DataBahn збирає $40 млн для створення агентської контрольної площини для корпоративних даних

DataBahn зібрала $40 млн у рамках другого раунду фінансування, щоб розширити інфраструктуру, яку підприємства використовують для підготовки, управління та доставки даних до систем штучного інтелекту.

Insight Partners очолили раунд, у якому також взяли участь існуючі інвестори Forgepoint Capital, GTM Capital і S3 Ventures. Інвестиції збільшують загальне фінансування компанії до $59 млн після того, як у червні 2025 року було оголошено про інвестиції у розмірі $17 млн у рамках першого раунду.

DataBahn планує спрямувати новий капітал на дослідження та розробку, додаткові можливості продукту та подальше розширення партнерської моделі продажів. Компанія позиціонує свою платформу як «агентську контрольну площину даних», інфраструктурний шар, призначений для управління рухом корпоративних даних між операційними системами, платформами безпеки, середовищами зберігання та моделями штучного інтелекту.

Перехід від традиційних конвеєрів даних

Традиційні корпоративні конвеєри даних зазвичай збирають інформацію з джерела та доставляють її до місця призначення, такого як система управління інформацією про безпеку та події, довідник даних або система хмарного зберігання.

Ця модель стає менш ефективною, коли збільшується кількість джерел даних, місць призначення та споживачів. Підприємство може потребувати збору журналів з хмарної інфраструктури, систем ідентифікації, кінцевих точок, застосунків, промислового обладнання та платформ програмного забезпечення як послуги, одночасно надсилаючи різні частини цієї інформації до інструментів безпеки, систем аналізу, озер даних та застосунків штучного інтелекту.

Переміщення всіх наявних подій у кожну систему нижнього рівня може створити суттєві витрати на зберігання, обробку та передачу даних у хмарі. Це також може ускладнити роботу аналітиків та моделей штучного інтелекту у пошуках інформації, яка є дійсно актуальною.

DataBahn вставляє шар управління між джерелами та місцями призначення. Її платформа може зібрати, відфільтрувати, нормалізувати, збагатити та маршрутизувати інформацію під час руху, а не вимагати від кожної нижньої програми незалежної обробки сирої інформації.

Компанія стверджує, що її технологія зараз підтримує понад 600 джерел даних та спроектована так, щоб залишатися незалежною від будь-якої конкретної платформи зберігання, постачальника безпеки чи моделі штучного інтелекту. Це дозволяє клієнтам змінювати місця призначення або використовувати кілька систем без перебудови шару збору навколо архітектури кожного постачальника.

DataBahn спочатку зосередилася в основному на телебаченні безпеки, але згодом розширила свою платформу, щоб охопити дані застосунків, спостереження та Інтернету речей та операційної техніки.

Підготовка корпоративних даних для агентів штучного інтелекту

Компонент штучного інтелекту стратегії DataBahn не обмежується лише додаванням розмовного інтерфейсу до існуючої платформи даних.

Її система Cruz AI функціонує як агентський інженер даних, який допомагає з роботою, традиційно виконуваною через ручні конфігурації та правила парсингу. Програмне забезпечення моніторить надходження схем даних, виявляє зміни та може генерувати оновлені парсери та відображення, коли формат джерела змінюється.

Це має значення, оскільки корпоративні джерела даних рідко залишаються статичними. Виробники програмного забезпечення вводять нові поля, змінюють формати подій та оновлюють інтерфейси програмування застосунків. Коли ці зміни розбивають конвеєр, команди безпеки та інженерії даних можуть втрачати видимість до тих пір, поки інтеграція не буде відремонтована.

DataBahn описує Cruz як спосіб перетворити цей процес на робочий потік на основі схвалення. Замість того, щоб інженери будували кожний конектор або парсер з початку, система може аналізувати змінене джерело та підготувати оновлену конфігурацію для розгляду.

Платформа також нормалізує інформацію у відповідні схеми, включаючи відкриту схему безпеки кібербезпеки. Стандартизація може зробити дані легшими для інтерпретації інструментами безпеки та системами штучного інтелекту, оскільки один і той же тип події представлений послідовно, незалежно від того, який продукт його згенерував.

Для агентів штучного інтелекту ширша мета полягає в тому, щоб забезпечити достатній контекст для підтримки рішення без копіювання всієї корпоративної власності даних у іншу платформу. DataBahn може обробляти інформацію безперервно, одночасно отримуючи додатковий контекст, коли застосунок або агент цього потребує.

Цей підхід може стати ще важливішим, оскільки підприємства переходять від генеративних систем штучного інтелекту, які в основному відповідають на питання, до агентів, які ініціюють робочі потоки, змінюють конфігурації або реагують на операційні події. Надійність цих агентів залежатиме частково від того, чи є підлегла інформація актуальною, правильно структурованою та керованою.

Інтелект переміщується всередину потоку даних

DataBahn також розробляє те, що називається автономним інтелектом даних у потоці, архітектурою, яка застосовує аналіз та прийняття рішень під час руху інформації.

Система призначена для виконання більшої кількості завдань, ніж просто підготовка даних до аналізу після досягнення місця призначення. Вона може оцінити якість даних, визначити відсутню інформацію та визначити, як окремі події повинні оброблятися в режимі реального часу.

У середовищі безпеки, наприклад, конвеєр міг би збагатити надходящу подію розвідданими про загрози, маршрутизувати високопріоритетну телебачення у платформу аналізу та перемістити інформацію нижчого пріоритету у менш дороге зберігання. Застосування цих рішень до того, як дані досягнуть платформи безпеки, могло б зменшити витрати на інгестію без примушення організації відмовлятися від інформації, яка може пізніше знадобитися для розслідування.

Компанія стверджує, що інтелект повинен знаходитися всередині конвеєра, а не застосовуватися лише після того, як дані вже зібрані та збережені.

Ця архітектура також відображає ширшу зміну у керуванні корпоративними даними. Конвеєр стає активним шаром політики та оркестрації, а не пасивною трубою, яка з’єднує дві системи.

Успіх підприємства стимулює раунд серії B

DataBahn повідомляє, що її доходи збільшилися на понад 400% у рік, а чистий рівень утримання доходів досяг 180%. Компанія також заявляє про відсутність відтоку клієнтів та 97% рівень успіху під час розгортання концепції доказу.

Компанія обслуговує організації у сфері охорони здоров’я, фінансових послуг, виробництва та транспорту, включаючи кілька компаній з списку Fortune 100. Серед її клієнтів – MVB Bank та Канадська пенсійна планова інвестиційна рада.

Головний інформаційний офіцер MVB Bank Парріш Ганнелс сказав, що платформа допомогла банку об’єднати кілька форматів даних, нормативні вимоги та аудиторські контролю у спільному середовищі, яке підтримує його агентів штучного інтелекту.

У Канадській пенсійній планівній інвестиційній раді технологія використовується для стандартизації налаштування безпеки телебачення. Організація сказала, що це зменшує необхідність у спеціальному інженерному забезпеченні для підключення нових джерел журналів та полегшує виявлення систем, які не надсилають очікувані дані.

DataBahn у значній мірі переслідувала цих клієнтів через канальні та технологічні партнерів, а не покладалася виключно на прямі продажі. Недавні ініціативи включають глибшу інтеграцію з екосистемою безпеки Microsoft (MSFT ) та розподільчу угоду в Азійсько-Тихоокеанському регіоні з дистриб’ютором кібербезпеки M.Tech.

Фінансування спрямоване на зростаючу інфраструктурну пляму

Раунд серії B дозволить DataBahn розширити продукт на перетині декількох усе більш дорогих корпоративних проблем.

Команди безпеки збирають більше телебачення для виявлення атак та виконання нормативних вимог. Команди даних та спостереження обробляють більші об’єми інформації про застосування та інфраструктуру. Команди штучного інтелекту тепер потребують доступу до операційних даних та бізнес-контексту.

Кожна група може придбати додаткову ємність зберігання та обробки, але це не вирішує основну дублікацію та фрагментацію. Дані можуть усе ще зібиратися кілька разів, трансформуватися по-різному кожною платформою та блокуватися в системах, які роблять його дорогим для повторного використання в іншому місці.

DataBahn ставить на те, що підприємства замість цього розмістять незалежний контрольний шар між системами, які виробляють дані, та тими, які споживають їх.

Виробництво більше, ніж просто зменшення рахунків за зберігання. Ефективна контрольна площина могла б визначити, якій інформації агент штучного інтелекту дозволено доступ, збагатити цю інформацію необхідним контекстом та підтримувати запис про те, як дані були трансформовані та маршрутизовані.

Це дало б конвеєру центральну роль у керуванні штучним інтелектом, особливо в галузях, де організації повинні пояснювати інформацію, використану автоматизованими системами.

Будівництво даних для агентського штучного інтелекту

Виклик для DataBahn полягає в тому, щоб продемонструвати, що нова категорія «агентської контрольної площини даних» достатньо відрізняється від існуючих конвеєрів даних, тканин безпеки та платформ спостереження, щоб виправдати ще один шар у стеку корпоративних технологій.

Великі хмарні та безпечні постачальники також розширюють свої можливості маршрутизації даних, зберігання та штучного інтелекту. Аргумент DataBahn полягає в тому, що нейтральна платформа може надати клієнтам більший контроль над тим, де зберігається інформація та які застосування або моделі її споживають.

Її здатність зберегти цю нейтральність під час інтеграції з все більшим числом корпоративних систем буде важливою під час масштабування компанії.

Раунд серії B надає DataBahn додаткові ресурси для розробки цієї архітектури, оскільки агенти штучного інтелекту стають все більш глибоко вбудованими в корпоративні операції. Центральна ідея проста: організаціям не обов’язково потрібно зібрати та скопіювати більше даних. їм потрібний кращий спосіб ідентифікації, управління та активації інформації, яка має значення в момент її необхідності.

DataBahn планує продемонструвати свої наступні можливості агентської контрольної площини даних на Black Hat USA 2026.