De Israëlische startup Mave heeft $34 miljoen opgehaald om Agentic SecOps Mave verder te ontwikkelen. Het bedrijf wil de kloof dichten tussen de snelheid waarmee aanvallen zich ontwikkelen en de tijd die securityteams nodig hebben om informatie uit tientallen tools samen te brengen tot één bruikbaar oordeel.
Mave is in 2025 opgericht door alumni van Unit 8200 in Tel Aviv. Guy Eshel staat als CTO aan het roer en Raziel Oren als CEO. De financiering die op 22 oktober 2026 werd aangekondigd bestaat uit een seedronde van $6 miljoen en een nieuwe Series A van $28 miljoen, onder leiding van Red Dot Capital Partners, met deelname van onder meer Lumir Growth Partners. Ook Dell Technologies Capital en Emerge Ventures, die de seedronde leidden, nemen deel aan de Series A.
Waarom Agentic SecOps Mave nu inzet op snelheid
Volgens Mave verandert het dreigingslandschap sneller dan traditionele verdediging kan bijbenen. Aanvallers gebruiken steeds vaker AI-gestuurde technieken waardoor de “kill chain” in tempo toeneemt. Tegelijk kan interne AI juist ook waardevolle data opleveren waarmee je aanvallen kunt tegenwerken—maar dan moeten securityteams die data wel voldoende snel kunnen zien, beheren en omzetten in actie.
De kern van het probleem zit volgens het bedrijf in de manier waarop incidenten vandaag worden onderzocht. Veel teams bekijken signalen nog tool voor tool en combineren bewijsmateriaal handmatig. Met elke extra stap loopt de responstijd verder op, terwijl aanvallers juist geen pauzes inlassen.
Van SIEM naar context: één agentic verdedigingssysteem
Mave positioneert zijn aanpak als een alternatief voor situaties waarin bestaande SIEM-achtige oplossingen signaleren, maar vervolgens niet genoeg doen om data “bruikbaar” en “op tijd” aan het team te presenteren. Het bedrijf stelt dat huidige security stacks wel events kunnen detecteren, maar dat de vertaling naar een duidelijke context en een logisch vervolgproces vaak te traag of te versnipperd verloopt.
Daarom werkt Mave met AI-agents binnen één agentic defense. Die agent haalt live context uit de bestaande securitystack en koppelt die aan AI-modellen. Mave noemt daarbij het gebruik van fine-tuned SLM’s en frontier LLM’s om redeneerwerk te ondersteunen dat aansluit op de context van een incident, en dit “in bijna realtime” aan het securityteam te leveren.
AI die werkt met je bestaande tools, niet ernaast
Een belangrijk uitgangspunt bij Agentic SecOps Mave is dat de AI niet losstaat van de omgeving. Het systeem probeert juist de informatiebasis van de organisatie te benutten: live context uit de huidige security stack. Zo hoeft het team minder tijd te besteden aan het zelf verzamelen en doorgronden van signalen uit verschillende bronnen.
Deze insteek sluit aan op een praktische frustratie die veel teams herkennen: securityprofessionals moeten vaak eerst de relevante stukjes gegevens selecteren, daarna interpreteren, en pas daarna kunnen ze bepalen hoe groot de impact is. Mave wil die stappen versnellen door context-based reasoning toe te voegen aan het dagelijkse SecOps-werk.
Waarom “je moet AI inzetten tegen AI”
Mave vat het concept samen met een simpele gedachte: als aanvallen sneller en meer geautomatiseerd worden door AI, dan moeten verdediging en analyse ook in hetzelfde tempo kunnen meebewegen. Niet om menselijk inzicht te vervangen, maar om de responscyclus verkort te krijgen en risico’s eerder zichtbaar te maken.
Wat Mave nu wel en niet belooft over automatisering
Hoewel AI-agents in theorie acties kunnen uitvoeren die volgen uit hun eigen analyse, doet Mave volgens de toelichting vooralsnog geen end-to-end automatisering. Het bedrijf positioneert dit als een veiligheidskeuze: “autonomie zonder controle” is volgens hen een risico.
In plaats daarvan legt Mave de nadruk op governance. Daarbij noemt het bedrijf onder meer:
- least-privileged integraties (toegang met minimale rechten)
- approval gates wanneer menselijke goedkeuring nodig is
- een volledige audit trail van acties en beslissingen
Met andere woorden: Mave wil dat securityteams niet alleen een advies of conclusie krijgen, maar ook kunnen terugzien waarom het systeem tot een oordeel komt en wat er eventueel is uitgevoerd.
Beoogde voordelen: minder alert-moeheid en lagere personeelsdruk
Als Mave slaat wat het belooft, richt het effect zich vooral op twee gebieden. Ten eerste verwacht het bedrijf dat alert fatigue—de vermoeidheid door overdaad aan meldingen—afneemt voor de security operations teams die overblijven.
Ten tweede spreekt Mave over een mogelijke verlaging van overheadkosten. De reden: als agents een deel van het werk overnemen, is er minder personeel nodig voor vergelijkbare analyse- en beslisprocessen. Het bedrijf beschrijft dit als een geautomatiseerde stap vooruit, waarbij meer taken door systemen worden uitgevoerd met minder kans op menselijke fouten, door minder menselijke rollen die nodig zijn.
Het is daarbij wel goed om te benadrukken dat dit perspectief een bedrijfsdoel is, geen garantie voor elk scenario. De organisatie-specifieke hoeveelheid tools, datakwaliteit en werkprocessen blijven bepalend voor de uiteindelijke impact.
Agentic SecOps in de praktijk: hoe je deze aanpak kunt beoordelen
Voor organisaties die willen kijken naar de waarde van Agentic SecOps Mave of vergelijkbare initiatieven, helpt het om je beoordeling langs een paar vragen te leggen:
- Waar komt de context vandaan? Werkt de oplossing echt met de bestaande security stack of introduceert het extra datastromen?
- Hoe snel wordt van signalen naar beslissing gegaan? Let op hoe de “bijna realtime” claims zich vertalen naar concrete use-cases.
- Is er controle en auditbaarheid? Met name approval flows en een terug te herleiden audit trail zijn cruciaal.
- Hoe wordt menselijke beoordeling ingezet? Is “human in the loop” helder ingericht, of verschuift het risico naar het team zonder duidelijke governance?
Als je dit breder bekijkt, past de boodschap van Mave in een trend: agents krijgen steeds vaker de taak om securitygegevens te interpreteren en acties te ondersteunen. Tegelijk blijven de randvoorwaarden—controle, rechten, traceerbaarheid—doorslaggevend.
Meer lezen: AI en SecOps als sneller gevecht
Wil je dezelfde beweging achter de schermen in security en AI beter plaatsen? Dan zijn deze artikelen relevant:
- AI-agenten als insider threat en wat je nu ziet — inzicht in hoe agenten ook risico’s kunnen vergroten.
- OpenAI AI-agents: vm-escapes en cross-sandbox communicatie — achtergrond bij waarom governance bij agenten zo belangrijk blijft.
- Google AI search en gerichte advertenties — context over privacy en datagebruik rondom AI-systemen.
Conclusie: Agentic SecOps Mave wil de responstijd korter maken
Met de nieuwe Series A wil Mave de volgende stap zetten in Agentic SecOps Mave: AI-agents die live context uit de security stack ophalen, reasoning ondersteunen met fine-tuned SLM’s en frontier LLM’s, en securityteams helpen sneller richting een verdict te bewegen. Daarbij zet Mave nadrukkelijk in op controle, least-privilege en een audit trail, en belooft het vooralsnog geen volledige end-to-end automatisering.
Voor securityteams betekent dit vooral één verwachting: minder tijd kwijt aan puzzelwerk tussen tools, en meer tijd voor beoordeling—zodat je als organisatie niet achterloopt op een steeds geautomatiseerdere aanvalstechniek.
