A AIR levanta US$ 50 milhões para verificar as ferramentas usadas por agentes de IA

A AIR saiu do modo stealth com US$ 50 milhões em financiamento seed para ajudar empresas a identificar os agentes de IA que operam em seus ambientes e avaliar as ferramentas que esses agentes usam. A startup está mirando uma lacuna de segurança criada por skills, plugins, servidores MCP e outros complementos que dão aos agentes acesso a sistemas corporativos e à internet.

A empresa levantou o dinheiro em duas rodadas encerradas com poucas semanas de diferença, segundo a TechCrunch. A Sequoia liderou uma rodada de US$ 10 milhões, enquanto a Greenoaks liderou uma rodada subsequente de US$ 40 milhões. A AIR foi fundada pelo CEO Yair Saban e pelo CTO Niv Hoffman, que anteriormente serviram no corpo de inteligência israelense Unit 8200, segundo o relatório.

A AIR afirma que sua plataforma pode descobrir agentes em uma empresa, inspecionar os componentes de que eles dependem e intervir quando um agente tenta usar uma ferramenta não aprovada ou acessar uma fonte externa que falhe nas verificações de segurança. O financiamento apoiará contratações adicionais em pesquisa e a expansão comercial nos Estados Unidos e na Europa.

A aposta da AIR em uma cadeia de suprimentos de software para agentes

A premissa da empresa é que os agentes de IA estão se tornando uma nova camada de software dentro das empresas, mas os componentes que carregam ainda não são governados como aplicativos convencionais ou drivers de sistema. Uma empresa pode implantar um agente para suporte ao cliente, programação, pesquisa ou operações internas, enquanto o agente invoca de forma independente uma skill, se conecta a um servidor MCP ou recupera conteúdo da web.

Essa flexibilidade cria um problema de cadeia de suprimentos. Uma ferramenta que parece segura quando aprovada pode depois mudar, baixar uma dependência comprometida ou ser afetada por uma tomada de conta. Atacantes também podem tentar manipular as informações que um agente consome em vez de atacar diretamente o modelo subjacente.

A abordagem de produto relatada da AIR tem três partes. Uma camada de descoberta procura agentes e identifica funcionários que usam serviços de IA fora da aprovação de TI, incluindo contas pessoais. Uma camada de enforcement intercepta ações do agente, como carregar uma skill ou buscar conteúdo da internet. Em seguida, a plataforma compara ferramentas e complementos com uma política da empresa ou com o próprio catálogo de componentes avaliados da AIR.

A TechCrunch relatou que a AIR mantém um marketplace de skills e complementos verificados. O CEO Yair Saban disse à publicação que o sistema da empresa atualmente filtra cerca de 27% dos componentes que encontra online. Esse número é uma alegação operacional reportada pela empresa; as evidências disponíveis não especificam o tamanho da amostra, a metodologia de teste ou como componentes “arriscados” são classificados.

O financiamento chega a uma categoria de segurança lotada

A AIR entra em um mercado que já inclui vários fornecedores focados em visibilidade e controle de agentes. A TechCrunch identificou Noma Security, Zenity, Astrix Security e Operant AI como empresas que oferecem capacidades sobrepostas em torno de agentes de IA, servidores MCP, controles de acesso ou proteção em tempo de execução.

A categoria está atraindo investimentos substanciais de venture capital. A Zenity levantou, segundo relatos, US$ 125 milhões em uma Série C em agosto, enquanto a Noma Security anteriormente levantou US$ 100 milhões em uma Série B. Esses financiamentos sugerem que os investidores veem a governança de agentes como um mercado distinto de software corporativo, embora os níveis de financiamento não estabeleçam a eficácia do produto nem a demanda dos clientes.

A diferenciação declarada da AIR é a reavaliação contínua dos componentes que os agentes usam, em vez de uma varredura única. O parceiro da Sequoia Bogomil Balkansky descreveu o desafio, em uma declaração fornecida à TechCrunch, como um problema de infraestrutura que exige inspeção repetida sempre que uma skill, plugin ou servidor MCP muda. Essa é a avaliação de um investidor sobre a abordagem da empresa, não uma validação independente da vantagem técnica da AIR.

O que as evidências dizem sobre a adoção

A AIR diz ter mais de 20 clientes, com aproximadamente um quarto classificados como grandes empresas, segundo comentários de Saban à TechCrunch. A empresa também disse que a demanda tem sido mais forte em serviços financeiros e farmacêuticas, setores em que controles de dados, auditabilidade e gerenciamento de risco de terceiros já são preocupações importantes de compra.

Esses números de adoção foram reportados pela própria fornecedora e não foram verificados de forma independente no material de origem. O relatório não nomeia clientes, não divulga receita nem fornece resultados de implantação mostrando com que frequência a AIR bloqueia comportamentos maliciosos ou que violem políticas. Isso deixa em aberto questões importantes sobre como o produto se comporta em ambientes de agentes grandes e heterogêneos.

A empresa tem cerca de 40 funcionários, informou a TechCrunch. Seu novo capital dá à AIR espaço para construir uma operação de pesquisa maior e vender na Europa e nos EUA, mas também aumenta o desafio de execução: a startup precisa acompanhar estruturas de agentes, protocolos de ferramentas e políticas de provedores de modelos em rápida mudança, ao mesmo tempo em que se integra a sistemas que as empresas já usam.

Por que o produto importa para quem constrói e compra IA

Para equipes de produto de IA, o problema é prático. Um agente que pode consultar um banco de dados, executar código, enviar e-mail ou navegar na web pode ter uma superfície de ataque maior do que um chatbot convencional. Equipes que constroem agentes internos precisarão de inventários das ferramentas disponíveis, políticas claras de aprovação, registros das ações do agente e uma forma de revogar acesso quando um componente mudar.

O modelo da AIR pode atrair empresas que usam vários provedores de modelos ou constroem agentes em múltiplas plataformas. Uma camada de controle independente pode ser útil quando as equipes de segurança não querem depender de cada fornecedor de IA para implementar verificações compatíveis. Também pode ajudar organizações a lidar com shadow AI, em que funcionários conectam serviços não aprovados aos dados da empresa.

A contrapartida é operacional. Bloqueios agressivos podem impedir fluxos de trabalho úteis, enquanto políticas permissivas podem deixar organizações expostas a prompt injection, dependências maliciosas ou divulgação acidental de dados. Os compradores precisarão de evidências de que a AIR consegue distinguir comportamento genuinamente perigoso de atividade incomum, mas legítima, de agentes, e de que sua camada de enforcement não cria problemas inaceitáveis de latência ou confiabilidade.

Para desenvolvedores, a verificação contínua pode se tornar parte do processo de lançamento de skills e integrações de agentes. Criadores de ferramentas podem enfrentar exigências por pacotes assinados, dependências transparentes, notificações de mudanças e escopos de permissão mais claros. Esses requisitos adicionariam atrito, mas também poderiam tornar ecossistemas de agentes mais fáceis de adotar por equipes de segurança corporativa.

O que observar a seguir

Os próximos sinais serão evidências de clientes mais detalhadas, incluindo implantações nomeadas, reduções mensuráveis no uso de ferramentas arriscadas e testes independentes das alegações de detecção da AIR. Os compradores também devem observar se a empresa publica informações técnicas sobre seu pipeline de avaliação, monitoramento de atualizações e controles de política.

A concorrência será outro indicador. O mercado provavelmente se dividirá entre produtos que descobrem agentes e plataformas que inspecionam e aplicam ações continuamente entre fornecedores. Os desenvolvimentos em Noma Security, Zenity, Astrix Security e Operant AI podem esclarecer se a verificação contínua de componentes se torna um recurso padrão ou continua sendo o posicionamento central da AIR.

Fornecedores de modelos de IA e plataformas de agentes também podem adicionar controles nativos para aprovação de ferramentas, assinatura de pacotes e monitoramento em tempo de execução. Se esses controles se tornarem interoperáveis, a AIR poderá se tornar uma camada independente de coordenação. Se permanecerem fragmentados, a startup pode encontrar uma abertura mais forte com empresas que operam pilhas mistas de agentes.

Perspectiva da Creati.ai

O financiamento da AIR reflete uma mudança real na implantação de IA corporativa: a fronteira de segurança está se movendo além do modelo e entrando nas ferramentas que um agente pode descobrir, instalar e invocar. A empresa está lidando com um problema operacional concreto, mas sua diferenciação depende de provar que a rechecagem contínua oferece proteção melhor do que os controles existentes de segurança de aplicativos e identidade.

O teste mais importante não será o tamanho do financiamento da AIR nem seu número inicial de clientes. Será se as equipes de segurança conseguem usar a plataforma sem desacelerar a automação legítima e se a AIR consegue manter avaliações precisas e atualizadas à medida que os componentes dos agentes mudam mais rápido do que os ciclos tradicionais de revisão de software.