AIR recauda 50 millones de dólares para evaluar las herramientas que usan los agentes de IA

AIR ha salido de la fase de sigilo con 50 millones de dólares en financiación semilla para ayudar a las empresas a identificar a los agentes de IA que operan en sus entornos y evaluar las herramientas que esos agentes utilizan. La startup apunta a una brecha de seguridad creada por skills, plugins, servidores MCP y otros complementos que dan a los agentes acceso a sistemas empresariales e internet.

La compañía recaudó el dinero en dos rondas que se cerraron con pocas semanas de diferencia, según TechCrunch. Sequoia lideró una ronda de 10 millones de dólares, mientras que Greenoaks lideró una ronda posterior de 40 millones de dólares. AIR fue fundada por el CEO Yair Saban y el CTO Niv Hoffman, quienes anteriormente sirvieron en el cuerpo de inteligencia israelí Unit 8200, según el informe.

AIR afirma que su plataforma puede descubrir agentes en toda una empresa, inspeccionar los componentes de los que dependen e intervenir cuando un agente intenta usar una herramienta no aprobada o acceder a una fuente externa que no supera los controles de seguridad. La financiación respaldará la contratación adicional en investigación y la expansión comercial en Estados Unidos y Europa.

La apuesta de AIR por una cadena de suministro de software para agentes

La premisa de la compañía es que los agentes de IA se están convirtiendo en una nueva capa de software dentro de las empresas, pero los componentes que cargan aún no se rigen como las aplicaciones convencionales o los controladores del sistema. Una empresa puede desplegar un agente para atención al cliente, programación, investigación u operaciones internas, mientras el agente invoca de forma independiente una skill, se conecta a un servidor MCP o recupera contenido de la web.

Esa flexibilidad crea un problema de cadena de suministro. Una herramienta que parece segura cuando se aprueba puede cambiar después, descargar una dependencia comprometida o verse afectada por la toma de control de una cuenta. Los atacantes también pueden intentar manipular la información que consume un agente en lugar de atacar directamente el modelo subyacente.

El enfoque del producto de AIR, según lo informado, tiene tres partes. Una capa de descubrimiento busca agentes e identifica a empleados que usan servicios de IA fuera de la aprobación del departamento de TI, incluidas cuentas personales. Una capa de aplicación intercepta acciones del agente, como cargar una skill o buscar contenido en internet. Luego, la plataforma compara herramientas y complementos con una política de la empresa o con el propio catálogo de componentes evaluados de AIR.

TechCrunch informó que AIR mantiene un mercado de skills y complementos verificados. El CEO Yair Saban dijo a la publicación que el sistema de la compañía filtra actualmente alrededor del 27% de los componentes que encuentra en línea. Esa cifra es una afirmación operativa reportada por la empresa; la evidencia disponible no especifica el tamaño de la muestra, la metodología de prueba ni cómo se clasifican los componentes “de riesgo”.

La financiación llega a una categoría de seguridad abarrotada

AIR entra en un mercado que ya incluye a varios proveedores centrados en la visibilidad y el control de agentes. TechCrunch identificó a Noma Security, Zenity, Astrix Security y Operant AI como empresas que ofrecen capacidades superpuestas en torno a agentes de IA, servidores MCP, controles de acceso o protección en tiempo de ejecución.

La categoría está atrayendo una inversión de capital riesgo sustancial. Zenity recaudó, según se informó, 125 millones de dólares en una Serie C en agosto, mientras que Noma Security recaudó previamente 100 millones de dólares en una Serie B. Esas financiaciones sugieren que los inversores ven la gobernanza de agentes como un mercado de software empresarial diferenciado, aunque los niveles de financiación no establecen la eficacia del producto ni la demanda de los clientes.

La diferenciación declarada de AIR es la reevaluación continua de los componentes que usan los agentes, en lugar de un análisis único. Bogomil Balkansky, socio de Sequoia, describió el desafío en una declaración facilitada a TechCrunch como un problema de infraestructura que requiere inspección repetida cada vez que cambia una skill, un plugin o un servidor MCP. Esa es la valoración de un inversor sobre el enfoque de la compañía, no una validación independiente de la ventaja técnica de AIR.

Lo que dice la evidencia sobre la adopción

AIR dice que tiene más de 20 clientes, y aproximadamente una cuarta parte se clasifican como grandes empresas, según los comentarios de Saban a TechCrunch. La compañía también señaló que la demanda ha sido más fuerte en los servicios financieros y las farmacéuticas, sectores en los que los controles de datos, la auditabilidad y la gestión del riesgo de terceros ya son preocupaciones importantes de compra.

Estas cifras de adopción son reportadas por el proveedor y no fueron verificadas de forma independiente en el material fuente. El informe no nombra clientes, no revela ingresos ni ofrece resultados de despliegue que muestren con qué frecuencia AIR bloquea comportamientos maliciosos o que infringen políticas. Eso deja abiertas cuestiones importantes sobre cómo rinde el producto en entornos de agentes grandes y heterogéneos.

La compañía tiene unos 40 empleados, informó TechCrunch. Su nuevo capital da a AIR margen para construir una operación de investigación más grande y vender en Europa y Estados Unidos, pero también eleva el desafío de ejecución: la startup debe seguir el ritmo de marcos de agentes, protocolos de herramientas y políticas de proveedores de modelos que cambian rápidamente, al tiempo que se integra con sistemas que las empresas ya utilizan.

Por qué el producto importa para quienes construyen y compran IA

Para los equipos de producto de IA, el problema es práctico. Un agente que puede consultar una base de datos, ejecutar código, enviar un correo electrónico o navegar por la web puede tener una superficie de ataque mayor que un chatbot convencional. Los equipos que construyen agentes internos necesitarán inventarios de las herramientas disponibles, políticas claras de aprobación, registros de las acciones de los agentes y una forma de revocar el acceso cuando un componente cambie.

El modelo de AIR podría resultar atractivo para empresas que usan varios proveedores de modelos o construyen agentes a través de múltiples plataformas. Una capa de control independiente puede ser útil cuando los equipos de seguridad no quieren depender de que cada proveedor de IA implemente controles compatibles. También podría ayudar a las organizaciones a abordar la IA en la sombra, donde los empleados conectan servicios no aprobados a datos de la empresa.

La contrapartida es operativa. Un bloqueo agresivo puede impedir flujos de trabajo útiles, mientras que unas políticas permisivas pueden dejar a las organizaciones expuestas a inyección de prompts, dependencias maliciosas o divulgación accidental de datos. Los compradores necesitarán pruebas de que AIR puede distinguir un comportamiento realmente peligroso de una actividad de agentes inusual pero legítima, y de que su capa de aplicación no crea problemas inaceptables de latencia o fiabilidad.

Para los desarrolladores, la verificación continua puede convertirse en parte del proceso de lanzamiento de skills e integraciones de agentes. Los autores de herramientas podrían enfrentarse a exigencias de paquetes firmados, dependencias transparentes, notificaciones de cambios y ámbitos de permiso más claros. Esos requisitos añadirían fricción, pero también podrían facilitar que los equipos de seguridad empresarial adopten ecosistemas de agentes.

Qué vigilar a continuación

Las próximas señales serán pruebas de clientes más detalladas, incluidos despliegues con nombre, reducciones medibles en el uso de herramientas de riesgo y pruebas independientes de las afirmaciones de detección de AIR. Los compradores también deberían vigilar si la compañía publica información técnica sobre su canal de evaluación, la supervisión de actualizaciones y los controles de políticas.

La competencia será otro indicador. Es probable que el mercado se separe entre productos que principalmente descubren agentes y plataformas que inspeccionan y aplican continuamente acciones entre proveedores. Los avances de Noma Security, Zenity, Astrix Security y Operant AI pueden aclarar si la verificación continua de componentes se convierte en una función estándar o sigue siendo la posición central de AIR.

Los proveedores de modelos de IA y las plataformas de agentes también podrían añadir controles nativos para la aprobación de herramientas, la firma de paquetes y la supervisión en tiempo de ejecución. Si esos controles se vuelven interoperables, AIR podría convertirse en una capa independiente de coordinación. Si permanecen fragmentados, la startup podría encontrar una vía más fuerte con empresas que operan pilas de agentes mixtas.

Perspectiva de Creati.ai

La financiación de AIR refleja un cambio real en el despliegue de IA empresarial: el perímetro de seguridad se está moviendo más allá del modelo y hacia las herramientas que un agente puede descubrir, instalar e invocar. La compañía está abordando un problema operativo concreto, pero su diferenciación depende de demostrar que la reevaluación continua ofrece mejor protección que los controles existentes de seguridad de aplicaciones e identidad.

La prueba más importante no será el tamaño de la financiación de AIR ni su número inicial de clientes. Será si los equipos de seguridad pueden usar la plataforma sin ralentizar la automatización legítima, y si AIR puede mantener evaluaciones precisas y actualizadas a medida que los componentes de los agentes cambian más rápido que los ciclos tradicionales de revisión de software.