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.

หัวใจของแนวทาง DataAgent คือสิ่งที่บริษัทเรียกว่าระบบภูมิคุ้มกันดิจิทัลสำหรับแอปพลิเคชันสมัยใหม่ที่ให้ความสำคัญกับการแก้ไขปัญหาก่อน แพลตฟอร์มนี้ไม่ได้มุ่งเป็นเพียงอีกชั้นหนึ่งสำหรับรวบรวมบันทึก สร้างการแจ้งเตือน หรืออธิบายเหตุการณ์ให้วิศวกร แต่ถูกออกแบบให้ทำงานภายใน Kubernetes และโครงสร้างพื้นฐานคลาวด์ที่เชื่อมต่อกัน พร้อมลงมือดำเนินการเมื่อเกิดความล้มเหลว

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.