Mave Series A raccoglie 28 milioni di dollari per indagini AI negli strumenti di sicurezza esistenti

Mave ha raccolto 28 milioni di dollari in un round di Serie A per automatizzare le indagini di sicurezza senza richiedere alle aziende di centralizzare prima i propri dati di sicurezza. Annunciata il 22 ottobre, la Serie A di Mave sostiene una specifica scommessa architetturale: il software può collegare le prove tra strumenti esistenti, mantenendo al contempo le persone al controllo delle risposte più rilevanti. Il finanziamento porta il totale raccolto a 34 milioni di dollari.

La tensione sta tra la raccolta di informazioni e il raggiungimento di una decisione difendibile. Un'organizzazione può possedere prodotti di sicurezza validi e dipendere comunque dagli analisti per riconciliare risultati contrastanti. Mave propone di automatizzare questo lavoro di collegamento, collocando il proprio prodotto tra i sistemi che segnalano attività sospette e le persone responsabili di intervenire.

Concorrenti come Dropzone AI perseguono già indagini automatizzate, quindi Mave entra in una competizione consolidata per la fiducia dei team di sicurezza. La sua opportunità si basa sul far funzionare insieme strumenti frammentati. Le domande importanti riguardano la qualità delle indagini, le autorizzazioni operative e se l'automazione riduce il lavoro una volta considerata la revisione umana.

Cosa finanzia effettivamente la Serie A di Mave

L'investimento sostiene un livello investigativo sui sistemi esistenti, con l'espansione aziendale affiancata allo sviluppo tecnico.

Red Dot Capital Partners ha guidato il round, con la partecipazione di Lumir Growth Partners. Un precedente round seed da 6 milioni di dollari era stato guidato da Dell Technologies Capital ed Emerge Ventures. Il resoconto di CTech sul finanziamento per le indagini di sicurezza identifica ricerca sull'AI, prodotti enterprise ed espansione internazionale come impieghi previsti del capitale.

La distinzione tra il nuovo round e il finanziamento totale è importante. Mave ha annunciato 34 milioni di dollari di finanziamenti cumulativi, non una Serie A di tale importo. L'annuncio stabilisce il sostegno degli investitori e le priorità di spesa. Non dimostra come il prodotto si comporti rispetto ad approcci concorrenti in condizioni comparabili.

Mave è stata fondata nel 2025 dal CEO Raziel Oren e dal CTO Guy Eshel. Ciò colloca l'azienda nelle prime fasi della sua storia operativa, pur rivolgendosi a contesti enterprise esigenti. Il finanziamento fornisce risorse per sviluppo e distribuzione, mentre i clienti necessitano ancora di prove che il sistema si adatti alle loro specifiche operazioni di sicurezza.

La Serie A di Mave sostiene inoltre attività che vanno oltre lo sviluppo dei modelli. Il deployment enterprise richiede connessioni affidabili, gestione delle autorizzazioni, documentazione, supporto e un comportamento prevedibile quando uno strumento sottostante cambia. Queste responsabilità contano perché un prodotto di indagine eredita dipendenze da ogni sistema che utilizza.

Una dimostrazione convincente può mostrare un software che ricompone un resoconto coerente di attività sospette. Un deployment duraturo deve continuare a produrre risultati utili dopo modifiche alle policy di accesso, aggiornamenti degli strumenti e riorganizzazioni aziendali. Gli investitori finanziano la capacità di affrontare questi problemi, ma l'annuncio di finanziamento non può dimostrare che siano risolti.

C'è anche un'implicazione commerciale. Un prodotto che funziona sui sistemi esistenti consente potenzialmente agli acquirenti di testare l'automazione senza impegnarsi in una sostituzione più ampia dell'infrastruttura. Ciò rende più semplice valutare la proposta iniziale, sebbene l'effettivo onere di deployment dipenda dalle integrazioni e dai controlli necessari a ciascuna organizzazione.

L'interpretazione più solida del round è quindi specifica. Gli investitori stanno sostenendo un tentativo di automatizzare il lavoro investigativo tra prodotti di sicurezza. Questo crea pressione sui fornitori affinché spieghino dove inizia la loro automazione, quali dipendenze introduce e come i clienti possano verificare le decisioni risultanti.

Offre inoltre a Mave spazio per perseguire insieme sviluppo tecnico e commerciale. Espandere le vendite prima che il deployment diventi ripetibile può mettere sotto pressione le risorse di supporto. Concentrarsi esclusivamente sulla ricerca può rendere difficile adottare un prodotto efficace. Le priorità di spesa annunciate riflettono entrambi gli aspetti della costruzione di un'attività di sicurezza enterprise.

I responsabili della sicurezza affrontano un problema di coordinamento

La proposta di Mave evidenzia il lavoro manuale necessario per collegare gli strumenti di sicurezza, anziché concentrarsi su una singola fonte di avvisi.

Un security operations center, o SOC, è il team e la funzione operativa responsabili del monitoraggio delle minacce e del coordinamento delle indagini. Il suo lavoro va oltre la lettura degli avvisi. Gli analisti devono stabilire quali prove appartengano allo stesso contesto, se un evento sia sospetto e quale risposta l'azienda possa tollerare.

Si consideri un'indagine esemplificativa relativa a un accesso sospetto di un dipendente. Un sistema di identità può mostrare l'attività di autenticazione, mentre un prodotto endpoint registra il comportamento sul dispositivo del dipendente. Un inventario degli asset potrebbe identificare il proprietario del dispositivo. L'analista deve riunire queste osservazioni per formulare un giudizio sullo stesso evento.

Questo esempio è ipotetico, non un incidente di un cliente Mave reso noto. Illustra perché raccogliere un avviso non risolve automaticamente un'indagine. Ogni osservazione risponde a una domanda diversa, e il rapporto tra tali risposte determina se l'evento meriti un'escalation.

Un sistema di security information and event management, o SIEM, raccoglie e analizza eventi di sicurezza in una piattaforma centrale. La raccolta centralizzata aiuta a stabilire uno storico e a effettuare ricerche tra i record. Tuttavia, un acquirente deve comunque valutare se l'indagine includa contesto rilevante esterno a quella piattaforma.

La pressione ricade anzitutto sui responsabili della sicurezza, che devono spiegare sia le minacce non rilevate sia le interruzioni operative. Un'elaborazione più rapida è attraente, ma una decisione di disabilitare un accesso può interrompere attività legittime. Un'indagine automatizzata deve sostenere il giudizio alla base di tale azione, anziché limitarsi a fornire prima la propria raccomandazione.

Gli analisti affrontano un cambiamento di responsabilità correlato. Se il software raccoglie le prove, la loro attenzione si sposta sulla verifica delle ipotesi irrisolte e sulla gestione delle eccezioni. Questo cambiamento crea valore solo quando rivedere l'output richiede meno sforzo che ricostruire manualmente l'indagine.

I managed security service provider, o MSSP, gestiscono servizi di sicurezza per altre organizzazioni. Per loro, l'automazione delle indagini solleva interrogativi sulla coerenza tra gli ambienti dei clienti. Un approccio che funziona bene in un ambiente standardizzato richiede ulteriore valutazione quando i clienti utilizzano prodotti e policy di accesso diversi.

Questo crea una domanda d'acquisto immediata: quale parte del lavoro rimuove effettivamente il prodotto? Recuperare record, identificare relazioni, raccomandare azioni ed eseguire risposte sono capacità distinte. Riunirle in una presentazione commerciale non dovrebbe oscurare le loro diverse conseguenze in produzione.

La pressione a lungo termine raggiunge i fornitori di piattaforme di sicurezza. Se un livello investigativo indipendente diventa utile, i clienti dispongono di un altro modo per coordinare i prodotti esistenti. I fornitori consolidati devono quindi dimostrare perché i propri flussi di lavoro connessi offrano prove migliori, amministrazione più semplice o responsabilità più chiara.

Questo esito resta condizionato all'adozione. Il finanziamento di Mave non dimostra che i clienti sposteranno budget o sostituiranno processi esistenti. Fornisce all'azienda risorse per sostenere che il coordinamento meriti un proprio livello di prodotto, con benefici misurabili oltre a un'interfaccia aggiuntiva.

Indagare sul posto cambia le dipendenze

Evitare un nuovo repository centrale sposta la sfida dell'integrazione verso l'accesso in tempo reale, l'interpretazione coerente e prove riproducibili.

Mave descrive un sistema che interroga strumenti collegati, raccoglie il contesto attuale e adatta la propria indagine man mano che emergono le prove. Il suo approccio dichiarato evita di richiedere un nuovo database centralizzato di telemetria. Per telemetria si intendono i record di attività prodotti dai sistemi riguardo al proprio funzionamento.

L'annuncio dell'azienda sulle operazioni di sicurezza agentiche descrive agenti che indagano ed eseguono attività autorizzate sui sistemi esistenti. Qui, gli agenti sono componenti software che svolgono attività tramite strumenti collegati. Queste capacità restano affermazioni dell'azienda, non risultati comparativi stabiliti in modo indipendente.

Lavorare dove già risiedono le informazioni crea una proposta attraente. Gli acquirenti possono valutare se il livello investigativo acceda a contesto utile senza ricostruire l'intero processo di raccolta. La questione architetturale passa da dove debbano risiedere tutti i record a quali prove il sistema possa recuperare quando necessario.

Questo cambiamento crea dipendenze che meritano esame. Se uno strumento collegato non è disponibile, un'indagine deve distinguere una ricerca incompleta dall'assenza di attività sospette. Altrimenti, una risposta mancante rischia di diventare una conclusione ingiustificata.

Lo stesso vale per le autorizzazioni. Un accesso limitato può essere appropriato per ragioni di sicurezza, ma restringe ciò che il sistema può stabilire. Un'indagine dovrebbe rendere visibile tale limite affinché i revisori comprendano quali domande rimangano senza risposta.

Il tempo aggiunge un'altra complicazione. Le informazioni correnti possono aiutare a spiegare un incidente attivo, mentre i record storici aiutano a ricostruire ciò che è avvenuto in precedenza. Gli acquirenti dovrebbero valutare come il prodotto colleghi osservazioni raccolte in momenti diversi, specialmente quando lo stato di un account o la configurazione di un dispositivo cambiano durante un'indagine.

Una traccia di audit, ossia un record conservato dei passaggi investigativi e delle prove, aiuta i revisori a esaminare tale relazione. Mave afferma di registrare query, prove, ragionamenti e azioni. La domanda pratica è se tali record consentano a un revisore di verificare la conclusione senza ripetere l'intero flusso di lavoro.

Per esempio, una raccomandazione dovrebbe essere distinguibile dall'osservazione che la sostiene. Un record che indica la revoca di un accesso è diverso dalla prova che l'account sia stato compromesso. Mantenere separati questi elementi aiuta i revisori a identificare se un disaccordo riguardi i fatti, la loro interpretazione o la policy di risposta.

Questo è un criterio di valutazione, non un'affermazione su una limitazione dimostrata di Mave. L'architettura rende queste domande particolarmente rilevanti perché l'indagine dipende da diversi sistemi collegati. L'affidabilità deve comprendere le connessioni e la loro interpretazione, oltre al modello linguistico.

Evitare la centralizzazione non elimina nemmeno le questioni di governance dei dati. Un acquirente necessita comunque di chiarezza su quali informazioni vengano recuperate, dove avvenga l'elaborazione e quali record investigativi siano conservati. Questi dettagli determinano se il design sia compatibile con gli obblighi dell'organizzazione.

Il compromesso architetturale è quindi più preciso di una scelta tra vecchi database e nuova AI. La raccolta centralizzata e l'indagine in tempo reale rispondono a esigenze in parte sovrapposte. L'opportunità di Mave consiste nel dimostrare che il suo approccio migliora le decisioni in un ambiente esistente, rendendo al contempo verificabili le lacune residue.

I rivali rendono la qualità delle indagini il termine di confronto

Le indagini automatizzate sono già una categoria competitiva, quindi Mave necessita di una differenziazione che gli acquirenti possano osservare nei propri ambienti.

Dropzone AI offre un utile punto di riferimento. La copertura di GeekWire sui suoi analisti SOC basati sull’AI descrive un software progettato per indagare gli alert ed escalare gli incidenti che richiedono attenzione umana. Questo stabilisce ambizioni di prodotto sovrapposte, non dimostra che una delle due aziende offra prestazioni migliori.

Il confronto è importante perché un acquirente enterprise può valutare diversi approcci a un lavoro simile. Una promessa generica di ridurre le indagini ripetitive non identifica le condizioni in cui un sistema meriti di essere preferito. Copertura delle integrazioni, qualità delle evidenze e adattabilità operativa diventano elementi centrali della decisione.

L’enfasi di Mave sulle indagini condotte attraverso sistemi già esistenti le conferisce una posizione concreta. Tuttavia, una posizione diventa differenziazione solo quando l’implementazione produce un vantaggio. Gli acquirenti devono verificare se il prodotto gestisce le loro combinazioni specifiche di strumenti, registri incompleti e workflow insoliti.

Anche le affermazioni dei concorrenti meritano la stessa disciplina di attribuzione applicata a Mave. Il CEO di Dropzone, Edward Wu, ha dichiarato a CRN che il suo prodotto esegue indagini senza lavoro umano nello svolgimento del servizio sottostante. Separatamente, ha descritto una funzione interna di controllo qualità umano che esamina il lavoro completato.

La trattazione di CRN sulle indagini esclusivamente software evidenzia una distinzione utile tra l’erogazione di un servizio e il controllo della sua qualità. È la descrizione di Wu dell’approccio della sua azienda. Non stabilisce come Mave organizzi le proprie operazioni.

Per gli acquirenti, questa distinzione apre una domanda più ampia sul significato operativo dell’automazione. Un prodotto può automatizzare il recupero delle evidenze mentre le persone completano il ragionamento più complesso. Un altro può automatizzare l’indagine richiedendo però un’ampia revisione da parte del cliente. Entrambe le configurazioni richiedono una comunicazione chiara prima che i clienti confrontino i risultati.

La stessa cautela si applica alle affermazioni sulla velocità. Un verdetto rapido ha un significato limitato senza comprendere l’ambito dell’indagine. Se un sistema controlla meno fonti pertinenti, un tempo di completamento più breve non indica necessariamente un lavoro migliore.

I confronti dovrebbero inoltre considerare i casi irrisolti. Un prodotto che identifica chiaramente l’incertezza può essere più utile di uno che fornisce una risposta sicura senza evidenze adeguate. Valutare soltanto le indagini completate farebbe perdere questa differenza.

Queste considerazioni mantengono il quadro competitivo ancorato alla realtà. Mave e Dropzone non devono seguire architetture identiche per competere sulla stessa responsabilità operativa. La competizione rilevante riguarda quale approccio aiuti un team di sicurezza a raggiungere decisioni difendibili con minore sforzo complessivo.

Questo spiega anche perché i workflow esistenti restino un riferimento importante. Un nuovo prodotto deve migliorare ciò che i clienti già fanno, inclusa la revisione umana che introduce. Finanziamenti e dimostrazioni aiutano le aziende a entrare in quella conversazione; i risultati delle implementazioni determinano se vi rimangono.

Il round Series A di Mave fornisce all’azienda risorse per competere a queste condizioni. Non giustifica il definirla leader di categoria né il presumere che la sua architettura produca risultati superiori. Tali giudizi richiedono evidenze comparabili che il finanziamento stesso non fornisce.

La tracciabilità aiuta, ma non stabilisce la correttezza

Un registro d’indagine leggibile favorisce la responsabilità, mentre la conclusione sottostante richiede ancora un esame indipendente.

Mave afferma di operare in oltre 200 SOC e di consentire ai team di governare l’esecuzione automatica e le approvazioni umane. Queste dichiarazioni descrivono implementazioni riportate e controlli previsti. Non forniscono una misura comune dell’accuratezza delle indagini né mostrano in quale misura ciascuna implementazione utilizzi il prodotto.

Un conteggio delle implementazioni può riferirsi a organizzazioni con configurazioni operative molto diverse. Un rollout limitato e un workflow ampiamente adottato rappresentano livelli differenti di dipendenza. Senza questo contesto, il numero stabilisce più chiaramente la portata dichiarata che la profondità operativa.

L’incertezza tecnica va oltre le etichette di implementazione. Il National Institute of Standards and Technology identifica la confabulazione, ovvero la generazione sicura di contenuti falsi, come un rischio dell’AI generativa. Il suo profilo sui rischi dell’AI generativa avverte inoltre che le spiegazioni generate possono indurre le persone a fidarsi di output errati.

Questa guida costituisce un quadro generale dei rischi, non una valutazione di Mave. La sua rilevanza riguarda il modo in cui gli acquirenti interpretano un’indagine generata dall’AI. Una spiegazione che sembra coerente necessita di osservazioni di supporto, specialmente quando la risposta proposta influenza l’accesso o la disponibilità del sistema.

La tracciabilità affronta una parte di questo problema. I revisori possono ispezionare ciò che il software ha controllato e confrontare il risultato con le evidenze. Tuttavia, un registro dei passaggi non può stabilire che ogni domanda necessaria sia stata posta o che ogni osservazione abbia ricevuto l’interpretazione corretta.

I controlli di approvazione affrontano un problema diverso. Determinano chi può autorizzare un’azione, ma il loro valore dipende da ciò che riceve il revisore. Se le evidenze di supporto non sono chiare, un passaggio di approvazione umana può diventare un gesto amministrativo anziché un controllo significativo.

Una valutazione utile esamina quindi come il prodotto comunichi l’incertezza. Informazioni mancanti, osservazioni contraddittorie e identità ambigue dovrebbero rimanere visibili. L’acquirente deve sapere se il sistema si ferma, richiede più contesto o presenta un risultato circoscritto.

Le autorizzazioni richiedono un esame analogo. L’autorità di leggere i record è diversa dall’autorità di isolare un dispositivo o disabilitare un account. I clienti dovrebbero comprendere come tali responsabilità siano separate e in che modo le eccezioni influenzino un’indagine in corso.

Nessuna di queste domande stabilisce un difetto nel prodotto di Mave. Identificano le evidenze necessarie per valutarne il ruolo previsto. Quanto più rilevante è l’azione consentita, tanto più forte è il motivo per esaminare l’intero percorso dall’osservazione fino all’autorizzazione.

Esiste anche un problema pratico di conoscenza dopo la conclusione dell’indagine. I team devono conservare decisioni, eccezioni e spiegazioni che informano le revisioni future. Una base di conoscenza ricercabile supporta questo lavoro di documentazione, mentre i controlli di sicurezza regolano l’accesso operativo e la risposta.

L’incertezza centrale è se l’automazione faccia risparmiare sforzo dopo avere incluso tali responsabilità. Un sistema che produce più risultati può comunque lasciare agli analisti un notevole lavoro di verifica. Dimostrare un’automazione utile richiede di mostrare quanto lavoro investigativo affidabile arrivi a completamento.

Osservare le evidenze dei clienti, i confini operativi e l’adozione ripetuta

I prossimi segnali utili riguardano risultati dimostrati, controlli dichiarati e la misura in cui i clienti ampliano la loro dipendenza dal prodotto.

Nei prossimi mesi, il primo segnale da osservare è costituito da evidenze dettagliate fornite dai clienti. Un resoconto utile spiegherebbe l’ambiente operativo, l’ambito dell’indagine, il workflow precedente e il coinvolgimento umano rimanente. Esempi nominativi renderebbero le affermazioni più facili da valutare rispetto al solo conteggio aggregato delle implementazioni.

Le evidenze più solide includerebbero casi difficili accanto ai successi ordinari. I revisori devono comprendere cosa ha gestito il software, dove ha richiesto assistenza e come il team ha riconosciuto tali limiti. Un risultato attentamente circoscritto può essere più informativo di un’ampia affermazione sull’indagine di ogni alert.

Tali comunicazioni rafforzerebbero l’argomento secondo cui l’architettura di Mave crea valore pratico nei sistemi esistenti. Evidenze di ricostruzioni sostanziali o correzioni manuali ripetute restringerebbero tale argomento. La distinzione riguarda quanto lavoro affidabile il sistema completi, non se possa produrre una narrazione dell’indagine.

Il secondo segnale è un maggior dettaglio sui confini operativi. Gli acquirenti dovrebbero cercare documentazione che spieghi autorizzazioni, connessioni non disponibili, evidenze conservate e comportamento delle approvazioni. Questi dettagli renderebbero più facile valutare come la piattaforma si comporti al di fuori di una dimostrazione riuscita.

Confini chiari sosterrebbero la posizione di Mave perché i team enterprise necessitano di un comportamento prevedibile in condizioni imperfette. Descrizioni vaghe renderebbero difficile valutare l’onere dell’integrazione. Questo segnale riguarda il comportamento dichiarato, non una particolare funzionalità che l’azienda abbia promesso di rilasciare.

Il terzo segnale è l’adozione ripetuta. Evidenze che i clienti rinnovino, amplino la copertura delle indagini o affidino ulteriori workflow approvati dimostrerebbero una crescente dipendenza operativa. La domanda rilevante è cosa sia cambiato nell’uso reale, insieme a qualsiasi crescita del numero di implementazioni.

L’espansione dovrebbe comunque ricevere un’interpretazione attenta. Un accesso aggiuntivo può riflettere fiducia, ma gli acquirenti devono sapere quali responsabilità restano alle persone. Un quadro più completo collegherebbe l’aumento dell’uso allo sforzo di revisione, alla qualità dell’escalation e alla gestione delle eccezioni.

Questi segnali seguono un ordine logico. Le evidenze dei clienti stabiliscono l’utilità, i dettagli operativi stabiliscono come tale utilità regga nel tempo e l’adozione ripetuta indica se la configurazione continui a essere preziosa. Nessuno richiede di prevedere che Mave sostituirà piattaforme consolidate o supererà ogni concorrente.

Per i responsabili della sicurezza che seguono il Series A di Mave, iniziate dal workflow che il vostro team trova più difficile completare in modo affidabile. Identificate dove risiedono le evidenze, quali giudizi richiedono responsabilità umana e quanta revisione richiederebbe un risultato automatizzato. Quindi confrontate le affermazioni dei fornitori con quel quadro operativo. Chiedete indagini completate che espongano l’incertezza, inclusi i casi in cui il sistema si è fermato o ha effettuato un’escalation. Esaminate se il registro supporti la risposta proposta e se un altro analista possa seguirlo. Il prossimo passo utile è cercare evidenze che rispondano a queste domande. Quale parte del vostro processo investigativo vi fidereste di affidare al software, e cosa dovreste vedere prima di estendere tale fiducia?