under LLM-nedtid (när leverantörer som OpenAI eller Anthropic upplever begränsningar), teambaserad användaranalys och per-förfrågan modellorkestrering omvandlar AI-antagande från en fri för alla till ett kontrollerat, intelligent system.

“Tänk på oss som den omvända proxyn för företags-AI,” sa Srinivasan. “Vi sitter mellan användare och modeller, säkerställande sekretess, prestanda och kostnadseffektivitet – utan friktion.”

What’s Next for Unbound

Med denna finansiering planerar Unbound att:

• Utöka integrationer över 50+ företags-AI-applikationer.
• Lägga till djupare observerbarhetsfunktioner för team- och avdelningsnivåinsikter.
• Stödja fullständig orkestrering av interna och öppen källkodsmodeller över konfidentiella datormiljöer.

I en värld där varje avdelning blir en AI-superanvändare tillhandahåller Unbound den infrastruktur som behövs för att hålla den makten under kontroll – och i linje med affärsmål.

“Vi är stolta över att stödja Rajaram, Vignesh och teamet,” sa Edith Yeung, generell partner på Race Capital. “Unbound bygger den AI-styrningslager som företag desperat behöver – säker, observerbar och byggd för den riktiga världen.”

När generativ AI fortsätter att expandera över företagsarbetsflöden växer efterfrågan på verktyg som hanterar riskerna i samma takt. Unbounds 4-miljonerdollarseedrunda speglar en bredare förändring i branschen mot att bygga infrastruktur som kan ge synlighet, kontroll och styrning till AI-antagande. Med ökande intresse för säkra, anpassningsbara AI-ramverk ansluter Unbound till en växande kohort av startup-företag som hanterar den komplexa utmaningen att integrera AI på ett ansvarsfullt sätt i stor skala.