Ascerta rejser $18 M Serie A for at omsætte virksomheders AI‑udgifter til målbar ROI

Ascerta har rejst $18 millioner i Serie A, mens den udvider sit fokus fra AI‑omkostningsstyring til en større udfordring: at hjælpe virksomheder med at fastslå, hvilke AI‑investeringer der faktisk skaber forretningsværdi. Runden blev ledet af Dell Technologies Capital med deltagelse fra Hitachi Ventures, BGV, Wipro Ventures og eksisterende investorer.

Finansieringen bringer den i Bellevue, Washington baserede virksomheds samlede finansiering op på $22.9 millioner. Den kommer også sammen med et nyt navn for forretningen, som tidligere var kendt som Pay-i. Ascerta siger, at rebrandingen afspejler en udvidelse til det, de kalder Enterprise AI Management: et system til at måle AI‑omkostninger, adoption og forretningsresultater på tværs af en organisation.

Dette pitch kommer på et tidspunkt, hvor enterprise AI‑programmer bevæger sig ud over kontrollerede eksperimenter. Virksomheder kan tælle tokens, licenser, agentkørsler og linjer af AI‑genereret kode, men disse operationelle målinger viser ikke nødvendigvis, om et initiativ sparer tid, øger indtægter eller forbedrer en forretningsproces. Som Unite.AI tidligere har undersøgt, AI‑omkostningsstyring bliver væsentligt sværere, når agentbaserede arbejdsbelastninger flyttes i produktion. Ascerta satser på, at finans‑ og teknologiledere nu har brug for et fælles system til at forbinde disse omkostninger med resultater.

Fra AI‑brugsdata til forretningsværdi

Ascerta blev grundlagt i 2024 af Microsoft‑veteraner David Tepper, Doron Holan og Erik Winters. Tepper, virksomhedens administrerende direktør og medstifter, tilbragte 19 år hos Microsoft og ledte den generative AI‑strategi for intern brug på tværs af Azure. Holan, CTO og medstifter, tilbragte 27 år hos Microsoft og arbejdede på hyperskala‑throttling‑infrastruktur designet til at håndtere hundredvis af milliarder af anmodninger pr. dag. Winters fungerer som COO og medstifter.

Virksomheden kom frem fra stealth som Pay-i i maj 2025 med en seed‑runde på $4.9 millioner, der fokuserede på AI‑omkostningsstyring. Siden da siger Ascerta, at samtaler med virksomheder har afsløret et bredere problem. Organisationer ønskede ikke kun at vide, hvor meget AI kostede; de ville forstå, hvem der brugte den, hvad agenter og modeller gjorde, og om aktiviteten berettigede yderligere investering.

Ascerta forbinder sig til AI‑systemer, der allerede kører på tværs af en virksomhed, herunder internt udviklede applikationer og tjenester såsom Microsoft Copilot, Amazon Bedrock AgentCore, Salesforce Agentforce, GitHub Copilot, Claude Code og Codex. Den sporer derefter AI‑aktivitet gennem det udførte arbejde og ind i de forretningsresultater, som aktiviteten skal påvirke.

Målet er at give CIO’er, CFO’er og AI‑ledere et fælles overblik over teknisk brug og økonomisk performance. I stedet for at betragte tokenforbrug eller model‑call‑volumen som et mål i sig selv, er platformen designet til at knytte et AI‑use‑case til relevante nøgle‑performance‑indikatorer og vise, hvilke projekter der ser ud til at være klar til skalering, hvilke der kræver indgriben, og hvilke der bør stoppes.

Tre produkter til enterprise AI‑livscyklussen

Ascerta pakker sine funktioner i tre produkter. Atlas måler AI‑værdi, adoption og ROI på tværs af individuelle arbejdsgange og større porteføljer. Forge fokuserer på, hvordan ingeniørteams bruger kodningsagenter, og giver ledere en måde at forbinde adoption med udviklingsproduktivitet. Convoy er rettet mod organisationer, der driver deres egen AI‑kapacitet, og er designet til at hjælpe dem med at allokere den infrastruktur uden at forstyrre produktionen.

Virksomheden siger, at dens måling går ud over modelpriser ved at tage højde for elementer såsom sub‑token‑omkostninger, skjulte gebyrer og virksomheds‑rabatter. Den kan også opdele adoption‑ og omkostningsdata efter person, team og værktøj. Dette detaljeringsniveau har til formål at afsløre et problem, som samlede forbrugsrapporter kan skjule: to afdelinger kan bruge den samme model, men levere meget forskellige forretningsafkast.

Ascerta arbejder i øjeblikket med kunder som Atos, Wipro og globale forsikringsselskaber, og den nævner Microsoft, AWS, IBM, Slalom og Trace3 blandt sine teknologiske og service‑relationer. Virksomheden rapporterer, at dens platform har hjulpet kunder med at forbedre afkastet på AI‑initiativer med 47 %, forkorte agent‑lancerings‑tider med 24 % og reducere spildt AI‑forbrug med 86 %. Disse tal er virksomhedens egne rapporterede resultater og ikke uafhængige benchmarks, men de illustrerer de økonomiske resultater, som Ascerta ønsker, at virksomheder løbende skal overvåge.

Hvorfor investorer ser en Enterprise AI Management‑kategori

Serie A vil understøtte produktudvikling og vækst, mens Ascerta forsøger at etablere Enterprise AI Management som en særskilt softwarekategori. Timing er betydningsfuld: AI‑agenter bliver indlejret i kodning, kundeservice og operationelle arbejdsgange, mens omkostningerne og ansvaret for disse systemer i stigende grad spænder over teknologi‑, finans‑ og forretningsteams.

For Ascerta er muligheden ikke blot at producere endnu et cloud‑omkostnings‑dashboard. Dens overordnede argument er, at virksomheder har brug for et driftslag til at beslutte, hvor AI fortjener mere kapital. Hvis virksomheden kan gøre teknisk aktivitet læselig som forretningsperformance, kan den hjælpe organisationer med at gå fra entusiastisk eksperimentering til disciplineret implementering – og give ledere et klarere svar, når bestyrelsen spørger, hvad deres AI‑investering faktisk er værd.