Pendanaan
Auctor Menghimpun 20 Juta Dolar AS dalam Seri A untuk Mengubah Implementasi Perangkat Lunak Perusahaan

Poin utamaPlatform AI Auctor memusatkan pekerjaan implementasi untuk memangkas tugas yang…
Lihat selengkapnya
- Platform AI Auctor memusatkan pekerjaan implementasi untuk memangkas tugas yang biasanya memakan minggu menjadi hanya beberapa menit.
- Startup ini bertujuan untuk mengubah model biaya linier dari layanan implementasi perangkat lunak perusahaan.
- Auctor memposisikan diri sebagai sistem pencatatan pertama yang sesungguhnya untuk seluruh siklus implementasi.
Implementasi perangkat lunak perusahaan telah lama menjadi salah satu lapisan paling mahal dan rentan gagal dalam tumpukan teknologi. Auctor, sebuah startup yang berbasis di New York dan didirikan oleh William Sun, bertujuan untuk mengubah hal ini dengan platform yang sejak awal dirancang dengan AI sebagai fondasi yang dibangun khusus untuk cara kerja implementasi yang sebenarnya.
Perusahaan ini telah menghimpun 20 juta dolar AS dalam pendanaan Seri A yang dipimpin oleh Sequoia Capital, dengan partisipasi dari M12, HubSpot Ventures (HUBS ), Workday Ventures, OneStream , dan lain-lain, seiring perusahaan memperkenalkan diri ke publik setelah tahap pengembangan tertutup dengan sistem yang dirancang untuk mempersatukan dan mengotomatisasi seluruh siklus implementasi perangkat lunak perusahaan.
Mengapa Implementasi Perangkat Lunak Masih Gagal
Meskipun telah ada inovasi selama beberapa dekade dalam perangkat lunak perusahaan – dari sistem ERP hingga platform CRM – cara sistem ini diterapkan masih terfragmentasi. Proyek sering bergantung pada dokumen yang tersebar, alat yang terputus, dan pengetahuan institusional yang terjebak dalam pertemuan dan email.
Hasilnya dapat diprediksi: ketidaksesuaian di seluruh tim, pengerjaan ulang yang mahal, dan jadwal yang meleset tak terkendali. Perkiraan industri menunjukkan bahwa porsi yang signifikan dari implementasi gagal memenuhi harapan, dengan beberapa proyek melebihi anggaran lebih dari 200%.
Ini bukan hanya kesenjangan alat. Ini adalah kegagalan koordinasi. Persyaratan berkembang, pemangku kepentingan berubah, dan keputusan hilang di seluruh sistem, meninggalkan tim tanpa sumber informasi acuan yang dapat diandalkan.
Membangun Sistem AI untuk Tindakan
Di inti pendekatan Auctor adalah apa yang mereka sebut sebagai “sistem AI untuk tindakan” untuk implementasi perusahaan. Daripada bertindak sebagai lapisan lain di atas alat yang ada, platform ini dirancang untuk duduk di pusat seluruh siklus hidup – dari penggalian kebutuhan dan penentuan ruang lingkup hingga penyerahan hasil dan pelaksanaan.
Sistem ini terus-menerus merekam dan menstrukturkan konteks proyek, mengubah percakapan, keputusan, dan persyaratan menjadi output yang siap dieksekusi. Ini termasuk rencana sumber daya, aliran proses, cerita pengguna, dan perkiraan biaya yang kasar, semua diselaraskan dan dapat dilacak kembali ke sumber aslinya.
Penekanan pada keterlacakan ini adalah pembeda utama. Tim dapat melihat tidak hanya apa yang diputuskan, tetapi juga mengapa keputusan itu diambil, dan bagaimana keputusan tersebut mempengaruhi pekerjaan di hilir. Dalam prakteknya, ini mengurangi kebutuhan untuk klarifikasi berulang dan meminimalkan risiko ketidaksesuaian di seluruh pemangku kepentingan.
Dari Pekerjaan Berminggu-minggu Menjadi Hitungan Menit
Pengguna awal sudah melihat perubahan yang dapat diukur dalam cara kerja implementasi. Tugas yang sebelumnya memerlukan koordinasi selama berminggu-minggu sekarang dapat diselesaikan dalam beberapa jam atau bahkan menit.
Dalam satu kasus, tim merespons permintaan proposal selama akhir pekan dengan hanya satu orang, memenangkan dan menutup kesepakatan dalam beberapa hari. Dalam kasus lain, konsultan menghasilkan panduan penentuan ruang lingkup implementasi di sektor manufaktur yang terperinci dalam sekitar 10 menit, menggantikan proses yang sebelumnya memakan waktu tiga minggu.
Keuntungan ini didorong oleh kemampuan sistem untuk menggunakan kembali pengetahuan institusional. Daripada memulai dari awal dengan setiap proyek, tim dapat memstandarisasi praktik terbaik dan menerapkannya secara konsisten dalam berbagai penugasan.
Mengubah Ekonomi Jasa Implementasi
Kesempatan yang ditargetkan oleh Auctor jauh melampaui keuntungan efisiensi inkremental. Untuk setiap dolar yang dihabiskan pada perangkat lunak perusahaan, beberapa dolar dihabiskan pada jasa implementasi. Namun, jasa ini masih terikat dengan jumlah pegawai, dengan biaya yang meningkat secara linier seiring dengan pertumbuhan tim.
Dengan mengintegrasikan AI langsung ke dalam alur kerja, Auctor berusaha untuk mematahkan model ini. Jika sukses, ini dapat memungkinkan perusahaan untuk mengirimkan lebih banyak pekerjaan dengan sumber daya yang lebih sedikit, meningkatkan margin, dan beralih ke struktur harga yang lebih dapat diprediksi seperti kontrak dengan biaya tetap.
Ini sangat relevan ketika perusahaan mendorong untuk penerapan yang lebih cepat sambil menghadapi keterbatasan talenta. Konsultan senior sering terbebani terlalu banyak pekerjaan, sementara staf junior kekurangan pengalaman yang diperlukan untuk mengelola implementasi yang kompleks. Sistem yang dapat menangkap dan mendistribusikan keahlian di seluruh tim mengubah dinamika ini.
Menempatkan Diri sebagai Sistem Acuan Informasi untuk Pekerjaan Implementasi
Auctor memasuki pasar yang secara historis kekurangan sistem acuan informasi yang sebenarnya untuk alur kerja implementasi. Sementara alat ada untuk manajemen proyek, dokumentasi, dan komunikasi, tidak ada yang dirancang untuk menangkap dan menghubungkan konteks lengkap suatu penugasan dalam cara yang terstruktur dan dapat digunakan kembali.
Dengan memusatkan setiap interaksi – dari panggilan awal untuk menggali kebutuhan hingga hasil akhir yang diserahkan – dan menjadikan informasi tersebut dasar untuk bertindak, Auctor menempatkan dirinya sebagai lapisan yang duduk di antara perangkat lunak perusahaan dan jasa yang diperlukan untuk menerapkannya. Dukungan dari firma ventura terkemuka dan investor perusahaan strategis menunjukkan kepercayaan pada pendekatan ini, terutama karena organisasi berusaha untuk mengoperasikan AI di luar kasus penggunaan yang terisolasi.
Jika Auctor dapat menskalakan model ini di seluruh perusahaan besar dan integrator sistem, maka memiliki potensi untuk mendefinisikan kembali tidak hanya bagaimana implementasi dilakukan, tetapi juga bagaimana nilai direalisasikan dari investasi perangkat lunak perusahaan.












