自律型DLPをエンタープライズへ拡大するMIND、シリーズBで7200万ドルを調達
企業がAIツールや自律エージェントを通じて移動する機密データの制御に苦慮するなか、MINDはシリーズBで7200万ドルを調達した。MINDのシリーズBにより、同社の累計調達額は公表ベースで1億1200万ドルとなる。また、データ損失防止に対する同社の自律型アプローチは、より大規模なエンタープライズ市場を見据えた取り組みへと移行する。
このラウンドはCrosspoint Capital Partnersが主導し、既存投資家のYL VenturesとPaladin Capital Groupも参加した。MINDはエンタープライズ市場での事業拡大、プラットフォーム開発、技術パートナーシップの強化、チャネルネットワークの拡充を進める計画だ。
今回の資金調達は、MINDが3000万ドルのシリーズAを発表してから1年後に実施された。同社によると、この期間に売上高は17倍超に拡大し、顧客数は8倍に増えたという。これらの成長数値は独立して検証されたものではなく、MINDは起点となる数値を開示していない。
この点は重要だ。競争はもはやMINDと従来型データ損失防止の間だけにあるのではない。MINDは、Microsoft Purview、Varonis、Cyera、Cyberhavenなどの大規模プラットフォームや、その他のデータセキュリティベンダーとの混戦に参入している。
同社の中心的な主張は、単にセキュリティにAIを使うという話よりも具体的だ。MINDは、ソフトウェアエージェントが統合データ保護システム全体で、分類、ポリシー作成、インシデント調査、是正を担えるとしている。
このアプローチがエンタープライズ規模で機能すれば、セキュリティチームは手作業によるDLP管理を大幅に削減できる可能性がある。機能しなければ、自律型コントロールが、チームによる監督、検証、説明を要する新たなレイヤーを加えることになる。
MINDのシリーズBはより広範なDLP展開を支える
今回の資金調達により、MINDは初期の勢いから、より大規模で要求の厳しいエンタープライズ導入へ移行するための資源を得る。
MINDは2026年9月17日、公式のMIND Series Bリリースを通じて今回のラウンドを発表した。シアトルを拠点とする同社は、シード、シリーズA、シリーズBを通じて累計1億1200万ドルを調達したとしている。
最新の投資は、MINDが2024年10月にステルス状態から脱した際に関連した1100万ドルのシードラウンドに続くものだ。その後、同社は2025年6月に3000万ドルのシリーズAを発表した。
この資金調達ペースは、データ保護には新たな運用モデルが必要だという投資家の見方を反映している。従業員は現在、チャットボット、コーディング支援ツール、要約ツール、自動化ワークフローに情報を送っている。AIエージェントも、人がファイルを1つずつ移動するのを待たずに、情報を取得・変換できる。
MINDは自社製品を完全なデータ損失防止プラットフォームと説明する。データ損失防止、すなわちDLPは、機密情報を識別し、危険な取り扱いや送信を制限するシステムを指す。
同プラットフォームは、ソフトウェアサービス、エンドポイント、メール、オンプレミスのファイル共有、生成AIツール、エージェント型システムにまたがって情報を検出するよう設計されている。MINDによると、ファイルは内容と周辺コンテキストの双方を用いて分類される。
同一のテキストでも異なるリスクを伴う場合があり、こうした区別は重要になり得る。公開された研究論文内の数値と、患者記録内の同じ数値では、問題の性質が異なる。
MINDは次に、リスクのある活動にポリシーを適用する。ルールに応じて、プラットフォームは操作をブロックし、ユーザーに正当化を求め、あるいはより安全な選択肢へ誘導できる。
同社のより大きな目標は、こうしたコントロールに付随する運用業務を自動化することだ。2026年7月、同社は分類器の作成、ポリシーの生成、インシデントの調査、是正対応などの機能を担うAI DLPエージェントを導入した。
MINDによれば、これらのエージェントはModel Context Protocolを通じて自然言語の指示を受け付けられる。MCPは、AIアプリケーションが承認済みのツールや情報源に接続できるようにする標準だ。
シリーズBの資金は、継続的な製品開発、新規採用、チャネル関係、重要なエンタープライズ市場への拡大を支える。MINDは今回のラウンドの評価額を開示していない。
同社はいくつかの商業的な進捗指標を示している。ステルス状態を抜けてから2年未満で年換算売上高が8桁に達したとしている。また、数十社の顧客と、数十万のエンドポイントをカバーする導入実績を報告している。
これらの数値は有用な規模の目安となる一方で、重要な空白も残る。MINDは継続収益、顧客維持率、平均契約規模、業界別の導入分布を開示していない。
17倍の増加は強い需要を示す可能性がある。しかし、初期段階の売上基盤からの百分率成長だけでは、持続的なエンタープライズ導入を単独で証明するものではない。
したがって、新たな資本はMINDのバランスシート以上のものを変える。買い手と投資家が同社の成果を評価する基準を引き上げることになる。
MINDは今後、断片化されたエンタープライズ環境全体で自社システムを運用できることを示さなければならない。また、自動化が監督を弱めることなく業務を削減することも実証する必要がある。
AIエージェントが従来のDLP前提を崩している
この機会が生まれているのは、エンタープライズAIが機密データ移動の速度と経路の両方を変えるためだ。
従来のDLPプログラムは通常、なじみのあるチャネルを監視する。メール、ファイル転送、Webアップロード、クラウドストレージ、エンドポイント、リムーバブルメディアに含まれる規制対象または機密情報を検査する。
これらのシステムは、多くの場合、事前定義されたパターンとポリシーに依存する。管理者は分類器を構築し、検出ルールを調整し、例外を確認し、アラートを調査し、業務プロセスの変化に合わせてコントロールを更新する。
この作業は生成AIが登場する前から困難だった。ユーザーがソースコード、財務記録、顧客情報、社内計画を外部アシスタントに貼り付けるようになると、さらに難しくなる。
エージェント型AIは別の複雑さを加える。AIエージェントは、1つのワークフローの中で複数のシステムにアクセスし、文書を取得し、その内容を組み合わせ、アクションを開始できる。
この振る舞いは、旧来のコントロールを支える基本的な前提を弱める。危険な転送は、もはや人が機密ファイルを意図的にアップロードするように見える必要がない。
データは、プロンプト、生成された応答、コネクター、一時的なコンテキストウィンドウ、自動化されたツール呼び出しを通じて露出する可能性がある。各ステップは個別に検査すれば正当なものに見えることがある。
GartnerのDLP researchは、従来型DLPが暗号化トラフィック、ユーザー意図に対する限定的な認識、シャドーAIなど、生成AIに関わるリスクに苦戦していると指摘している。同調査は、複数のセキュリティレイヤーからの情報を組み合わせる、より適応的でリスクベースのコントロールを推奨している。
MINDは、問題を生み出している同じ技術が、その管理にも役立つと見込んでいる。同社のエージェントは、アナリストが各段階に介在しなくても、イベントを分析し、ポリシーを生成し、あらかじめ定義されたアクションを実行できるよう設計されている。
想定される仕組みは、まず検出から始まる。組織は、どのような機密ファイルが存在するか、コピーがどこにあるか、誰がアクセスできるか、アプリケーションがそれらをどう利用しているかを把握する必要がある。
分類は、そのインベントリに業務上の意味を加える。プラットフォームは、規制対象情報、知的財産、認証情報、契約書、通常の業務データを、許容可能な精度で区別しなければならない。
活動監視は次に、移動と行動のコンテキストを提供する。システムは、情報が共有、コピー、アップロード、要約されているか、あるいはAIサービスに露出しているかを識別する必要がある。
最後に、ポリシー適用がその理解を結果へ変える。プラットフォームは活動を許可し、ユーザーに警告し、正当化を求め、コンテンツを隔離し、または操作をブロックできる。
MINDは、これらの段階を1つのプラットフォーム内で接続するとしている。この設計は、検出、分類、監視、適用が別々の製品から提供される際に生じるギャップを避けることを目指す。
医療分野は明確な例を示す。Children’s Hospital Los Angelesは、スタッフのエンドポイント上で保護対象保健情報がAIツールに入力されるのを防ぐためにMINDを利用しているとしている。
同病院の課題は、単に患者記録を特定することではない。特定の情報が許容できない境界を越えるのを止めつつ、有用なAI導入を可能にしなければならない。
National Geographic Societyは異なるシナリオを説明している。同団体はMINDを用いて機密文書にラベルを付け、公開共有を制限し、情報がAIエージェントと相互作用するタイミングを観察している。
両事例は、エンタープライズAIセキュリティがデータコントロールの問題になりつつある理由を示している。ユーザーや接続されたエージェントが本来提供すべきでない情報を、モデルの安全性だけで保護することはできない。
この変化は、知識集約型チームにとっても重要だ。検索可能なAI knowledge baseは、より多くの業務と接続するほど有用性が高まる。同時に、セキュリティ要件も高まる。
AIシステムには、関連情報を取得するための十分なアクセスが必要だ。それでもセキュリティチームは、権限、機密性、監査可能性、二次共有に関する制限を維持しなければならない。
MINDの前提は、自動化がこうした要求を機械の速度で両立できるというものだ。シリーズBは、その前提を本番環境で検証するための能力を同社に与える。
真の競争は自律型コントロールと人による監督の間にある
MINDは、自律型DLPがセキュリティ判断の信頼性を損なうことなく、運用負荷を軽減できることを証明しなければならない。
同社は、自社のエージェントを、DLPにおけるよく知られた問題への回答として提示している。セキュリティツールは、大量のアラート、例外、ポリシー要求、分類タスクのキューを生み出し得る。
リスクを検出しても継続的な調整を必要とするツールは、作業をなくすのではなく移し替える可能性がある。セキュリティエンジニアは依然として、どのアラートが重要か、どの業務活動が正当かを判断する必要がある。
MINDのAI DLPエージェントは、こうした反復的な管理業務を担うことを目指す。あるエージェントはカスタム分類器を生成し、別のエージェントは指示と観測された活動に基づいてポリシーを作成・改善する。
別のエージェントはインシデントを調査し、是正を推奨または実行する。プラットフォームは、人間のチームが戦略を設定し、ソフトウェアが繰り返し発生する運用タスクを処理できるようにすることを意図している。
このアプローチには重要なトレードオフがある。自動化を強めれば対応を迅速化し、より広範なカバレッジを支援できる一方、誤った分類やポリシーの影響を拡大する可能性もある。
エージェントが対応を適用できる場合、偽陽性は単なる不便なアラートではない。業務プロセスを中断し、正当な開示を妨げ、緊急業務に必要な情報を制限する可能性がある。
偽陰性は逆の問題を生む。機密情報が認識されない形式、アプリケーション、またはエージェントのワークフローを通過しても、システムは包括的に見える可能性がある。
コンテキスト認識型の分類は、こうした誤りを減らすことが期待されている。MINDによると、その多層システムはファイルの内容に加え、利用を取り巻く要因も評価する。
しかし、同社は分類精度を主要な代替製品と比較できるほどの独立ベンチマークデータを公開していない。また、顧客基盤全体における本番環境の偽陽性率も開示していない。
こうした詳細がないことは、製品を無効にするものではない。見込み顧客は、精度や省力化に関する主張を、管理された評価の対象として扱うべきだということを意味する。
有用な概念実証には、煩雑で組織固有の情報を含めるべきだ。チームは、一貫性のないラベル、複製コンテンツ、埋め込み画像、部分的な記録、変化するアクセス権限を含む文書をテストすべきである。
テストでは、実際のAIワークフローも対象にすべきです。データがブラウザのプロンプト、承認済みのcopilot、API連携、自律型エージェントを経由する場合、ポリシーの挙動は異なる可能性があります。
購入担当者が求めるべき証拠は、検知性能だけではありません。システムが判断をどのように説明するか、エージェントの行動をどう記録するか、例外をどう処理するか、誤った応答後にアクセスをどう復旧するかを確認する必要があります。
人による承認の境界には、特に注意が必要です。組織は、MINDが自動で実行できるアクションと、レビューを要するアクションを把握すべきです。
また、データの種類、従業員の役割、アプリケーション、管轄区域、業務プロセスによって、その境界がどのように変わるかも判断する必要があります。マーケティング文書に適したポリシーでも、臨床データには受け入れられない可能性があります。
MINDは、エンタープライズ評価を支援し得る認証実績を獲得しています。同社によれば、AnthropicのCyber Verification Programに受け入れられた最初のデータセキュリティベンダーでした。
このプログラムは、審査済みの防御的セキュリティ組織に対し、高度なサイバー業務に適したアクセスを提供します。受け入れは、組織がAnthropicの検証プロセスを通過したことを示すものであり、AnthropicがMINDのすべての製品上の主張を独自に検証したことを意味するものではありません。
MINDは、ISO/IEC 42001認証も取得したと述べています。ISO/IEC 42001は、AIマネジメントシステムを確立・改善するための要件を定めています。
この規格は、組織のポリシー、リスクプロセス、説明責任、監視、継続的改善を対象としています。ISOは、認証は独立した認証機関が発行し、ISO自体は企業を認証しないと説明しています。
これらの認証実績は、調達チームがガバナンスの成熟度を評価する助けになり得ます。ただし、顧客環境内での技術テストに取って代わるものではありません。
したがって、中心となる問いは測定可能です。このプラットフォームは、許容可能な検知、強制措置、事業継続性を維持しながら、調査とポリシー運用の負担を減らせるのでしょうか。
MINDのSeries Bは、この問いを同社の次の段階の中心に据えています。エンタープライズの購入担当者は、資金調達の発表や成長率を超える証拠を求めるでしょう。
MIND、競争の激しいエンタープライズ・データセキュリティ市場へ
MINDの統合型提案は、確立済みのプラットフォーム、大規模な資金を得た専門企業、そしてエンタープライズ向けソフトウェアスイートにすでに組み込まれたコントロールと競争しなければなりません。
データセキュリティ市場には、複数の重複するカテゴリがあります。従来のDLPは、機密コンテンツの検知と、不正な移動の防止に重点を置きます。
Data Security Posture Management、すなわちDSPMは、クラウドまたはソフトウェア環境全体で、機密データ、権限、露出、リスクを可視化します。インサイダーリスク製品は、従業員、請負業者、または侵害されたアカウントによる不正利用を示し得る行動を分析します。
AIセキュリティプラットフォームは、モデル、プロンプト、エージェント、接続データを対象にコントロールを追加します。大手ベンダーは、これら4カテゴリすべての要素を組み合わせる傾向を強めています。
Microsoftは、Purviewのコントロールを、多くのエンタープライズがすでに利用している生産性アプリケーションと接続できます。Varonisは、データアクセスガバナンス、分類、行動監視、修復における長年の実績を持ちます。
Cyberhavenは、ユーザーがアプリケーション間で情報を変換・移動する過程を追跡するデータリネージに重点を置いています。Cyeraは、クラウドデータの発見とセキュリティポスチャを軸に地位を築いた後、プラットフォームを拡張しました。
MINDは、統合されたAIネイティブのアーキテクチャが、より優れた運用成果を生むと顧客に納得させる必要があります。同時に、より大きな営業組織、より深い統合、既存のエンタープライズ契約を持つベンダーと競争しなければなりません。
カテゴリ全体への資金流入も、この圧力を強めています。AxiosによるCyera financingの報道によれば、Cyeraは2025年6月、評価額60億ドルで5億4,000万ドルのSeries Eを発表しました。
Cyeraはその時点までに約12億5,000万ドルを調達していました。その規模は、AI導入がエンタープライズのデータ露出を増大させるという見方に、投資家がどれほどの資本を投じているかを示しています。
MINDは、総資金調達額では依然としてはるかに小規模です。同社は、自律運用を備えた統合DLPプラットフォームであれば、すべての競合他社と同じ広がりを持たなくても勝てると主張しています。
この焦点には利点があります。より新しいプラットフォームは、何十年分もの既存アーキテクチャを支えることなく、SaaS、生成AI、エージェント、現代的なエンドポイントを前提に設計できます。
また、既存プロバイダーが別々のモジュールとして開発したワークフローを統合することも可能です。導入時間と管理負荷を減らせるなら、購入担当者はよりシンプルな運用モデルを評価するでしょう。
一方で、同じ焦点は商業上のリスクも生みます。エンタープライズ顧客は、既存のアイデンティティ、エンドポイント、クラウド、コンプライアンスのシステムに適合するセキュリティ製品を好むことが多いためです。
技術的に優れたスタンドアロンのプラットフォームでも、より包括的なベンダーが大規模契約に十分なコントロールをバンドルする場合、敗れる可能性があります。調達の簡素さが、機能面の優位性を上回ることもあります。
そのため、MINDのチャネル拡大は、製品ロードマップと同じくらい重要です。パートナーは、同社が購入担当者に到達し、ポリシーを実装し、プラットフォームを既存のセキュリティ運用と接続する支援をできます。
顧客集中も、未解決の課題です。MINDは数十社の顧客を報告していますが、最大顧客への収益依存度は開示していません。
同社は更新率や拡張パターンも報告していません。これらの指標は、初期評価後に顧客が導入範囲を広げているかを明らかにするでしょう。
独立した報道は、基本的な資金調達の詳細を確認し、MINDの製品の方向性を要約しています。しかし、AI data controlsの報道も、MINDの成長率の根拠となる数値は開示されていないと指摘しています。
この制約は、競争分析の前提を形作ります。資金調達によってMINDは採用、統合の構築、より大規模な顧客の支援を進められますが、それだけで持続的な市場地位が確立されるわけではありません。
競争圧力は製品の優先順位にも影響します。MINDは、既存のDLPシステムが抱えると批判する複雑さを再現せずに、カバレッジを拡大しなければなりません。
規制上・運用上の要件を満たすだけの設定機能が必要です。同時に、「stress free」というポジショニングを支える、よりシンプルな体験を維持しなければなりません。
導入が地域、業界、事業部門をまたぐほど、そのバランスは難しくなります。拡大のたびに、新たなデータタイプ、ポリシー、アプリケーション、例外処理の経路が加わります。
エンタープライズDLPの勝者が、必ずしも最も長い機能一覧を提供するとは限りません。購入担当者は、正確なコンテキストを一貫して説明可能なアクションへ変換できるプラットフォームを支持する可能性が高いでしょう。
資金調達の数字がまだ証明していないこと
MINDは例外的な成長を報告していますが、現時点で得られる証拠では、その成長がどれほど効率的かつ信頼性高く拡大できるかはまだ示されていません。
同社によれば、過去1年間で売上高は17倍超に増加し、顧客数は8倍に拡大しました。また、プラットフォームが数十億件のデータイベントを分析したとも述べています。
これらの数字は、8桁の売上高という主張と合わせると、需要の高まりを示唆します。しかし、各数値はMIND自身の発表に基づくものであり、完全な評価に必要な裏付けの詳細が欠けています。
売上比較の基準値は開示されていません。顧客数についても、有償の本番導入と、小規模アカウントまたは初期段階の契約が区別されていません。
数十億件の分析済みイベントは処理量を示しますが、イベント数から検知品質は分かりません。大規模な処理量には、セキュリティ上の意味がほとんどない日常的な活動も含まれ得ます。
エンドポイントのカバレッジも、有用ではあるものの不完全なシグナルです。MINDは、数十万台のエンドポイントで機密データの損失を阻止したと述べています。
同社は、完全なプラットフォームを稼働させているエンドポイント数、コントロールが介入する頻度、顧客が防止された損失をどう測定しているかを開示していません。報告方法の異なる製品を比較する際、これらの問いは重要です。
自動化には、独自の測定上の問題があります。エージェントは人間のチームより多くの調査を完了できますが、判断が正確であって初めて、その速度に価値が生まれます。
セキュリティリーダーは、誤検知、調査時間、ポリシー保守、例外件数、確認済みのデータ損失について、測定可能な変化を確認すべきです。また、ユーザーへの影響や、判断が覆された頻度も検証すべきです。
規制産業では、特に明確な監査証跡が必要です。医療提供者は、特定の転送がなぜブロック、許可、またはエスカレーションされたのかを説明する必要があるかもしれません。
金融機関、政府機関、法務チームにも同様の要件があります。生成された説明は、もっともらしい文章だけを提示するのではなく、証拠、ポリシー、アイデンティティのコンテキストにつながる必要があります。
MINDの顧客は、心強い事例を提供しています。Children’s Hospital Los Angelesは、エンドポイントのパフォーマンスに影響を与えずに、AIツールへ入力される患者情報を保護していると述べています。
National Geographic Societyは、情報とAIエージェントの間のやり取りに対する可視性をMINDが提供すると述べています。これらの事例は、抽象的な需要ではなく、具体的な用途を示しています。
ただし、これらは同社が提示した顧客の証言にとどまります。導入前後の測定値を記録した独立した事例研究があれば、より強い検証となるでしょう。
エンタープライズでの採用は、実装に要する労力にも左右されます。MINDは、自社のエージェントが管理作業を減らすと主張していますが、複雑な組織が明確なデータ所有権と一貫したポリシーから始められることはほとんどありません。
自動化は、システムが環境を理解した後の判断を加速できます。しかし、不明確な所有権、重複するルール、正当な例外の間にあるすべての対立を自動的に解決できるわけではありません。
データレジデンシーは、さらに複雑さを加えます。グローバル企業では、管轄区域ごとに異なる保存、処理、強制措置の方法が必要になる場合があります。
エージェントの権限も別のリスクを生みます。セキュリティエージェントには、情報を検査し、承認済みの修復を実行するために十分なアクセス権が必要です。
そのアクセスにより、アイデンティティ管理、ログ、職務分掌、緊急停止手順が不可欠になります。エージェント自体が、組織の機密性が高いセキュリティインフラの一部となるためです。
MINDは、顧客がその自律性を制約できることを示さなければなりません。手作業を減らすために設計されたプラットフォームであっても、信頼度が低い場合には予測可能なエスカレーションが必要です。
同社の認証と投資家の支持はその立場を強化しますが、どちらも運用上の証拠に代わるものではありません。次の段階では、初期の成功が多様な環境における再現可能な導入へとつながるかが試されます。
この資金調達は、情報開示への期待も高めます。MINDが成長するにつれ、顧客と投資家は、維持率、拡張、分類性能、応答精度について、より明確な指標を求めるようになるでしょう。
これらの指標が、自律型DLPが防御可能な製品上の優位性になるかを左右します。また、MINDが複雑さを減らしているのか、それとも別の場所へ移しているだけなのかも示すでしょう。
MINDが拡大できるかを示す3つのシグナル
次の試練は新たな資金調達の節目ではなく、正確性、コントロール、顧客の信頼を維持しながらMINDがカバレッジを拡大できるという証拠です。
最初のシグナルは、測定可能な顧客拡大です。MINDは、初期導入後に初期顧客がエンドポイント、情報ソース、AIアプリケーション、事業部門を追加していることを示す必要があります。
拡大は、製品が実際の運用条件に耐えられることを示します。また、顧客が限定的な概念実証を超えた価値を得ているという主張も支えることになります。
更新データがあれば、このシグナルはより強くなります。高い維持率と契約規模の拡大は、自律型DLPが日常的なセキュリティ運用の一部になっていることを示唆するでしょう。
拡大が弱ければ、逆の方向を示します。導入範囲が広がるにつれて、統合、ポリシー管理、誤検知がより困難になっている可能性を示すかもしれません。
第2のシグナルは、独立した技術検証です。MINDは、分類精度、誤検知、調査時間、是正結果を網羅するベンチマーク結果または顧客測定値を提示すべきです。
単一のベンチマークで、すべてのエンタープライズ環境を再現することはできません。それでも、手法が透明であれば、購入者はより良い比較基準を得られます。
検証には、一般的なファイル転送だけでなく、AI固有のワークフローも含める必要があります。テストでは、プロンプト、ブラウザセッション、コパイロット、API呼び出し、複数のシステムにまたがって情報を取得するエージェントを対象とすべきです。
敵対的な行動も検証する必要があります。ユーザーや攻撃者は、ファイル名を変更したり、情報を分割したり、コンテンツをエンコードしたり、スクリーンショットを利用したり、承認済みツールを介してデータを移動させたりする可能性があります。
自律的な対応も、同じ条件下で評価する必要があります。重要なのは、証拠が不完全または矛盾している場合に、システムが適切な措置を講じるかどうかです。
独立した検証は、MINDの中核的な主張を強化するでしょう。結果が不十分または一貫性を欠けば、自律管理が慎重に監督されたコントロールを上回るという主張は弱まります。
第3のシグナルは、競合各社とプラットフォーム提供者の対応です。Microsoft、Varonis、Cyera、Cyberhavenなどのベンダーが、自律型DLPを無策のまま放置する可能性は低いでしょう。
各社はエージェントを追加し、生成AIへの対応範囲を広げ、既存のセキュリティプラットフォームにコントロールをバンドルできます。すでに、データ検出、アクセスコンテキスト、行動監視、強制適用を結び付けている企業もあります。
こうした機能が広がる中で、MINDは意味のある差別化を維持しなければなりません。その差は、管理業務の削減、より広いカバレッジ、迅速な導入、あるいはより正確な判断から生まれる可能性があります。
機能競争だけでは、大手ベンダーに有利に働きます。MINDには、自社のアーキテクチャがDLPプログラム運用の経済性または信頼性を変えるという証拠が必要です。
チャネルパートナーシップは、その成果の一端を明らかにします。強力なパートナーは、既存のエンタープライズ向けセキュリティスタックにおいて、MINDの購入、導入、統合を容易にできます。
技術統合も別の手がかりとなります。アイデンティティ、エンドポイント、クラウド、生産性向上ツール、AIシステムにまたがるカバレッジによって、プラットフォームが有用なポリシーを適用するのに十分なコンテキストを把握できるかが決まります。
MINDのSeries Bは、サイバーセキュリティ投資家がAIリスクに焦点を当てた企業を評価している時期に実施されました。最近の市場動向は、企業がAI導入によってセキュリティ支出が増加すると見込んでいることも示しています。
この環境はMINDの成長を加速させる可能性があります。同時に、持続的な需要と好調な資金調達サイクルによる追い風を区別しにくくする可能性もあります。
エンタープライズの購入者にとって、この資金調達は企業の資金余力を延ばし、より大規模な導入を支援するという点で重要です。ただし、技術面やガバナンス面のレビューを短縮すべきではありません。
MINDを評価するチームは、自社の機密情報、実際のユーザー行動、承認済みAIツール、例外処理ワークフローをテストすべきです。防止された情報漏えいと運用上の摩擦の両方を測定する必要があります。
また、人による承認が依然として必須となる領域も定義すべきです。自律的なポリシー運用には、従業員の行動を制限したりセキュリティコントロールを変更したりできるあらゆるシステムと同等の精査が求められます。
MINDは現在、DLPがAIの速度で動作すべきだと訴えるための資本をより多く得ています。エンタープライズデータを取り巻く従来の境界が弱まりつつあるため、その機会は大きなものです。
決定的な証拠は、資金調達額ではなく本番環境から得られます。MINDは、手作業のセキュリティ業務を減らしながら、各自動判断を可観測で、取り消し可能で、説明可能なものにできるでしょうか。
これが、同社の7,200万ドルのラウンドが設定した基準です。そしてこれは、エンタープライズのセキュリティチームがあらゆる評価で持ち続けるべき問いでもあります。
