AI-funding en launches: wie haalde op, wat lanceerde

De markt voor kunstmatige intelligentie verschuift in sneltreinvaart. Waar voorheen alle aandacht en durfkapitaal naar de grote basismodellen gingen, zien we in de zomer van 2026 een duidelijke trendbreuk. Het grote geld stroomt nu massaal naar de infrastructuur, beveiliging en runtime-omgevingen van AI-agents. Voor indie developers die hun eigen agent-setup draaien op een thuisserver of homelab is dit een belangrijk signaal. De pioniersfase waarin agents ongecontroleerd scripts uitvoeren op lokale machines loopt ten einde. De industrie professionaliseert op het gebied van sandboxing, identiteitsbeheer en endpoint-beveiliging.

In dit artikel analyseren we de belangrijkste funding-rondes en productlaunches van eind juli 2026. We kijken voorbij de miljoenenbedragen en leggen uit wat deze ontwikkelingen betekenen voor jouw eigen stack, of je nu bouwt met n8n, lokale LLM-gateways zoals LiteLLM, of open-source frameworks.

1. Runta: Geïsoleerde sandboxes voor agent-acties

De start-up Runta, geleid door ex-Cloudflare en Kong-ingenieurs, heeft een seed-ronde van 20 miljoen dollar opgehaald onder leiding van a16z. Runta richt zich op een van de meest fundamentele problemen van de huidige agent-infrastructuur: hoe laat je een AI-agent veilig code uitvoeren of API-koppelingen maken zonder dat dit ten koste gaat van de systeemintegriteit? Ze bouwen een runtime- en sandbox-laag die agent-acties isoleert, bewaakt en beperkt met behulp van spending caps, JIT (Just-In-Time) credentials en gedetailleerde audit-logs.

Waarom dit relevant is voor jouw stack:
Als indie developer laat je jouw agents waarschijnlijk wel eens Python-scripts draaien of interactie hebben met je lokale bestandssysteem. Zonder isolatie kan een foutieve prompt of een 'prompt injection'-aanval leiden tot het onbedoeld wissen van bestanden of het misbruiken van je API-sleutels. Runta laat zien dat professionele agent-deployments niet zonder een strikte sandbox-laag kunnen. Voor jouw homelab betekent dit dat je agents idealiter in geïsoleerde Docker-containers moet draaien met beperkte systeembronnen en zonder directe toegang tot je host-systeem.

Signaal: Hoog Actie: Sandboxing implementeren

Bron: Aankondiging door Guanlan Dai op X

2. Oak: Identiteitsbeheer voor autonome agents

Oak is uit stealth getreden met een seed-investering van 60 miljoen dollar. Het bedrijf bouwt een 'identity operating system' dat specifiek is ontworpen voor het tijdperk van AI-agents. Waar traditionele IAM-systemen (Identity and Access Management) zijn gebouwd voor menselijke gebruikers en statische API-sleutels, richt Oak zich op een dynamische 'identity graph'. Dit systeem beoordeelt en herroept in real-time de toegang van zowel mensen, machines als autonome agents.

Waarom dit relevant is voor jouw stack:
Naarmate je eigen agent-setup meer autonome workflows krijgt (bijvoorbeeld het automatisch beheren van je e-mail, agenda of slimme apparaten in huis), wordt identity governance cruciaal. Je wilt niet dat een agent die je e-mails samenvat plotseling schrijfrechten krijgt op je database. Oak toont aan dat we toe moeten naar fijnmazige, tijdelijke rechten voor agents. In je eigen setup kun je dit toepassen door agents specifieke, beperkte API-tokens te geven in plaats van één globale administrator-sleutel.

Signaal: Gemiddeld Actie: Toegangsrechten inperken

3. Neo: Beveiliging op het endpoint-niveau

Met 100 miljoen dollar aan durfkapitaal op zak lanceert Neo een beveiligingsplatform dat AI-agents op endpoints inventariseert en risico's in real-time afdwingt. Opgericht door SentinelOne-alumni, speelt Neo in op de verwachting dat het aandeel van agentische functies in applicaties de komende jaren explosief zal stijgen. Hun control-laag zorgt ervoor dat acties van agents altijd herleidbaar zijn naar specifieke identiteiten en dat schadelijke acties worden geblokkeerd voordat ze worden uitgevoerd.

Waarom dit relevant is voor jouw stack:
Als je agents lokaal draaien en toegang hebben tot je browser of lokale documenten, vormen ze een nieuw aanvalsoppervlak. Een gecompromitteerde agent kan ongemerkt gevoelige data exfiltreren naar externe servers. De opkomst van Neo onderstreept de noodzaak voor actieve monitoring. Voor je eigen homelab is het verstandig om het netwerkverkeer van je agent-containers te segmenteren en te monitoren (bijvoorbeeld via een VLAN of firewall-regels), zodat een agent nooit zomaar verbinding kan maken met onbekende externe IP-adressen.

Signaal: Hoog Actie: Netwerksegmentatie toepassen

Bron: Aankondiging door Neo AI Security op X

4. OpenAI Presence: De enterprise-standaard voor agents

OpenAI heeft 'Presence' gelanceerd, een enterprise-platform waarmee organisaties AI-agents veilig kunnen koppelen aan interne databronnen, bedrijfspolicies en systemen voor klantenservice, IT-support en sales. Dit is een directe stap van OpenAI om de infrastructuurlaag voor zakelijke automatisering te domineren, voortbouwend op hun eerdere ChatGPT Work-initiatieven.

Waarom dit relevant is voor jouw stack:
OpenAI Presence probeert de noodzaak voor het zelf bouwen van complexe agent-infrastructuur weg te nemen voor bedrijven. Als indie developer die waarde hecht aan privacy en onafhankelijkheid, is dit een belangrijk signaal. OpenAI zet hiermee de standaard voor wat gebruikers verwachten van agent-interacties en databeveiliging. Om concurrerend te blijven en vendor lock-in te vermijden, is het raadzaam om te kijken hoe je vergelijkbare functionaliteit kunt bouwen met open-source tools (zoals n8n en LangChain) in combinatie met lokale modellen via Ollama.

Signaal: Hoog Actie: Evalueer open-source alternatieven

Bron: Melding over OpenAI Presence op X

5. Zapier AI Agents: No-code workflows worden volwassen

Zapier heeft aangekondigd dat hun 'AI Agents' nu algemeen beschikbaar (GA) zijn. Hiermee kunnen gebruikers complexe, meervoudige workflows bouwen in natuurlijke taal, waarbij meer dan 7.000 applicaties aan elkaar worden gekoppeld. Het platform regelt zelf de conditionele logica, foutafhandeling en recovery zonder dat er code of drag-and-drop interfaces aan te pas komen.

Waarom dit relevant is voor jouw stack:
De algemene beschikbaarheid van Zapier AI Agents laat zien dat no-code agent-platforms volwassen worden. Voor indie developers betekent dit dat eenvoudige integratietaken geen programmeerwerk meer vereisen. De toegevoegde waarde van een eigen, op code gebaseerde setup verschuift naar scenario's waar Zapier te duur of te beperkt is: diepe integratie met lokale databases, het draaien van zware open-source modellen zonder API-kosten, en volledige controle over gevoelige data. Gebruik de foutafhandeling van Zapier als inspiratie voor je eigen n8n- of Python-workflows.

Signaal: Gemiddeld Actie: Workflows optimaliseren

Bron: Melding over Zapier AI Agents op X

Wat kun je hiermee?

De enorme kapitaalinjecties in agent-infrastructuur laten zien dat de focus verschuift van 'slimme modellen' naar 'veilige en betrouwbare uitvoering'. Als indie developer met een eigen stack kun je hier direct op inspelen met de volgende acties:

• Isoleer je agent-omgevingen: Zorg dat agents die code mogen uitvoeren of bestanden mogen aanpassen, altijd in een afgesloten sandbox (zoals een Docker-container met beperkte privileges) draaien.
• Beperk API-rechten: Geef agents nooit globale admin-sleutels. Gebruik fijnmazige rechten en overweeg een lokale LLM-gateway zoals LiteLLM om budgetten en toegang per agent centraal te beheren. Zie voor meer informatie over modelbeheer onze gids over model-routing op llmnet.
• Monitor uitgaand verkeer: Richt netwerksegmentatie in op je thuisserver of NAS. Zorg dat je agent-containers alleen verbinding kunnen maken met goedgekeurde endpoints en blokkeer onbekend uitgaand verkeer.
• Blijf op de hoogte: Volg de laatste trends en signalen via ons centrale AI-Radar overzicht om te zien hoe de markt zich ontwikkelt.