AI-agenterna är redan inne i företagens system – men verktygen för att hålla dem i schack halkar efter
AI-agenter har redan tagit sig in i företagens system – men ingen vet hur man stoppar dem.
Kapitalet pekar mot ett och samma problem
När investerare börjar röra sig i flock är det värt att fråga sig varför. Den senaste tidens finansieringsrundor inom AI-säkerhet och automation handlar inte om diffusa visioner — de handlar om att lösa ett konkret och brännande problem: AI-agenter är redan ute i företagens nätverk, men verktygen för att styra och övervaka dem sackar efter.
Israeliska Onyx Security tog nyligen in 113 miljoner dollar — drygt 900 miljoner kronor — i en runda ledd av Bessemer Venture Partners, rapporterar SecurityWeek. Bolaget har byggt en centraliserad plattform som spårar AI-agenters beslutsprocesser i realtid och kan ingripa om ett system uppvisar oönskat beteende. Det låter som science fiction, men behovet är högst konkret: när en AI-agent får tillgång till känsliga affärssystem måste det finnas mekanismer för tillsyn — precis som med en ny medarbetare med administratörsbehörighet.
I samma strömfåra lanserade New York-baserade Cantina sin plattform med 75 miljoner kronor i ryggen. Deras system använder självständiga programagenter för att inte bara hitta säkerhetsbrister, utan också utreda, åtgärda och bekräfta att fixen faktiskt fungerade. Som bolagets vd Hari Mulackal konstaterar: angripare rör sig snabbare än någonsin — försvararna behöver verktyg som håller samma tempo.
Discern Security tillförde ytterligare ett lager till bilden med sin 130 miljoner kronor stora serie A-runda. Deras plattform, Discern Security Loop, kopplar samman säkerhetsfynd med affärsmässiga sammanhang och regelkrav — vilket gör det möjligt att faktiskt mäta förbättringar i säkerhetsläget, inte bara räkna antalet åtgärdade brister.
Dataflöden som nervbanor
Parallellt med säkerhetslagret pågår en lika viktig kamp om infrastrukturen för AI. Texasbaserade DataBahn säkrade 320 miljoner kronor för att automatisera hur företag hanterar sina dataflöden med hjälp av AI-styrda agenter, enligt SecurityWeek. Deras tes är enkel men kraftfull: framtidens företagsinfrastruktur handlar inte om att flytta mer data — det handlar om att samordna rätt data vid rätt tidpunkt. En AI-modell är bara så bra som de data den matas med.
Och när USA:s infrastrukturboom kräver hantering av överlappande regelverk — byggtillstånd, lönekrav, miljöregler — kliver AI-bolaget Dili in med 230 miljoner kronor från bland andra Khosla Ventures och Allianz, rapporterar TechCrunch. Det är ett utmärkt exempel på hur AI-driven regelefterlevnad kan skapa enormt värde i branscher som traditionellt drunknat i pappersarbete.
Fordonsindustrin rekryterar för nästa växel
Men det är inte bara i mjukvaruvärlden som omställningen accelererar. På gatorna i München testade kinesiska Xpeng sitt självkörande system VLA 2.0 på riktiga tyska vägar, berättar CleanTechnica. Systemet — tränat i Kinas kaotiska stadsmiljöer — lär sig av hur människor faktiskt kör, snarare än att följa strikta regelträdstrukturer. Det är en fundamentalt annorlunda och skalbar filosofi, och de tidiga resultaten på europeisk mark ser lovande ut.
Hyundai Motor Group svarar med en av de tyngsta rekryteringarna i branschen på länge: Junghyun Kwon, tidigare ansvarig för självkörande fordonsmjukvara på Nvidia, utnämns till chef för koncernens hela autonoma körutveckling. Tillsammans med tidigare rekryteringar från Apple och Tesla signalerar detta att Hyundai menar allvar — man bygger inte bara bilar längre, man bygger mjukvarudefinierade plattformar.
En ny branschlogik tar form
Det som förenar dessa till synes spridda nyheter är en gemensam insikt som nu verkligen börjar slå igenom hos investerare: AI-adoption i stor skala kräver säkerhet, styrning och tillförlitlighet som förutsättning, inte som eftertanke. De bolag som löser dessa infrastrukturproblem — vare sig det handlar om att övervaka agenter, hantera dataflöden, säkra system eller navigera regelverk — sitter på nycklarna till hela ekosystemets nästa tillväxtfas.
Det är inte längre fråga om om AI-agenter kommer att ta plats i känsliga affärsmiljöer. De är redan där. Nu handlar det om vem som bestämmer spelreglerna.
Vår analys
Det kapital som nu flödar in i AI-säkerhet och automation är inte spekulativt — det är reaktivt. Företagen har redan börjat driftsätta AI-agenter i sina kritiska system, och säkerhetslagret har inte hängt med. Det skapar en strukturell möjlighet som investerare nu prissätter aggressivt.
Det intressanta är att vi ser tre parallella skikt formas samtidigt: styrningslager (Onyx, Discern), åtgärdslager (Cantina) och infrastrukturlager (DataBahn). Tillsammans utgör dessa byggstenar i vad som kan bli en helt ny kategori — AI-driftsäkerhet — med potential att bli lika grundläggande som cybersäkerhet var under 2000-talet.
För fordonsindustrin gäller en liknande logik: det räcker inte med bra AI-modeller, man behöver organisationer som kan bygga och förvalta dessa system i decennier. Hyundais rekryteringsoffensiv och Xpengs europeiska tester antyder att 2026 kan bli det år då självkörande teknik slutar vara ett löfte och börjar bli en produkt. Det är en omställning värd att följa noga.