DataAgent ปรากฏตัวจากโหมดลับพร้อมเงินทุน Pre‑Seed มูลค่า 10 ล้านดอลลาร์เพื่อสร้างโครงสร้างคลาวด์ที่สามารถรักษาตัวเองได้

DataAgent ปรากฏตัวจากโหมดลับพร้อมเงินทุน Pre‑Seed มูลค่า 10 ล้านดอลลาร์ในขณะที่เปิดตัวแพลตฟอร์ม AI‑native ที่ออกแบบมาเพื่อยกระดับการจัดการโครงสร้างคลาวด์ให้ก้าวไกลเกินการตรวจจับปัญหาและมุ่งสู่การแก้ไขอัตโนมัติ

รอบการระดมทุนนี้นำโดย MizMaa Ventures และ Alicorn Venture Partners. DataAgent มีแผนที่จะใช้เงินทุนเพื่อเปิดตัวแพลตฟอร์มสู่ตลาดและขยายการนำไปใช้ในอเมริกาเหนือ. ก่อตั้งในเดือนมกราคม 2026, บริษัทที่ตั้งอยู่ในเทลอาวีฟนี้มีพนักงาน 15 คนในขณะนี้และนำโดยผู้ร่วมก่อตั้ง Ishay Yaari, CEO, และ Nati Shalom, CTO.

At the center of DataAgent’s approach is what it calls a remediation-first Digital Immune System for modern applications. Rather than acting primarily as another layer for collecting logs, generating alerts, or explaining incidents to engineers, the platform is designed to operate within Kubernetes and connected cloud infrastructure and take action when failures occur.

การพลิกกลับกระบวนการสังเกตแบบดั้งเดิม

แพลตฟอร์มการสังเกตสมัยใหม่ได้กลายเป็นสิ่งจำเป็นสำหรับการทำความเข้าใจแอปพลิเคชันที่ซับซ้อนมากขึ้นเรื่อย ๆ, แต่กระบวนการทำงานพื้นฐานยังคงเป็นเชิงตอบสนองเป็นส่วนใหญ่: ระบบตรวจพบปัญหา, วิศวกรได้รับการแจ้งเตือน, มีคนตรวจสอบสาเหตุ, และในที่สุดจึงมีการแก้ไขปัญหา

DataAgent กำลังพยายามพลิกกลับลำดับนั้น.

ซอฟต์แวร์ของมันอ่านสถานะระบบแบบเรียลไทม์, โทโพโลยี, และข้อมูลการกำหนดค่าที่โครงสร้างพื้นฐานกำลังทำงานอยู่. เมื่อพบความล้มเหลวที่ระบบเข้าใจ, แพลตฟอร์มสามารถทำการแก้ไขที่ตรวจสอบแล้วเป็นอันดับแรกและทำการวิเคราะห์สาเหตุเชิงลึกต่อมา. เป้าหมายคือการฟื้นฟูบริการโดยไม่ต้องรอให้วิศวกรมนุษย์ตรวจสอบบันทึกและแดชบอร์ด

เว็บไซต์สาธารณะของบริษัทสรุปปรัชญานี้เป็นวลี “Remediation‑First, the rest is noise.”

ช่วงเวลานี้สะท้อนปัญหาที่กว้างขึ้นที่ทีมโครงสร้างพื้นฐานกำลังเผชิญ. Grafana Labs’ 2025 Observability Survey พบว่าความซับซ้อนและภาระงานยังคงเป็นข้อกังวลเกี่ยวกับการสังเกตที่ถูกอ้างอิงบ่อยที่สุด, ตามด้วยความท้าทายด้านสัญญาณต่อสัญญาณรบกวนและค่าใช้จ่าย. ครึ่งหนึ่งของผู้ตอบแบบสอบถามในขณะนี้ใช้การสังเกตแบบ Software‑as‑a‑Service (SaaS) ในรูปแบบใดรูปแบบหนึ่ง, แสดงให้เห็นว่าข้อมูลการทำงานถูกประมวลผลผ่านแพลตฟอร์มภายนอกมากขึ้นเรื่อย ๆ

SRE อัตโนมัติทำงานภายในโครงสร้างพื้นฐาน

DataAgent อธิบายแพลตฟอร์มของตนว่าเป็น Site Reliability Engineer (SRE) อัตโนมัติ, แต่สถาปัตยกรรมของมันมีข้อจำกัดมากกว่าที่ป้ายกำกับนี้อาจบ่งบอกในตอนแรก

ระบบสร้างโมเดลของโทโพโลยี, สภาพแวดล้อม, โค้ด, และการกำหนดค่าของลูกค้าแทนที่จะตัดสินใจบนพื้นฐานของบันทึกหรือการแจ้งเตือนที่แยกจากกัน. ในระหว่างการปรับใช้, ระบบระบุประเภทของความล้มเหลวที่เชื่อว่าสามารถแก้ไขได้อย่างเชื่อถือได้. ระบบจะทำการอัตโนมัติบนประเภทความล้มเหลวเท่านั้นเมื่อความสามารถนั้นได้รับการยืนยัน, ส่วนปัญหาที่ไม่คุ้นเคยหรือไม่แน่นอนจะถูกส่งต่อให้ผู้ดำเนินการมนุษย์

ลูกค้ายังสามารถกำหนดแนวทางการป้องกันเกี่ยวกับการกระทำที่ระบบได้รับอนุญาตให้ทำได้

การควบคุมเหล่านี้สำคัญเพราะการจัดการโครงสร้างพื้นฐานแบบอัตโนมัติมีความเสี่ยงสูงกว่าผู้ช่วย AI ที่เพียงแค่แนะนำคำสั่ง. คำแนะนำที่ผิดพลาดอาจถูกวิศวกรปฏิเสธ; ระบบอัตโนมัติที่มีสิทธิ์การผลิตอาจทำการรีสตาร์ท, ปรับขนาด, ย้อนกลับ, หรือแก้ไขงานก่อนที่บุคคลจะเข้ามาแทรกแซง

ดังนั้นแนวทางของ DataAgent จึงอิงการขยายประเภทของปัญหาที่ระบบได้รับอนุญาตให้ดำเนินการอย่างค่อยเป็นค่อยไป แทนการให้สิทธิ์อัตโนมัติอย่างกว้างขวางตั้งแต่แรก

การเก็บข้อมูลการสังเกตเพิ่มเติมภายในคลัสเตอร์

นอกจากนี้ยังมีเหตุผลด้านเศรษฐกิจอยู่เบื้องหลังสถาปัตยกรรมนี้

การสังเกตคลาวด์แบบดั้งเดิมมักเกี่ยวข้องกับการส่งบันทึก, เมตริก, และการติดตามจำนวนมากไปยังบริการภายนอกที่ข้อมูลเหล่านั้นถูกรับเข้า, ทำดัชนี, จัดเก็บ, และวิเคราะห์. ค่าใช้จ่ายอาจเพิ่มขึ้นพร้อมกับการใช้โครงสร้างพื้นฐานและปริมาณข้อมูลการตรวจวัด

DataAgent แทนที่จะวางเอเจนต์ของตนใกล้กับงานที่ทำอยู่. ความผิดพลาดทั่วไปสามารถวิเคราะห์และแก้ไขได้ในที่เดียว, โดยการตรวจสอบเชิงลึกจะสงวนไว้สำหรับเหตุการณ์ที่ต้องการ. บริษัทอ้างว่าสิ่งนี้สามารถลดปริมาณข้อมูลที่ต้องผ่านไปยังสายการรับเข้าและทำดัชนีที่มีค่าใช้จ่ายสูงได้, พร้อมกับให้แพลตฟอร์มของตนทำงานเคียงข้างระบบตรวจสอบที่มีอยู่แล้ว แทนที่จะต้องเปลี่ยนทดแทนทันที

นี่อาจกลายเป็นความแตกต่างที่สำคัญเมื่อ AI เพิ่มจำนวนซอฟต์แวร์ที่สร้างและดำเนินการ. แอปพลิเคชัน, เซอร์วิส, คอนเทนเนอร์, และเอเจนต์ AI ที่เพิ่มขึ้นในที่สุดจะสร้างเหตุการณ์และข้อมูลการตรวจวัดของโครงสร้างพื้นฐานมากขึ้น. การเก็บรวบรวมข้อมูลเพิ่มขึ้นเพียงอย่างเดียวอาจกลายเป็นค่าใช้จ่ายที่เพิ่มขึ้นอย่างต่อเนื่อง หากซอฟต์แวร์ไม่สามารถกำหนดสัญญาณที่จริง ๆ ต้องการความสนใจได้

โอเพ่นซอร์สเป็นเส้นทางสู่ความเชื่อมั่นในโครงสร้างพื้นฐาน

อีกหนึ่งองค์ประกอบที่น่าสังเกตคือการตัดสินใจของ DataAgent ที่ทำให้เอเจนต์พื้นฐานของตนเป็นโอเพ่นซอร์ส. เอเจนต์สามารถปรับใช้ได้อย่างอิสระ, ในขณะที่บริษัทมีแผนที่จะทำรายได้จากชั้น SaaS สำหรับการจัดการและประสานงานกลุ่มเอเจนต์

โมเดลนั้นอาจช่วยแก้ไขหนึ่งในอุปสรรคที่ยากที่สุดที่ซอฟต์แวร์การดำเนินงานอัตโนมัติกำลังเผชิญ: บริษัทต่าง ๆ ถูกขอให้ให้ระบบที่ขับเคลื่อนด้วย AI เข้าถึงโครงสร้างพื้นฐานการผลิตที่ความผิดพลาดอาจทำให้เกิดการหยุดทำงาน

การที่สามารถตรวจสอบและดำเนินการเอเจนต์ในระดับท้องถิ่นทำให้ทีมโครงสร้างพื้นฐานมีการมองเห็นมากขึ้นว่ามีอะไรทำงานอยู่ภายในสภาพแวดล้อมของตน, แม้ว่าการทดสอบที่ใหญ่กว่าจะเป็นว่าธุรกิจจะรู้สึกสบายใจพอที่จะให้เอเจนต์เหล่านั้นทำการกระทำที่มีผลสำคัญเพิ่มขึ้นหรือไม่

ผู้เชี่ยวชาญการประสานคลาวด์กลับมาพร้อมการเดิมพันโครงสร้างพื้นฐานครั้งใหม่

Yaari และ Shalom เคยทำงานร่วมกันที่ Cloudify, ที่ Yaari ดำรงตำแหน่ง Chief Revenue Officer และ Shalom เป็นผู้ก่อตั้งและ CTO. Dell ได้เข้าซื้อบริษัทการประสานคลาวด์และอัตโนมัติโครงสร้างพื้นฐานในปี 2023 ในธุรกรรมที่ TechCrunch รายงานว่าอาจมีมูลค่าสูงถึง 100 ล้านดอลลาร์

พื้นฐานนั้นมีความเกี่ยวข้องโดยเฉพาะกับ DataAgent. Cloudify มุ่งเน้นการประสานโครงสร้างพื้นฐานผ่าน Kubernetes, แพลตฟอร์มคลาวด์, และเครื่องมือ DevOps ที่มีอยู่. DataAgent ก้าวขึ้นไปอีกระดับในสแต็กอัตโนมัติโดยพยายามให้ซอฟต์แวร์มีความสามารถไม่เพียงแค่ประสานโครงสร้างพื้นฐาน แต่ยังกำหนดว่าเมื่อไหร่ที่โครงสร้างพื้นฐานนั้นต้องการการเปลี่ยนแปลง

เงินทุนใหม่จะสนับสนุนการเปิดตัวเชิงพาณิชย์และการขยายของ DataAgent, รวมถึงการจ้างงานเพิ่มเติมเพื่อเข้าสู่ตลาดในสหรัฐอเมริกาและอิสราเอล

จากการสังเกตสู่โครงสร้างพื้นฐานที่รักษาตัวเองได้

โอกาสที่ใหญ่ขึ้นสำหรับ DataAgent เชื่อมโยงกับการเปลี่ยนแปลงที่กำลังเริ่มต้นอยู่ทั่ว AI ระดับองค์กร: การย้ายจากระบบที่อธิบายว่ามนุษย์ควรทำอะไร ไปสู่ระบบที่สามารถดำเนินการเองได้

โครงสร้างพื้นฐานเป็นพื้นที่ที่มีผลสำคัญเป็นพิเศษสำหรับการเปลี่ยนแปลงนั้น. เปอร์เซ็นต์สูงของเหตุการณ์การผลิตเกี่ยวข้องกับปัญหาที่ทำซ้ำได้ซึ่งทีม SRE ที่มีประสบการณ์รู้วิธีแก้ไขอยู่แล้ว. หากเอเจนต์ AI สามารถดูดซับงานประจำเหล่านั้นได้อย่างปลอดภัย, การสังเกตอาจค่อย ๆ พัฒนาไปจากระบบที่ทำความเข้าใจโครงสร้างพื้นฐานเป็นชั้นควบคุมที่ดูแลอย่างต่อเนื่อง

DataAgent ผสานวงจรการแก้ไขการผลิตนี้กับระบบก่อนการผลิตที่มุ่งหมายระบุและป้องกันความล้มเหลวก่อนที่ซอฟต์แวร์จะถูกปรับใช้. บริษัทอธิบายกระบวนการที่ได้เป็นกระบวนการที่บทเรียนจากเหตุการณ์และความล้มเหลวที่ถูกป้องกันสามารถขยายความสามารถของระบบในการทำงานอัตโนมัติได้อย่างต่อเนื่อง

ความท้าทายคือการแสดงให้เห็นว่าการทำงานอัตโนมัติสามารถขยายขนาดได้โดยไม่สร้างความเสี่ยงการดำเนินงานประเภทใหม่. สภาพแวดล้อมโครงสร้างพื้นฐานแตกต่างกันอย่างมาก, ความล้มเหลวที่ไม่คาดคิดเป็นสิ่งหลีกเลี่ยงไม่ได้, และการแก้ไขอัตโนมัติที่ทำงานได้ในสถาปัตยกรรมหนึ่งอาจเป็นอันตรายในอีกสถาปัตยกรรมหนึ่ง

หากมาตรการป้องกันเหล่านั้นพิสูจน์ว่ามั่นคง, อย่างไรก็ตาม, รุ่นต่อไปของแพลตฟอร์มการสังเกตอาจถูกประเมินไม่ใช่จากความเร็วที่พวกเขาสามารถบอกวิศวกรว่าทำไมสิ่งใดสิ่งหนึ่งถึงพัง, แต่จากความถี่ที่วิศวกรไม่ต้องเข้าไปมีส่วนร่วมเลย. DataAgent’s รอบ Pre‑seed มูลค่า 10 ล้านดอลลาร์เป็นการเดิมพันล่วงหน้าต่อการเปลี่ยนแปลงนั้น.