Ochrona przed utratą danych (Data Loss Prevention, DLP) zyskuje na znaczeniu, w miarę jak firmy wdrażają generatywną AI, agenty AI, platformy SaaS i procesy w chmurze. Wrażliwe informacje mogą dziś przemieszczać się między użytkownikami, aplikacjami i systemami AI z szybkością, do obsługi której tradycyjne mechanizmy kontroli bezpieczeństwa nie zostały zaprojektowane.
Na tym tle MIND, firma oferująca natywną dla AI ochronę przed utratą danych, ogłosiła rundę finansowania Series B o wartości 72 milionów dolarów, by rozwinąć swoją platformę i przyspieszyć podejście do ochrony wrażliwych danych w erze AI.
🕵🏻♂️ Runda Series B o wartości 72 milionów dolarów podnosi łączne finansowanie do 112 milionów dolarów
MIND ogłosiło inwestycję 17 września 2026 roku. Rundę poprowadził fundusz Crosspoint Capital Partners, przy udziale dotychczasowych inwestorów YL Ventures i Paladin Capital Group.
Nowa inwestycja podnosi łączne finansowanie MIND do 112 milionów dolarów, po rundzie Series A o wartości 30 milionów dolarów w 2025 roku.
Według MIND finansowanie wesprze:
- Dalszy rozwój platformy DLP natywnej dla AI
- Ekspansję na kluczowe rynki korporacyjne
- Dodatkowe partnerstwa technologiczne i kanałowe
- Rozwój zespołu firmy
- Rozwój autonomicznych funkcji w zakresie bezpieczeństwa danych
MIND podaje, że w ciągu ostatniego roku odnotowało ponad 17-krotny wzrost przychodów i 8-krotny wzrost liczby klientów, analizując miliardy zdarzeń danych w czasie rzeczywistym. Dane te pochodzą od samej firmy i nie zostały niezależnie zweryfikowane w audycie.
Dlaczego tradycyjne DLP stoi przed nowym wyzwaniem
Tradycyjne rozwiązania DLP projektowano w dużej mierze z myślą o przewidywalnych przepływach danych: plikach, poczcie e-mail, punktach końcowych, udziałach sieciowych i ugruntowanych aplikacjach biznesowych.
AI zmienia to środowisko.
Pracownicy mogą teraz kopiować wrażliwe informacje do narzędzi generatywnej AI. Agenty AI mogą uzyskiwać dostęp do plików firmowych, aplikacji i baz danych oraz potencjalnie przenosić informacje między systemami bez takiego samego bezpośredniego udziału człowieka.
Rodzi to nowe pytania dla zespołów bezpieczeństwa:
- Jakie wrażliwe informacje są wysyłane do usług AI?
- Które agenty AI mają dostęp do danych firmy?
- Gdzie wrażliwe informacje są kopiowane lub udostępniane?
- Czy nietypowy transfer danych to legalna działalność biznesowa, czy potencjalna utrata danych?
- Czy zespoły bezpieczeństwa potrafią zareagować wystarczająco szybko, gdy dane przemieszczają się w czasie rzeczywistym?
MIND buduje swoją platformę wokół tych wyzwań, łącząc DLP z monitorowaniem ryzyka wewnętrznego i automatyzacją opartą na AI.
Jak działa platforma MIND
Według firmy jej platforma została zaprojektowana tak, by obejmować cały cykl życia ochrony danych.
Może ona:
Wykrywać wrażliwe dane
MIND podaje, że monitoruje wrażliwe informacje w aplikacjach SaaS, środowiskach GenAI i agentowej AI, na punktach końcowych, w lokalnych udziałach plików i w poczcie e-mail.
Klasyfikować informacje
Jej silnik klasyfikacji wykorzystuje zarówno treść, jak i kontekst danych, aby określić ich wrażliwość.
Wykrywać ryzykowną aktywność
Platforma analizuje aktywność związaną z danymi i próbuje odróżnić potencjalnie niebezpieczne zachowania od normalnej działalności biznesowej.
Reagować na ekspozycję
MIND podaje, że jego system może automatyzować usuwanie skutków niektórych problemów z bezpieczeństwem danych, zmniejszając ilość ręcznych dochodzeń wymaganych od zespołów bezpieczeństwa.
Zapobiegać utracie danych
Mechanizmy kontroli oparte na politykach mogą blokować ryzykowną aktywność w czasie rzeczywistym lub kierować użytkowników do skorygowania problemu.
Firma uruchomiła też w lipcu 2026 roku MIND AI DLP Agents, zaprojektowane do automatyzacji części codziennej pracy związanej z prowadzeniem programu DLP.
Rozwój agentów AI komplikuje DLP
Wyzwanie bezpieczeństwa nie ogranicza się już do pracowników korzystających z narzędzi w stylu ChatGPT.
Agenty AI otrzymują coraz częściej możliwość pobierania informacji, wchodzenia w interakcje z aplikacjami i wykonywania działań w imieniu użytkowników lub firm.
Tworzy to kolejną warstwę ryzyka.
Agent AI z legalnym dostępem może potencjalnie wchodzić w interakcje z danymi inaczej niż pracownik. Jeśli uprawnienia są nadmierne, agent może mieć dostęp do informacji, których w rzeczywistości nie potrzebuje do swojego zadania.
Sprawia to, że widoczność danych, klasyfikacja, kontrola dostępu i monitorowanie stają się coraz ważniejsze.
Celem nie jest po prostu uniemożliwienie pracownikom korzystania z AI. Firmy muszą natomiast rozumieć, jakie informacje trafiają do systemów AI i do czego mają dostęp przepływy pracy oparte na AI.
DLP staje się częścią zarządzania AI
Rozwój AI zmienia także rolę DLP.
Wcześniej DLP kojarzono głównie ze zgodnością z przepisami i zapobieganiem przypadkowym wyciekom danych. W środowiskach z AI może ono stać się częścią szerszej strategii zarządzania i bezpieczeństwa AI.
Na przykład firmy mogą potrzebować polityk obejmujących:
- Dane klientów i dane osobowe trafiające do narzędzi AI
- Kod źródłowy i własność intelektualną
- Informacje finansowe i biznesowe
- Dokumenty poufne
- Agenty AI uzyskujące dostęp do systemów wewnętrznych
- Dane przesyłane między aplikacjami SaaS
- Usługi i integracje AI podmiotów trzecich
System DLP, który rozumie kontekst tych działań, może potencjalnie zapewnić zespołom bezpieczeństwa większą widoczność niż reguły oparte wyłącznie na typach plików lub predefiniowanych wzorcach.
Inwestycja w MIND odzwierciedla szerszy trend w cyberbezpieczeństwie
Finansowanie ilustruje także szerszą zmianę w inwestycjach w cyberbezpieczeństwo w kierunku ochrony danych w miarę osadzania AI w działalności biznesowej.
MIND nie jest jedyną firmą zajmującą się tym problemem. Szerszy rynek bezpieczeństwa coraz mocniej koncentruje się na ochronie aplikacji AI, agentów AI, potoków danych i wrażliwych informacji, do których te systemy mają dostęp.
Różnica polega na tym, że DLP jest ugruntowaną kategorią bezpieczeństwa. Nowe pytanie brzmi, jak ta kategoria powinna działać, gdy dostęp do danych i ich przenoszenie może odbywać się przez autonomiczne oprogramowanie z prędkością maszyn.
Strategia MIND polega na uczynieniu DLP bardziej zautomatyzowanym i natywnym dla AI, a nie na samym dodawaniu funkcji AI do tradycyjnej technologii DLP.
Wnioski dla firm
Niezależnie od tego, z jakiej platformy DLP korzysta firma, podstawowe wymagania bezpieczeństwa stają się coraz jaśniejsze.
Firmy wdrażające AI powinny pamiętać o poniższych zasadach:
- Zidentyfikuj wrażliwe dane, zanim pozwolisz systemom AI na dostęp do nich.
- Przejrzyj uprawnienia AI i agentów i stosuj zasadę najmniejszych uprawnień.
- Monitoruj przepływ danych, a nie tylko logowania użytkowników.
- Kontroluj nieautoryzowane usługi AI i wiedz, dokąd trafiają dane firmy.
- Wykorzystuj klasyfikację i kontekst, aby odróżniać legalną aktywność od ryzykownych transferów.
- Automatyzuj reakcję tam, gdzie to właściwe, szczególnie w przypadku zdarzeń bezpieczeństwa danych o dużym wolumenie.
- Regularnie przeglądaj integracje AI podmiotów trzecich i dane, do których mają dostęp.
Wdrażanie AI bez odpowiadających mu mechanizmów kontroli bezpieczeństwa danych może tworzyć luki w widoczności, które trudno wykryć po tym, jak wrażliwe informacje opuściły już kontrolę firmy.
Podsumowanie
Runda Series B MIND o wartości 72 milionów dolarów to kolejny sygnał, że ochrona danych w środowiskach z AI staje się istotnym priorytetem cyberbezpieczeństwa.
Wyzwaniem nie jest po prostu powstrzymywanie tradycyjnych wycieków danych. Firmy muszą teraz rozumieć, jak wrażliwe informacje przepływają przez pracowników, platformy SaaS, aplikacje AI i autonomiczne agenty AI.
W miarę głębszej integracji AI z procesami biznesowymi DLP będzie musiało coraz częściej działać z taką samą szybkością i w takiej samej skali jak systemy, które ma chronić.
Wdrażaniu AI muszą towarzyszyć równie wydajne mechanizmy kontroli bezpieczeństwa danych.
