Hvad Oxylabs sælger, og hvorfor AI vil have det

Den 9. juli 2026 hentede Oxylabs, et webdatafirma grundlagt i Litauen i 2015, sin første eksterne investering: 130 millioner dollar fra kapitalfonden Warburg Pincus, til en værdiansættelse på 3,6 milliarder dollar, cirka 3,3 milliarder euro. I elleve år voksede firmaet uden ekstern kapital og melder nu om 350 millioner dollar i årligt tilbagevendende omsætning fra mere end 350.000 tech-teams. Tallet i overskriften er stort; grunden bag er den mere nyttige del.

Oxylabs bygger hverken modeller eller apps. Det sælger rørføringen, der lader software læse det offentlige net i stor skala: store proxynetværk, der dirigerer forespørgsler gennem mange IP-adresser, scraper-API'er, headless-browsere og færdige datasæt. Firmaets eget salgsargument er kontant. Som topchef Vytautas Savickas sagde, kører den næste generation af AI ikke på statiske indekser, og fremtiden tilhører den levende infrastruktur, der forankrer disse systemer i viden i realtid.

Din agent læser ikke det åbne net

Når en AI-agent slår noget op online, rører den sjældent det åbne net, som et menneske gør. I enhver reel skala bliver automatiske weblæsninger blokeret, hastighedsbegrænset eller serveret med andet indhold, end et menneske ser. For at komme uden om det dirigerer agentbyggere deres forespørgsler gennem kommercielle proxy- og scrapingnetværk, præcis det lag, Oxylabs sælger. Den gratis browserfane, du forestiller dig, er ikke det, din software bruger.

Det tæller, fordi agent-arbejdsgange mangedobler weblæsninger. Ét menneske tjekker en leverandørpris én gang; en agent tjekker tusind leverandører efter en tidsplan. Jo mere af din drift du overlader til agenter, der indsamler live data, jo mere af den afhænger i stilhed af et betalt adgangslag, du ikke valgte, og måske ikke engang ser på en faktura endnu.

En selvfinansieret betalingsbom, nu institutionel

Signalet i denne handel er ikke dollarbeløbet, men hvem der betalte det og hvorfor. Warburg Pincus lagde primær vækstkapital i en virksomhed, der i elleve år ikke tog eksterne penge og allerede kører med 350 millioner dollar i tilbagevendende omsætning. Institutionelle investorer værdiansætter ikke et selvfinansieret, kassegenererende infrastrukturfirma til 3,6 milliarder dollar, medmindre de tror, at den bompenge, det opkræver, er varig og svær at komme uden om.

Læst ligefremt er væddemålet, at webadgang for maskiner bliver et målt forsyningsgode, ikke et gratis. Det er en anden påstand end nogen enkelt modeludgivelse. Den siger, at værdien flytter mod den, der kontrollerer pålidelig, lovlig adgang til live webdata, og at den position er forsvarlig nok til at bære en værdiansættelse, som de fleste AI-applikationsstartups aldrig når.

Regningen for efterlevelse følger med bekvemmeligheden

Pålidelig webadgang i stor skala er også en juridisk flade, ikke kun en teknisk. Storstilet scraping støder på websteders brugsbetingelser, på kapløbet om bot-blokering og på databeskyttelsesret, så snart siderne indeholder personoplysninger. Efter GDPR er en europæisk operatør, hvis agenter indsamler personoplysninger fra nettet, dataansvarlig for den behandling, uanset hvem der driver proxyerne; i Danmark fører Datatilsynet tilsyn hermed. Bekvemmeligheden ved agenten tjekker bare online flytter ikke det ansvar over til leverandøren.

Der er også en koncentrationsomkostning. Hvis en håndfuld netværk leverer det meste af den pålidelige webadgang, forplanter et nedbrud, en prisstigning eller et juridisk tilbageslag hos en af dem sig til hver arbejdsgang, der lænede sig op ad den. En afhængighed, du ikke kan se på et diagram, er en, du ikke kan planlægge omkring.

Hvad du skal tjekke, før du skalerer agenter

Behandl live webadgang som en forsyningskæde, for det er, hvad den er nu. Kortlæg trinnene i dine AI-arbejdsgange, der læser det åbne net, og notér hvilke der går gennem en ekstern proxy- eller scrapingleverandør. Sæt en pris på den afhængighed, herunder hvad der sker, hvis leverandøren fordobler sin takst eller dropper en kilde. Tjek så det juridiske grundlag: er dataene personlige, er scrapingen inden for betingelserne, og hvem er ansvarlig, hvis en myndighed spørger.

Intet af dette taler mod at bruge agenter. Det taler for at vide, hvad de står på. De firmaer, der skalerer agentarbejde uden slemme overraskelser, bliver dem, der behandlede webadgang som indkøb, med en kontrakt, en omkostning og en efterlevelsesansvarlig, længe før det dukkede op som et problem.

Læs videre: En AI kørte selv et helt ransomware-angreb  |  TSMC beholder nu 60 cent på hver dollar