Izraelskie startupy pozyskały w lipcu 1,5 mld dolarów, a inwestorów przyciągnęła korporacyjna AI

Izraelskie startupy trafiły do Google News po tym, jak według doniesień pozyskały w lipcu 1,5 mld dolarów, mimo ryzyka geopolitycznego i bardziej rygorystycznego podejścia funduszy venture capital. Sama kwota jest istotna, lecz jeszcze ważniejsza jest struktura tego finansowania. Inwestorzy skoncentrowali kapitał wokół korporacyjnej AI, cyberbezpieczeństwa, tożsamości, infrastruktury oraz systemów niezbędnych do zarządzania autonomicznym oprogramowaniem.

Ten wzorzec odróżnia lipiec od szerokiego ożywienia w sektorze technologii. Inwestorzy nie rozdzielali kapitału równomiernie między aplikacje konsumenckie, eksperymentalne modele i tradycyjne firmy tworzące oprogramowanie. Preferowali startupy rozwiązujące problemy pojawiające się wtedy, gdy firmy wdrażają agentów AI do środowisk produkcyjnych.

To tworzy główne napięcie stojące za wzrostem finansowania. Przedsiębiorstwa chcą oprogramowania, które potrafi rozumować, działać i automatyzować całe procesy robocze. Jednak każdy dodatkowy autonomiczny system rodzi nowe pytania o dostęp, dane, koszty, monitorowanie i odpowiedzialność.

W rezultacie rynek rozwija wdrażanie AI i kontrolę nad AI jednocześnie. Izraelscy założyciele startupów zajęli pozycje po obu stronach tego równania. Część tworzy agentów, a inni budują bezpieczeństwo, mechanizmy tożsamości i infrastrukturę, których ci agenci potrzebują.

Nagłówek Google News ukrywa skoncentrowany rynek finansowania

Zgłoszona łączna kwota 1,5 mld dolarów z lipca odzwierciedla skoncentrowany cykl inwestycji korporacyjnych, a nie falę wznoszącą dla każdego izraelskiego startupu.

Zestawienie finansowania, rozpowszechnione za pośrednictwem kanału Google News, obejmowało kilka dużych i średnich rund ogłoszonych w lipcu. Transakcje dotyczyły cyberbezpieczeństwa, półprzewodników, automatyzacji dla przedsiębiorstw, robotyki, obserwowalności, tożsamości, technologii reklamowych oraz dochodzeń w sprawach przestępczości finansowej.

Największa ujawniona lipcowa runda przypadła Xsight Labs. Firma półprzewodnikowa pozyskała 300 mln dolarów przy zgłoszonej wycenie 2,8 mld dolarów. Jej układy sieciowe są przeznaczone dla ogromnych klastrów obliczeniowych obsługujących obciążenia AI.

Onyx Security ogłosił rundę Series B o wartości 113 mln dolarów przy zgłoszonej wycenie 640 mln dolarów. Firma koncentruje się na zabezpieczaniu agentów AI — kategorii przyciągającej inwestycje wraz z wdrażaniem przez przedsiębiorstwa autonomicznego oprogramowania w wrażliwych środowiskach.

Groundcover pozyskał 100 mln dolarów na swoją platformę obserwowalności. Obserwowalność opisuje narzędzia, których zespoły używają do rozumienia zachowania systemów poprzez logi, metryki, ślady i inne dane operacyjne. Firma przekonuje, że aplikacje AI generują nowe wolumeny i wzorce telemetrii, do których starsze systemy monitoringu nie zostały zaprojektowane.

Neo Security również ujawnił w lipcu finansowanie w wysokości 100 mln dolarów. Firma tworzy technologię bezpieczeństwa dla autonomicznych agentów działających wewnątrz systemów przedsiębiorstw. Wcześniej ogłoszona runda podniosła jej zgłoszone łączne finansowanie ponad tę kwotę.

Inne znaczące rundy obejmowały 71 mln dolarów dla startupu robotycznego Enigma, 60 mln dolarów dla Act Security oraz 60 mln dolarów związane z Oak. Hemispheric wyszedł z ukrycia z 52 mln dolarów na model bazowy skoncentrowany na danych dotyczących mózgu.

Ten rozkład pokazuje, dlaczego nagłówek wymaga kontekstu. Niewielka liczba większych rund wniosła znaczący wkład do łącznej kwoty, podczas gdy wiele młodszych firm pozyskało mniejsze rundy instytucjonalne.

Lista finansowania z 2026 roku prowadzona przez CTech wskazuje na jeszcze jedną ważną cechę. Wielu beneficjentów określa się jako dostawcy infrastruktury do wdrażania AI, a nie twórcy modeli konkurujący bezpośrednio z OpenAI, Anthropic czy Google.

To rozróżnienie zmienia sposób, w jaki oceniają ich inwestorzy. Trenowanie modelu z czołówki wymaga olbrzymich zasobów obliczeniowych, talentów badawczych i stałego kapitału. Firma oferująca infrastrukturę dla przedsiębiorstw może natomiast sprzedawać narzędzia działające wokół dowolnego modelu wybranego przez klienta.

Takie firmy faktycznie stawiają na powszechne wdrażanie AI, nie zakładając wyłączności jednego dostawcy modeli. Jeśli przedsiębiorstwa wykorzystują kilka modeli i wiele wyspecjalizowanych agentów, popyt na zarządzanie i integrację może rosnąć.

Lipiec wymaga też zastrzeżenia metodologicznego. Łączne kwoty finansowania zazwyczaj obejmują publicznie ujawnione transakcje i mogą się zmieniać, gdy znane stają się wcześniej poufne rundy. Niektóre ogłoszone kwoty mogą łączyć wcześniejsze zamknięcia rund, rozszerzenia lub finansowanie pozyskane przed datą publikacji.

Dlatego zgłoszone 1,5 mld dolarów najlepiej traktować jako migawkę ujawnionych transakcji. Nie jest to pełny audyt każdego dolara przekazanego w danym miesiącu kalendarzowym.

To zastrzeżenie nie podważa szerszego wzorca. Wymienione rundy nadal wskazują na skoncentrowany popyt na produkty wspierające wdrożenia korporacyjne, bezpieczeństwo AI, sieci, tożsamość i automatyzację.

Prawdziwa historia lipca nie polega po prostu na tym, że izraelskie firmy technologiczne przyciągnęły kapitał. Chodzi o to, że inwestorzy wielokrotnie finansowali warstwę operacyjną otaczającą korporacyjną AI.

Inwestorzy w korporacyjną AI finansują kontrolę przed autonomią

Inwestorzy wydają się skłonni finansować autonomiczne oprogramowanie tylko wtedy, gdy firmy potrafią również kontrolować jego tożsamość, kontekst, uprawnienia i zachowanie.

Agenci AI różnią się od standardowego oprogramowania biznesowego, ponieważ mogą wybierać działania i współdziałać z wieloma systemami. Mogą pobierać dane, modyfikować rekordy, komunikować się z klientami lub uruchamiać procesy wewnętrzne.

Ta elastyczność tworzy wartość, ale także poszerza możliwą powierzchnię błędów. Agent może otrzymać nadmierne uprawnienia, działać na podstawie niepełnego kontekstu, ujawnić poufne informacje lub generować kosztowne działania z prędkością maszyny.

Kilka lipcowych rund było bezpośrednio ukierunkowanych na te problemy. Hush Security pozyskał 30 mln dolarów na budowę infrastruktury tożsamości dla agentów AI i innych tożsamości niebędących ludźmi. Tożsamość niebędąca człowiekiem to cyfrowa tożsamość przypisana oprogramowaniu, usługom, maszynom lub zautomatyzowanym agentom.

Mate Security pozyskał 35 mln dolarów na platformę koordynującą agentów AI do cyberbezpieczeństwa. Jego podejście opiera się na organizacyjnej warstwie wiedzy, która ma zapewniać autonomicznym obrońcom kontekst potrzebny do podejmowania wiarygodnych decyzji.

Modus pozyskał 10 mln dolarów, aby rozwiązać problem, który nazywa „Context Gap”. Termin ten opisuje brakujące informacje biznesowe, przez które agenci działający w przedsiębiorstwach nie są w stanie generować dokładnych, ekonomicznych i trafnych wyników.

Beacon Security pozyskał 13 mln dolarów na budowę warstwy danych dla defensywnych agentów AI. Jego teza opiera się na tej samej logice. Autonomiczne oprogramowanie bezpieczeństwa potrzebuje zaufanego kontekstu operacyjnego, zanim firmy pozwolą mu reagować niezależnie.

Oak zajmuje się inną częścią stosu technologicznego. Firma publicznie wyszła z ukrycia z platformą tożsamości zaprojektowaną do zarządzania pracownikami, maszynami, usługami i agentami z jednego panelu kontrolnego. TechCrunch poinformował, że Oak zabezpieczył 60 mln dolarów w finansowaniu seed pozyskanym przed publiczną premierą.

Firmy te używają różnej terminologii, ale odpowiadają na wspólną obawę przedsiębiorstw. Firmy nie mogą bezpiecznie skalować autonomicznych systemów, jeśli nie potrafią ich zidentyfikować, ograniczyć ani odtworzyć podejmowanych przez nie decyzji.

Reakcja inwestorów sugeruje, że zarządzanie staje się częścią architektury produktu. Nie jest już traktowane wyłącznie jako zadanie związane ze zgodnością, dodawane po wdrożeniu.

Przypomina to wcześniejszą fazę rozwoju chmury obliczeniowej. Firmy początkowo dążyły do łatwiejszego dostępu do infrastruktury i szybszego tworzenia oprogramowania. Wraz ze wzrostem wykorzystania wydatki przesunęły się w stronę tożsamości, bezpieczeństwa, monitorowania, kontroli kosztów i zarządzania konfiguracją.

Korporacyjna AI podąża podobną ścieżką, lecz w większym tempie. Dostęp do modeli pojawił się najpierw. Następnie firmy eksperymentowały z asystentami i ograniczonymi copilotami. Teraz próbują łączyć agentów z bazami danych, komunikacją, systemami finansowymi i procesami obsługi klientów.

Ten ostatni krok zmienia profil ryzyka. Chatbot, który generuje błędną odpowiedź, tworzy jeden rodzaj problemu. Agent działający na podstawie tej odpowiedzi może spowodować większą awarię operacyjną.

W konsekwencji inwestorzy finansują systemy znajdujące się między modelami a operacjami biznesowymi. Ta środkowa warstwa decyduje o tym, co agent wie, jakie działania może wykonywać i jak ludzie weryfikują jego pracę.

Trend ten zmniejsza również zależność od pojedynczego dostawcy modeli. Mechanizmy kontroli tożsamości, platformy monitorujące i warstwy kontekstu przedsiębiorstwa mogą obsługiwać wiele modeli bazowych. Klienci coraz częściej chcą takiej elastyczności, ponieważ koszty, możliwości i polityki modeli stale się zmieniają.

Dla programistów przekaz jest prosty. Nabywcy korporacyjni oceniają więcej niż wyniki benchmarków. Chcą ścieżek audytu, granic dostępu, kontroli wdrożeń, przewidywalnych kosztów i integracji z istniejącymi systemami.

Dla nabywców korporacyjnych lipcowa aktywność finansowania stanowi ostrzeżenie. Rosnący rynek zarządzania agentami istnieje dlatego, że autonomiczne wdrażanie pozostaje trudne. Inwestycje venture nie oznaczają, że podstawowe problemy zostały rozwiązane.

Najsilniejszy sygnał jest więc dwojaki. Firmy zbliżają się do operacyjnego wykorzystania AI, a rynek uznaje, jak wiele infrastruktury kontrolnej wciąż jest potrzebne.

Izraelskie startupy rzucają wyzwanie tradycyjnemu modelowi SaaS

Najwyraźniejsza rywalizacja nie toczy się już między startupem a startupem. Chodzi o autonomiczne rezultaty kontra tradycyjne oprogramowanie sprzedawane jako narzędzia obsługiwane przez użytkowników.

Kilka firm, które otrzymały finansowanie, nie ogranicza się do dodania asystenta do istniejącego interfejsu. Proponują oprogramowanie, które wykonuje pracę w imieniu pracowników.

Alta, założona przez byłych pracowników monday.com, pozyskała w lipcu 25 mln dolarów. Firma tworzy agentów AI dla procesów marketingowych i sprzedażowych. Poinformowała o rocznym powtarzalnym przychodzie na poziomie 15 mln dolarów i wzroście przychodów o 800%.

Według danych CTech dotyczących finansowania kierownictwo Alta opisało przejście od konwencjonalnego oprogramowania do modelu usług zarządzanych. W tym podejściu jeden opiekun klienta mógłby nadzorować 80 klientów zamiast 20, podała firma.

Twierdzenie to nie zostało niezależnie zweryfikowane. Ilustruje jednak komercyjną obietnicę przyciągającą inwestorów. Oprogramowanie agentowe mogłoby pozwolić dostawcom sprzedawać gotowe rezultaty zamiast licencji, które klienci muszą samodzielnie obsługiwać.

Aligned pozyskał 60 mln dolarów na początku lipca na agentów AI automatyzujących złożone procesy sprzedaży business-to-business. Firma skupia się na ścieżce od pierwszych rozmów aż do sfinalizowania transakcji.

Tangos AI pozyskał 20 mln dolarów na automatyzację dochodzeń w sprawach przestępczości finansowej. Takie dochodzenia często wymagają od analityków zebrania dokumentacji, odtworzenia historii transakcji, porównania dowodów i udokumentowania wniosków.

Encore AI pozyskał 30 mln dolarów na badanie sposobów, w jakie najlepiej radzący sobie pracownicy sprzedaży i obsługi klienta prowadzą interakcje z klientami. Firma zamierza przełożyć te wzorce na zachowania agentów.

Harmony pozyskał 34 mln dolarów na automatyzację wewnętrznych wniosków firmowych. Mogą one obejmować powtarzalne zadania kierowane do zespołów prawnych, finansowych, informatycznych, kadr i zakupów.

Każda z tych firm koncentruje się na innym procesie roboczym, ale ich argument ekonomiczny jest podobny. Tradycyjne oprogramowanie pomaga pracownikowi wykonać zadanie. Produkt zorientowany na agentów próbuje wykonać większą część zadania samodzielnie.

Ta zmiana wywiera presję na uznanych dostawców oprogramowania. Firmy takie jak Salesforce, Microsoft, ServiceNow, Okta i Datadog już mają silne relacje z dużymi przedsiębiorstwami. Mogą dodawać agentów do produktów, z których klienci już korzystają.

Startupy muszą więc zaoferować więcej niż atrakcyjną prezentację. Potrzebują mierzalnej przewagi w szybkości wdrożenia, kosztach operacyjnych, dokładności lub realizacji procesów.

Obecni liderzy mają kilka strukturalnych przewag. Kontrolują istniejące dane, uprawnienia użytkowników, relacje zakupowe i punkty integracji. Nabywcy korporacyjni wiedzą też, jak oceniać ich procesy bezpieczeństwa i wsparcia.

Startupy mogą szybciej reagować na nowe założenia techniczne. Mogą od początku projektować produkty wokół agentów, zamiast umieszczać autonomię w oprogramowaniu stworzonym z myślą o obsłudze przez ludzi.

W tym miejscu istotne staje się izraelskie doświadczenie korporacyjne. Lokalny sektor technologiczny stworzył znaczące firmy w dziedzinach cyberbezpieczeństwa, infrastruktury chmurowej, narzędzi dla programistów, technologii finansowych i oprogramowania biznesowego.

Wielu założycieli firm powstałych w lipcu wcześniej pracowało w takich firmach jak Meta, Microsoft, SentinelOne, Wiz, Cyera, Torq, monday.com, Cisco i Palo Alto Networks. Wnoszą wiedzę na temat zakupów korporacyjnych i ograniczeń środowisk produkcyjnych.

Szerszy kontekst finansowania wzmacnia ten kierunek. CTech naliczył około $8.4 billion w co najmniej 129 izraelskich rundach finansowania w pierwszej połowie 2026 roku.

Znaczną część tej sumy napędziło kilka bardzo dużych transakcji. Vast Data pozyskało 1 miliard dolarów, a Cyera ogłosiła w tym okresie odrębne rundy o wartości 400 mln i 600 mln dolarów.

Poza tymi wyjątkami CTech wskazał gęstą grupę rund seed i Series A. Wiele z nich mieściło się w przedziale od 10 mln do 60 mln dolarów i koncentrowało się na infrastrukturze AI lub cyberbezpieczeństwie.

Lipiec podtrzymał ten wzorzec. Duże rundy potwierdzały dojrzałe kategorie, podczas gdy mniejsze finansowały nowe próby przeprojektowania tożsamości, monitoringu, sprzedaży, bezpieczeństwa i operacji wewnętrznych.

Nie oznacza to, że produkty agentowe już zastąpiły oprogramowanie jako usługę. Większość przedsiębiorstw nadal potrzebuje interfejsów, narzędzi konfiguracyjnych, raportowania i systemów zatwierdzania przez ludzi.

Bardziej realistycznym scenariuszem jest stopniowe przenikanie się oprogramowania i usług. Produkty będą udostępniać pracownikom mechanizmy kontroli, podczas gdy agenci będą realizować coraz większą część powtarzalnych działań w tle.

Model ten komplikuje też wycenę i pomiar efektów. Klienci mogą mniej interesować się liczbą stanowisk użytkowników, a bardziej liczbą zakończonych spraw, chronionych zasobów, rozwiązanych alertów lub zautomatyzowanych procesów.

Dostawcy obiecujący wyniki biorą na siebie większą odpowiedzialność za porażki. Jeśli system podejmuje decyzje, kupujący będą oczekiwać wyraźniejszej odpowiedzialności, gdy decyzje okażą się błędne.

Lipiecowa fala inwestycji finansuje więc zarówno szansę, jak i obciążenie. Startupy enterprise AI mogą przejmować więcej wartości, wykonując więcej pracy, ale muszą też ponosić większe ryzyko operacyjne.

Bezpieczeństwo i infrastruktura zyskały, ponieważ AI tworzy nowe wąskie gardła

Wzorzec finansowania pokazuje, że popyt na AI tworzy ograniczenia w obszarze chipów, sieci, monitoringu, endpointów i kontroli dostępu.

Xsight Labs stanowi najczytelniejszy przykład sprzętowy. Izraelska firma półprzewodnikowa tworzy układy sieciowe służące do łączenia systemów obliczeniowych. Jej runda o wartości 300 mln dolarów była największą ujawnioną transakcją na lipcowej liście.

Nowoczesne systemy AI opierają się na klastrach zawierających wiele akceleratorów. Procesory te muszą wymieniać dane wystarczająco szybko, aby nie pozostawały bezczynne. Wydajność sieci może zatem ograniczać efektywną moc kosztownej infrastruktury obliczeniowej.

To sprawia, że łączność staje się częścią równania ekonomicznego AI. Większa liczba procesorów nie przekłada się automatycznie na proporcjonalny wzrost wydajności, jeśli sieć nie potrafi sprawnie przesyłać danych.

Elio, założone przez byłych menedżerów Meta odpowiedzialnych za rozszerzoną i wirtualną rzeczywistość, pozyskało 21 mln dolarów na technologię sensoryczną. Firma twierdzi, że systemy AI potrzebują lepszych sposobów pozyskiwania informacji ze świata fizycznego.

Enigma pozyskała 71 mln dolarów na modele fundamentalne przeznaczone dla robotyki. Fizyczna AI wymaga systemów, które potrafią interpretować otoczenie, planować działania i obsługiwać maszyny w zmiennych warunkach.

Te inwestycje w sprzęt i robotykę poszerzają narrację o enterprise AI. Rynek nie ogranicza się do interfejsów czatowych ani automatyzacji biurowej. Inwestorzy finansują również fizyczne i obliczeniowe systemy, za pośrednictwem których działa AI.

Transakcje w obszarze bezpieczeństwa pojawiały się jednak częściej. Onyx, Neo, Bloom, Hush, Mate, Act, Way, Beacon i Oak zajmowały się różnymi aspektami dostępu, tożsamości, endpointów lub zachowania agentów.

Bloom Security pozyskało 20 mln dolarów wokół koncepcji, którą nazywa AI endpoint. Endpoint to urządzenie lub środowisko obliczeniowe, z którego pracownicy i oprogramowanie uzyskują dostęp do zasobów korporacyjnych.

Firma twierdzi, że uznane produkty bezpieczeństwa w dużej mierze koncentrują się na złośliwym oprogramowaniu. Miejsca pracy wspierane przez AI wprowadzają inne wyzwanie, ponieważ zatwierdzone aplikacje i agenci mogą uzyskiwać dostęp do wrażliwych informacji, nie zachowując się jak konwencjonalne złośliwe oprogramowanie.

Glow ujawniło finansowanie w wysokości 180 mln dolarów przy raportowanej wycenie 1,2 mld dolarów. Firma stosuje AI w bezpieczeństwie endpointów, kładąc nacisk na zapobieganie atakom zamiast reagowania po ich wykryciu.

Way Security pozyskało 20 mln dolarów na automatyzację wdrażania zarządzania tożsamością i dostępem. Praca ta często wymaga od firm łączenia aplikacji, definiowania uprawnień i utrzymywania zasad dostępu w złożonych środowiskach.

Groundcover reprezentuje stronę operacyjną. Aplikacje AI generują żądania między modelami, bazami danych, magazynami wektorowymi, usługami chmurowymi i systemami wewnętrznymi. Zespoły muszą rozumieć te interakcje, gdy wydajność spada lub koszty rosną.

Zatłoczona mapa finansowania wspiera jasną tezę inwestorów. Wdrożenia enterprise AI tworzą wtórne rynki wokół każdego ujawnionego przez nie wąskiego gardła operacyjnego.

Teza ta może się sprawdzić, nawet jeśli konkretne produkty agentowe poniosą porażkę. Firmy nadal będą potrzebować bezpiecznych tożsamości, niezawodnych sieci, kontrolowanego dostępu do danych i monitorowania zachowanych systemów AI.

Przypomina to również strategię inwestycyjną po upowszechnieniu się chmury. Rozwój chmury wspierał firmy z obszaru bezpieczeństwa, obserwowalności, platform deweloperskich, zarządzania kosztami i sieci, wykraczając poza największych dostawców infrastruktury.

Porównania nie należy jednak posuwać zbyt daleko. Infrastruktura chmurowa zapewniła stosunkowo standaryzowany model obliczeniowy. Enterprise AI nadal obejmuje niepewne architektury, zmieniających się dostawców modeli i niespójne definicje agenta.

Mimo to wzorzec jest widoczny. Kapitał płynie do firm, które sprawiają, że wdrożenia AI stają się możliwe do zarządzania w istniejących organizacjach.

Ta koncentracja wywiera presję na startupy działające poza preferowanymi kategoriami. Kompetentna aplikacja konsumencka lub ogólne narzędzie zwiększające produktywność musi konkurować z napływem podobnych produktów i szybko ulepszanymi funkcjami platform.

Startupy infrastrukturalne również mierzą się z konkurencją, lecz mogą celować w trudniejsze problemy dotyczące integracji, zarządzania, opóźnień, bezpieczeństwa i niezawodności. Problemy te często wymagają głębszych relacji z klientami.

Różnica w finansowaniu między tymi kategoriami może się pogłębiać. Inwestorzy stali się bardziej selektywni, a infrastruktura korporacyjna oferuje wyraźniejsze ścieżki do większych kontraktów niż wiele konsumenckich produktów AI.

Ta selektywność wyjaśnia, dlaczego lipcowej sumy nie należy odczytywać jako łatwego finansowania. Kapitał trafił przede wszystkim do zespołów z doświadczonymi założycielami, konkretnymi problemami korporacyjnymi lub dającą się obronić pracą techniczną.

Czego nie dowodzi kwota 1,5 mld dolarów

Finansowanie potwierdza apetyt inwestorów, ale nie potwierdza niezawodności produktu, adopcji przez klientów ani trwałych przychodów.

Duże rundy finansowania mogą sprawić, że młoda kategoria wygląda na bardziej dojrzałą, niż jest w rzeczywistości. Enterprise AI nadal mierzy się z nierozwiązanymi kwestiami dotyczącymi dokładności, bezpieczeństwa, kosztów operacyjnych, integracji i odpowiedzialności człowieka.

Kilka firm ujawniło wraz z finansowaniem deklaracje dotyczące wzrostu, klientów lub wydajności. Stwierdzenia te mogą pomóc wyjaśnić zainteresowanie inwestorów, ale powinny pozostać przypisane tym firmom.

Alta podała 800% tempo wzrostu i roczną stopę powtarzalnych przychodów na poziomie 15 mln dolarów. Dane te sugerują silny popyt, choć raportowanie nie przedstawia ustandaryzowanego, niezależnego audytu.

Hemispheric podało, że jego model Descartes zawiera sześć miliardów parametrów i został wytrenowany na ponad 250 000 godzin danych dotyczących mózgu. Firma przekazała, że dysponuje informacjami od ponad 100 000 uczestników.

Liczby te opisują skalę treningu, a nie potwierdzoną użyteczność kliniczną ani ogólną inteligencję. Produkty NeuroAI będą wymagać walidacji odpowiedniej dla ich docelowych zastosowań.

Firmy zajmujące się bezpieczeństwem agentów mają inny problem z pomiarem. Platforma może identyfikować podejrzane zachowania w testach, a jednocześnie mieć trudności w środowiskach produkcyjnych z niepełnymi danymi i nieznanymi procesami.

Systemy autonomiczne mogą też zawodzić w zwyczajny sposób. Mogą błędnie zrozumieć instrukcje, wybrać nieodpowiednie narzędzie lub kontynuować działanie po początkowym błędzie.

Ryzyko rośnie, gdy agenci łączą się z systemami finansowymi, tożsamościowymi, klientowskimi i programistycznymi. Pojedyncza błędna odpowiedź może przekształcić się w sekwencję działań, zanim zainterweniuje człowiek.

Narzędzia do zarządzania obiecują ograniczyć tę ekspozycję, ale zwiększają złożoność. Firma może wdrożyć kilka produktów do zarządzania tożsamościami, aktywnością w czasie wykonywania, dostępem do danych, monitorowaniem i egzekwowaniem polityk.

Taka fragmentacja tworzy okazję do konsolidacji. Może też pozostawić kupujących z kolejnym zestawem narzędzi bezpieczeństwa o nakładających się funkcjach.

Lipcowy wzorzec finansowania nie pokazuje, która warstwa będzie kontrolować rynek. Dostawcy tożsamości, platformy cyberbezpieczeństwa, dostawcy chmurowi, firmy z obszaru obserwowalności i dostawcy modeli mogą wszyscy rościć sobie prawa do części warstwy kontroli agentów.

Uznani dostawcy mogą przejmować startupy lub odtwarzać popularne funkcje. Sfinalizowane przejęcie Wiz przez Google pokazało strategiczną wartość przypisywaną izraelskiemu bezpieczeństwu chmurowemu, choć przyszłe rynki bezpieczeństwa agentów mogą konsolidować się inaczej.

Konkurencja między startupami będzie więc narastać. Onyx, Neo, Hush, Mate, Bloom, Oak, Beacon i inne firmy nie mogą wszystkie zajmować identycznych pozycji w architekturze korporacyjnej.

Niektóre się wyspecjalizują. Inne poszerzą swoje produkty, zawrą partnerstwa lub staną się celami przejęć. Mniejsza grupa może rozwinąć się w niezależne platformy.

Ryzyko geopolityczne również pozostaje istotne. Analiza CTech dotycząca pierwszej połowy roku wskazywała, że pozyskiwanie finansowania trwało podczas aktywnego konfliktu zbrojnego. Inwestorzy nie przestali finansować firm prowadzących działalność w Izraelu.

Ciągły napływ kapitału nie eliminuje ryzyk operacyjnych związanych z konfliktem. Firmy nadal muszą zapewniać ciągłość rekrutacji, bezpieczeństwo pracowników, obsługę klientów i niezawodne operacje transgraniczne.

Sumy finansowania przesłaniają również warunki firm, które nie ogłosiły rund. Rynek może generować duże liczby zagregowane, podczas gdy założyciele firm na wczesnym etapie, działający poza popularnymi kategoriami, mają trudności z pozyskaniem kapitału.

Koncentracja na AI i bezpieczeństwie może jeszcze zaostrzyć ten podział. Inwestorzy szukający ekspozycji na preferowaną narrację mogą kierować większe czeki do węższego grona firm.

Porównanie z czerwcem ilustruje tę zmienność. Izraelskie startupy miały pozyskać w czerwcu ponad $3 billion, napędzane przez kilka wyjątkowo dużych transakcji.

Raportowane 1,5 mld dolarów w lipcu było niższe, lecz nadal stanowiło znaczną kwotę. Porównywanie miesięcznych sum bez analizy poszczególnych transakcji może tworzyć mylącą linię trendu.

Dla czytelników odkrywających tę historię przez Google News właściwy wniosek powinien być wyważony. Lipiec potwierdza utrzymujące się zaufanie inwestorów do izraelskich technologii dla przedsiębiorstw. Nie pokazuje jednak, że każdy sfinansowany produkt osiągnął już niezawodne zastosowanie na dużą skalę.

Decydujący dowód nadejdzie ze strony klientów. Nabywcy muszą odnawiać umowy, rozszerzać wdrożenia i powierzać agentom pracę o większej wartości.

Na co powinni zwrócić uwagę czytelnicy Google News

O kolejnej fazie zadecydują dane dotyczące wdrożeń w przedsiębiorstwach, reakcje obecnych dostawców oraz konsolidacja nakładających się produktów do kontroli AI.

Pierwszym sygnałem, na który warto zwrócić uwagę, jest rozszerzanie współpracy przez klientów. Komunikaty o finansowaniu często podkreślają pierwszych klientów lub zgłaszany wzrost przychodów. Ważniejszym testem będzie to, czy klienci przeniosą agentów z ograniczonych pilotaży do powtarzalnych procesów produkcyjnych.

Wykorzystanie produkcyjne zmienia ekonomię firmy AI. Generuje stałe koszty modeli, infrastruktury, wsparcia i bezpieczeństwa. Wystawia też system na szerszy zakres danych i mniej przewidywalne zachowania użytkowników.

Inwestorzy będą oczekiwać dowodów, że przychody rosną szybciej niż te koszty operacyjne. Firmy oferujące kompletne rezultaty muszą wykazać, że automatyzacja poprawia marże, zamiast tworzyć kosztowną pracę wymagającą ludzkiej weryfikacji.

Dostawcy rozwiązań bezpieczeństwa stoją przed powiązanym testem. Muszą udowodnić, że klienci mogą wdrażać mechanizmy kontroli bez spowalniania użytecznej aktywności agentów. Nadmierne ograniczenia mogą sprawić, że autonomiczny system będzie niewiele lepszy od tradycyjnego oprogramowania.

Drugim sygnałem jest odpowiedź uznanych dostawców rozwiązań dla przedsiębiorstw. Microsoft, Google, Salesforce, ServiceNow, Okta, Palo Alto Networks, CrowdStrike i Datadog już sprzedają swoje produkty wielu wskazanym klientom.

Firmy te mogą integrować kontrolę agentów z istniejącymi platformami. Mogą również wykorzystywać partnerstwa i przejęcia, aby uzupełniać luki produktowe.

Zróżnicowanie startupów będzie zależeć od głębi rozwiązania, a nie od terminologii. Określanie produktu jako AI-native nie zapewni trwałej przewagi, gdy obecni dostawcy oferują porównywalne funkcje za pośrednictwem ugruntowanych kanałów dystrybucji.

Warto obserwować, czy startupy zdobywają wdrożenia zastępujące istniejące rozwiązania, czy jedynie uzupełniające. Zastąpienie obecnej platformy tożsamości, monitorowania lub bezpieczeństwa wskazuje na silniejszą wartość produktu niż tymczasowe działanie obok niej.

Trzecim sygnałem jest konsolidacja. W lipcu pojawiło się kilka firm skupionych na ściśle powiązanych problemach bezpieczeństwa i tożsamości agentów. Nabywcy korporacyjni zazwyczaj niechętnie utrzymują liczne nakładające się systemy kontroli.

Przejęcia potwierdziłyby, że ugruntowane platformy uznają te technologie za konieczne. Jednak wczesna konsolidacja mogłaby również wskazywać, że samodzielne rynki są mniejsze, niż sugeruje obecne finansowanie.

Kolejne rundy zapewnią następny wskaźnik. Firmy, które szybko wracają po dodatkowy kapitał, mogą szybko skalować działalność, intensywnie wydawać środki lub robić jedno i drugie. Powód ma większe znaczenie niż wielkość ogłoszonego finansowania.

Czytelnicy powinni również porównać późniejsze łączne kwoty finansowania z pierwszą połową 2026 roku. Suma 8,4 mld USD ustanowiła wysoki punkt odniesienia, na który wpłynęły wyjątkowo duże rundy.

Zdrowy rynek wykazywałby więcej niż sporadyczne wyjątki. Obejmowałby powtarzalne finansowanie zalążkowe i wzrostowe, ekspansję klientów, przejęcia oraz firmy osiągające zrównoważone modele operacyjne.

Teza dotycząca AI dla przedsiębiorstw zyska na sile, jeśli firmy przyznają agentom szersze uprawnienia, zachowując jednocześnie mierzalne bezpieczeństwo i niezawodność. Osłabnie, jeśli wdrożenia pozostaną uwięzione na etapie pilotaży.

Dla deweloperów lipiec wskazuje, gdzie kształtuje się popyt przedsiębiorstw. Zarządzanie kontekstem, tożsamość, obserwowalność, sieci i niezawodność procesów pracy stają się podstawowymi wymaganiami produktowymi.

Dla nabywców korporacyjnych gwałtowny wzrost finansowania oznacza więcej wyborów, ale także więcej pracy przy ocenie rozwiązań. Nabywcy powinni pytać dostawców, w jaki sposób ich systemy zawodzą, jak działania są audytowane oraz jak cofa się dostęp.

Pracownicy wiedzy powinni obserwować, jak te produkty zmieniają odpowiedzialność. Automatyzacja może ograniczyć powtarzalną pracę, lecz pracownicy mogą stać się weryfikatorami decyzji podejmowanych przez systemy, których nie konfigurowali.

Zgłoszone 1,5 mld USD jest zatem nie tyle powodem do świętowania, ile mapą rynku. Pokazuje, gdzie inwestorzy spodziewają się tarć w obszarze AI dla przedsiębiorstw i gdzie oczekują, że startupy przechwycą wartość.

Nagłówek Google News podaje prostą łączną kwotę finansowania. Kryjące się za nią transakcje opowiadają bardziej doniosłą historię. Inwestorzy zakładają, że zwycięzcy będą kontrolować dostęp AI, kontekst, infrastrukturę i działania.

Kolejne pytanie brzmi, czy przedsiębiorstwa się z tym zgodzą. W nadchodzących miesiącach warto obserwować rozszerzenia umów, premiery produktów obecnych dostawców i przejęcia. Te sygnały pokażą, czy lipiec sfinansował trwałe platformy, czy też przepełnioną warstwę wokół niepewnego popytu.