Outerlimit излезе от режим на конфиденциалност с предначално финансиране (pre-seed) в размер на 16 милиона долара за разработването на децентрализиран слой за сигурност и авторизация за автономни AI агенти.

Обявеният на 22 септември 2026 г. кръг бе подкрепен от AlbionVC, Evolution Equity Partners и Crane Venture Partners, което го прави едно от най-големите предначални финансирания в сферата на киберсигурността, според компанията.

Базираният в Лондон и Ню Йорк стартъп се насочва към пролука в корпоративната сигурност. Агентните системи с изкуствен интелект могат да извикват инструменти, да правят запитвания към чувствителни данни, да използват API и да изпълняват работни процеси.

Тази автономност създава риск, когато даден агент бъде манипулиран, неправилно конфигуриран или промени поведението си след консумиране на ненадеждно съдържание. Традиционното управление на самоличността и достъпа може да автентифицира агента и да предостави достъп, но не непременно да ограничи точното действие, предприето по време на изпълнение.

От Outerlimit заявяват, че тяхната архитектура разширява концепцията за Zero Trust до този „слой на действията на агента“. Вместо да съхранява идентификационни данни, криптографски ключове или тайни в единен репозиториум, платформата ги фрагментира в цялата екосистема от агенти.

Те се възстановяват само когато се извика инструмент и самоличността, политиката и контекстът на изпълнение на агента бъдат потвърдени. Търсеният резултат е детерминирана авторизация: действие, излизащо извън установената политика, трябва да бъде отказано, преди базовият инструмент да го изпълни, дори ако агентът не е правилно съгласуван.

Този модел отделя прилагането на сигурността от вероятностното разсъждение на изкуствения интелект. „Агентите могат да променят поведението си въз основа на това, което четат, или на начина, по който взаимодействат с други агенти, докато действат с машинна скорост“, казва съоснователят и главен технологичен директор д-р Питър Винсънт. Той твърди, че самоличността, авторизацията и действието трябва да бъдат свързани в една операция по време на изпълнение.

Според официалното съобщение, публикувано от Outerlimit, компанията позиционира внедряването като триетапен процес. Откриването (Discovery) идентифицира агенти, инструменти, сървъри по протокола Model Context Protocol и неодобрен „сенчест AI“.

Наблюдението (Observation) осигурява видимост, като същевременно запазва целостта в вериги от агенти с множество стъпки. Прилагането (Enforcement) прилага контрол на политиките към всяко действие на агента. Тяхната последователност трябва да помогне на организациите да инвентаризират внедрените системи, преди да въведат контроли, които биха могли да прекъснат легитимната автоматизация.

Главният изпълнителен директор Тони Пепър заяви, че блокирането на внедряването на агентен изкуствен интелект може да тласне екипите към използване на неодобрени инструменти извън корпоративния контрол.

Въпреки това най-силните твърдения на Outerlimit, включително доказуемо наблюдение, липса на излагане на идентификационни данни и детерминиран контрол, остават претенции на самия доставчик; съобщението не съдържа независими резултати от тестове, бенчмаркове за производителност или подробни данни за реални внедрявания при клиенти.

Компанията е основана от Пепър и Нийл Ларкинс, които ръководеха доставчика на сигурност за електронна поща Egress Software до придобиването му от KnowBe4 през 2024 г., съвместно с Винсънт, теоретичен невроучен с образование от University College London.

За защитниците това стартиране отразява промяна в сигурността на агентния изкуствен интелект: мониторингът на изходните данни на модела е недостатъчен, когато софтуерните агенти могат пряко да променят системи. Екипите по сигурност се нуждаят от механизми за контрол на границата на инструментите, където действията могат да бъдат оценявани, регистрирани и блокирани.

Финансирането на Outerlimit осигурява значителни ресурси за преследване на тази архитектура, но доверието на корпоративно ниво ще зависи от прозрачна техническа валидация, покритие на интеграциите и доказателства, че прилагането остава надеждно при машинна скорост.