AIR привлекла 50 млн долларов, чтобы проверять инструменты, используемые ИИ-агентами

AIR вышла из тени, привлекла 50 миллионов долларов seed-финансирования, чтобы помочь компаниям выявлять ИИ-агентов, работающих в их средах, и оценивать инструменты, которые эти агенты используют. Стартап нацелен на пробел в безопасности, создаваемый skills, plugins, MCP servers и другими дополнениями, которые дают агентам доступ к корпоративным системам и интернету.

По данным TechCrunch, компания привлекла деньги в рамках двух раундов, закрытых с разницей в несколько недель. Sequoia возглавила раунд на 10 миллионов долларов, а Greenoaks — последующий раунд на 40 миллионов долларов. AIR была основана CEO Йаиром Сабаном и CTO Нивом Хоффманом, которые ранее служили в израильском разведывательном корпусе Unit 8200, говорится в материале.

AIR утверждает, что ее платформа может обнаруживать агентов внутри компании, изучать компоненты, на которые они опираются, и вмешиваться, когда агент пытается использовать не одобренный инструмент или получить доступ к внешнему источнику, не проходящему проверки безопасности. Привлеченные средства пойдут на дополнительный найм исследователей и расширение выхода на рынок в США и Европе.

Ставка AIR на цепочку поставок ПО для агентов

Смысл компании в том, что ИИ-агенты становятся новым программным слоем внутри бизнеса, но компоненты, которые они загружают, пока не регулируются так же, как обычные приложения или системные драйверы. Бизнес может внедрить агента для поддержки клиентов, программирования, исследований или внутренних операций, а агент при этом самостоятельно вызывает skill, подключается к MCP server или получает контент из сети.

Такая гибкость создает проблему цепочки поставок. Инструмент, который выглядит безопасным на момент одобрения, позже может измениться, скачать скомпрометированную зависимость или пострадать от захвата учетной записи. Злоумышленники также могут пытаться манипулировать информацией, которую потребляет агент, а не атаковать саму базовую модель.

Согласно публикации, продуктовый подход AIR состоит из трех частей. Слой обнаружения ищет агентов и выявляет сотрудников, использующих ИИ-сервисы без одобрения ИТ, включая личные аккаунты. Слой принуждения перехватывает действия агента, такие как загрузка skill или получение интернет-контента. Затем платформа сопоставляет инструменты и дополнения с политикой компании или собственным каталогом проверенных компонентов AIR.

TechCrunch сообщил, что AIR поддерживает маркетплейс проверенных skills и дополнений. CEO Йаир Сабан заявил изданию, что система компании в настоящее время отфильтровывает около 27% компонентов, найденных в интернете. Эта цифра является заявлением компании об операционных показателях; имеющиеся данные не уточняют размер выборки, методику тестирования или то, как классифицируются «рискованные» компоненты.

Финансирование приходит в переполненную категорию безопасности

AIR выходит на рынок, где уже есть несколько вендоров, сосредоточенных на видимости и контроле агентов. TechCrunch назвал Noma Security, Zenity, Astrix Security и Operant AI компаниями, предлагающими пересекающиеся возможности в области ИИ-агентов, MCP servers, контроля доступа или защиты во время выполнения.

Категория привлекает значительные венчурные инвестиции. Zenity, как сообщалось, привлекла 125 миллионов долларов в рамках Series C в августе, тогда как Noma Security ранее привлекла 100 миллионов долларов в Series B. Эти раунды показывают, что инвесторы видят в governance агентов отдельный рынок корпоративного ПО, хотя уровни финансирования сами по себе не доказывают ни эффективность продукта, ни спрос со стороны клиентов.

Заявленное отличие AIR — это непрерывная переоценка компонентов, которые используют агенты, а не разовый скан. Партнер Sequoia Богомил Балкански в заявлении для TechCrunch описал проблему как инфраструктурную, требующую повторной проверки всякий раз, когда меняется skill, plugin или MCP server. Это оценка подхода компании со стороны инвестора, а не независимое подтверждение технического преимущества AIR.

Что говорят данные о внедрении

AIR утверждает, что у нее более 20 клиентов, из которых примерно четверть — крупные предприятия, по словам Сабана в комментарии TechCrunch. Компания также заявила, что спрос особенно высок среди финансовых услуг и фармацевтических компаний — в секторах, где контроль данных, возможность аудита и управление рисками третьих сторон уже являются важнейшими критериями закупок.

Эти цифры по внедрению предоставлены самим поставщиком и не были независимо проверены в исходном материале. В отчете не названы клиенты, не раскрыта выручка и не приведены результаты развертываний, показывающие, как часто AIR блокирует вредоносное или нарушающее политику поведение. Это оставляет открытыми важные вопросы о том, как продукт работает в больших и разнородных средах агентов.

У компании около 40 сотрудников, сообщил TechCrunch. Новый капитал дает AIR возможность расширить исследовательскую команду и продавать в Европе и США, но одновременно усиливает задачу исполнения: стартап должен успевать за быстро меняющимися фреймворками агентов, протоколами инструментов и политиками провайдеров моделей, интегрируясь при этом с системами, которые предприятия уже используют.

Почему продукт важен для тех, кто создает и покупает ИИ

Для команд, создающих ИИ-продукты, проблема практическая. Агент, который может обращаться к базе данных, выполнять код, отправлять электронные письма или просматривать веб, может иметь большую поверхность атаки, чем обычный чатбот. Командам, создающим внутренних агентов, понадобятся инвентари доступных инструментов, четкие политики одобрения, журналы действий агента и способ отзывать доступ, когда компонент меняется.

Модель AIR может быть интересна предприятиям, которые используют нескольких поставщиков моделей или строят агентов на нескольких платформах. Независимый слой контроля может быть полезен, когда команды безопасности не хотят полагаться на то, что каждый вендор ИИ реализует совместимые проверки. Это также может помочь организациям бороться с shadow AI, когда сотрудники подключают не одобренные сервисы к данным компании.

Компромисс здесь — операционный. Агрессивная блокировка может мешать полезным рабочим процессам, а слишком мягкие политики могут оставить организации уязвимыми для prompt injection, вредоносных зависимостей или случайной утечки данных. Покупателям потребуются доказательства, что AIR умеет отличать действительно опасное поведение от необычной, но легитимной активности агентов, и что ее слой принуждения не создает неприемлемых проблем с задержкой или надежностью.

Для разработчиков непрерывная проверка может стать частью релизного процесса для skills и интеграций агентов. Создатели инструментов могут столкнуться с требованиями к подписанным пакетам, прозрачным зависимостям, уведомлениям об изменениях и более четким правам доступа. Эти требования добавят трения, но также могут упростить для команд корпоративной безопасности внедрение экосистем агентов.

На что смотреть дальше

Следующими сигналами станут более подробные доказательства со стороны клиентов, включая названные внедрения, измеримое сокращение использования рискованных инструментов и независимое тестирование заявлений AIR о детектировании. Покупателям также стоит следить за тем, публикует ли компания техническую информацию о своем конвейере оценки, мониторинге обновлений и политических контролях.

Конкуренция будет еще одним индикатором. Рынок, вероятно, разделится на продукты, которые в основном обнаруживают агентов, и платформы, которые непрерывно проверяют и применяют действия across vendors. Развитие Noma Security, Zenity, Astrix Security и Operant AI может прояснить, станет ли непрерывная проверка компонентов стандартной функцией или останется центральным позиционированием AIR.

Поставщики ИИ-моделей и платформы агентов также могут добавить нативные механизмы для одобрения инструментов, подписи пакетов и мониторинга во время выполнения. Если эти механизмы станут совместимыми, AIR может превратиться в независимый координационный слой. Если же они останутся фрагментированными, у стартапа может появиться более сильная возможность среди предприятий, работающих со смешанными стековыми агентами.

Взгляд Creati.ai

Финансирование AIR отражает реальное изменение в развертывании корпоративного ИИ: граница безопасности смещается за пределы модели и переходит к инструментам, которые агент может обнаруживать, устанавливать и вызывать. Компания решает конкретную операционную проблему, но ее отличие зависит от доказательства того, что непрерывная повторная проверка дает лучшую защиту, чем существующие средства безопасности приложений и идентификации.

Самым важным тестом будет не размер финансирования AIR и не число первых клиентов. Важно, смогут ли команды безопасности использовать платформу, не замедляя легитимную автоматизацию, и сможет ли AIR поддерживать точные и актуальные оценки по мере того, как компоненты агентов меняются быстрее традиционных циклов обзора ПО.