Firma Kindo pozyskała 57,6 miliona dolarów finansowania, stawiając na jeden z najbardziej palących problemów współczesnego przedsiębiorstwa: jak pozwolić agentom AI działać autonomicznie, nie tracąc nad nimi kontroli. To nie kolejny startup obiecujący rewolucję – to sygnał, że rynek zaczyna traktować zarządzanie agentami AI jako osobną, krytyczną kategorię infrastruktury korporacyjnej.
Na czym polega problem z agentami AI w przedsiębiorstwach?
Agenci AI – autonomiczne systemy zdolne do wykonywania złożonych zadań w imieniu użytkownika lub organizacji – coraz częściej trafiają do środowisk korporacyjnych. Problem polega na tym, że ich działania bywają trudne do przewidzenia, kosztowne i ryzykowne z punktu widzenia bezpieczeństwa danych.
Przedsiębiorstwa stają przed dylematem: albo ograniczają możliwości agentów tak bardzo, że tracą na wartości, albo dają im swobodę działania i narażają się na niekontrolowane koszty oraz wycieki informacji. Kindo celuje właśnie w tę lukę – między pełną autonomią a paraliżującą kontrolą.
Skala finansowania – 57,6 miliona dolarów – sugeruje, że inwestorzy uznają ten problem za realny i pilny, nie zaś za odległy scenariusz. Rynek agentów AI w przedsiębiorstwach rośnie szybciej niż zdolność organizacji do zarządzania ryzykiem z nimi związanym.
Co Kindo oferuje firmom?
Platforma Kindo koncentruje się na dwóch filarach: kontroli nad działaniami agentów AI oraz redukcji kosztów ich operowania. Chodzi o to, by działy IT i bezpieczeństwa mogły precyzyjnie określać, co agent może robić, do jakich zasobów ma dostęp i kiedy wymaga ludzkiej akceptacji.
Mechanizm kontroli obejmuje definiowanie uprawnień na poziomie konkretnych akcji – nie tylko dostępu do danych, ale też możliwości wykonywania operacji w zewnętrznych systemach. Takie podejście różni się od tradycyjnych rozwiązań zarządzania tożsamością, które zaprojektowano z myślą o ludziach, nie o autonomicznych systemach.
Redukcja kosztów to drugi filar oferty. Agenci AI działający bez nadzoru mogą generować nieoczekiwanie wysokie rachunki za usługi chmurowe i modele językowe. Kindo proponuje mechanizmy ograniczające zbędne wywołania modeli i optymalizujące przepływ zadań między agentami.
Redakcja IWD Partner: Rynek narzędzi do zarządzania agentami AI przypomina nieco wczesny etap rozwoju rynku cyberbezpieczeństwa – przez lata firmy ignorowały problem, aż incydenty zmusiły je do inwestycji. Pytanie, czy tym razem przedsiębiorstwa wyciągną wnioski wcześniej, zanim agenci AI zaczną podejmować decyzje z konsekwencjami trudnymi do odwrócenia. 57,6 miliona dolarów to sygnał, że przynajmniej część inwestorów nie zamierza czekać.
Jak finansowanie zmienia pozycję Kindo na rynku?
Pozyskane środki mają posłużyć rozbudowie platformy i ekspansji na kolejne segmenty rynku korporacyjnego. Konkurencja w obszarze orkiestracji i zarządzania agentami AI narasta – obok wyspecjalizowanych startupów wchodzą tu również duzi dostawcy chmury i platformy modelowe.
Kindo stawia na pozycję neutralnego warstwy kontrolnej, niezależnej od konkretnego dostawcy modeli AI. Takie podejście – agnostyczne wobec dostawcy – może być istotną przewagą w środowiskach korporacyjnych, gdzie organizacje rzadko polegają na jednym ekosystemie.
Runda finansowania pozwoli też prawdopodobnie przyspieszyć budowę integracji z popularnymi narzędziami enterprise oraz rozwinąć funkcje audytu i raportowania, kluczowe dla regulowanych branż takich jak finanse czy ochrona zdrowia.
Co zmieni się w zarządzaniu AI w firmach, gdy takie platformy się upowszechnią?
Upowszechnienie platform pokroju Kindo może fundamentalnie zmienić sposób, w jaki przedsiębiorstwa myślą o wdrażaniu AI. Zamiast debaty „czy wdrożyć agenta AI”, pytanie stanie się „jakie uprawnienia mu nadać i jak mierzyć jego działania”.
Dla działów IT i compliance oznacza to nowe obowiązki i nowe narzędzia – zbliżone koncepcyjnie do zarządzania tożsamością i dostępem (IAM), ale dostosowane do specyfiki autonomicznych systemów. Organizacje, które wcześnie zbudują te kompetencje, zyskają przewagę przy wdrażaniu kolejnych generacji agentów.
Dla pracowników skutkiem może być większa gotowość pracodawców do delegowania złożonych zadań agentom – jeśli ryzyko i koszty są pod kontrolą, bariera psychologiczna i regulacyjna dla autonomizacji procesów znacząco maleje.
Perspektywa regulacyjna jest równie istotna. Europejskie przepisy dotyczące AI, w tym AI Act, nakładają wymogi przejrzystości i nadzoru nad systemami wysokiego ryzyka. Platformy oferujące audytowalność działań agentów mogą stać się de facto wymogiem compliance, nie tylko wyborem biznesowym.
Powiązane pojęcia z AI i uczenia maszynowego
- Agent AI – autonomiczny system oparty na modelu językowym lub innym modelu AI, zdolny do planowania i wykonywania sekwencji działań w celu realizacji zadania bez ciągłego nadzoru człowieka.
- Orkiestracja agentów – proces koordynowania działań wielu agentów AI, przydzielania zadań i zarządzania przepływem informacji między nimi w ramach złożonego systemu.
- IAM (Identity and Access Management) – zbiór procesów i narzędzi służących do zarządzania tożsamościami cyfrowymi i uprawnieniami dostępu do zasobów systemów informatycznych.
- AI Act – rozporządzenie Unii Europejskiej regulujące stosowanie systemów sztucznej inteligencji, klasyfikujące je według poziomu ryzyka i nakładające odpowiednie wymogi prawne.
- LLM (Large Language Model) – duży model językowy trenowany na ogromnych zbiorach tekstu, stanowiący podstawę większości współczesnych agentów AI i asystentów konwersacyjnych.
Opracowanie redakcji IWD Partner z wykorzystaniem narzędzi AI na podstawie materiału: AiThority (13.11.2026).
Zdjęcie: BoliviaInteligente / Unsplash
