Auctor Mengumpulkan $20M Seri A untuk Mengubah Implementasi Perangkat Lunak Perusahaan dengan AI

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 AI-asli yang dibangun khusus untuk cara kerja implementasi yang sebenarnya.

Perusahaan ini telah mengumpulkan $20 juta Seri A yang dipimpin oleh Sequoia Capital, dengan partisipasi dari M12, HubSpot Ventures (HUBS ), Workday Ventures, OneStream , dan lain-lain, ketika mereka muncul dari stealth dengan sistem yang dirancang untuk mempersatukan dan mengotomatisasi seluruh siklus hidup penggunaan 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, biaya yang mahal, dan waktu yang spiral keluar dari kontrol. Perkiraan industri menunjukkan bahwa sebagian besar 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 daya 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 penemuan dan pengaturan hingga pengiriman dan eksekusi.

Sistem ini terus-menerus menangkap dan membangun 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.

Pengaruh ini pada kemampuan pelacakan 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 Minggu Kerja ke Menit

Pengguna awal sudah melihat perubahan yang dapat diukur dalam cara kerja implementasi. Tugas yang sebelumnya memerlukan minggu koordinasi 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 pengaturan manufaktur yang terperinci dalam sekitar 10 menit, menggantikan proses yang sebelumnya memakan waktu tiga minggu.

Keuntungan ini didorong oleh kemampuan sistem untuk menggunakannya kembali pengetahuan institusional. Daripada memulai dari awal dengan setiap proyek, tim dapat memstandarisasi praktik terbaik dan menerapkannya secara konsisten di seluruh keterlibatan.

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 keterlibatan biaya tetap.

Ini sangat relevan ketika perusahaan mendorong untuk penerapan yang lebih cepat sambil menghadapi keterbatasan talenta. Konsultan senior sering diregangkan tipis, 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 Catatan untuk Pekerjaan Implementasi

Auctor memasuki pasar yang secara historis kekurangan sistem catatan yang sebenarnya untuk alur kerja implementasi. Sementara alat ada untuk manajemen proyek, dokumentasi, dan komunikasi, tidak ada yang dirancang untuk menangkap dan menghubungkan konteks penuh dari keterlibatan dalam cara yang terstruktur dan dapat digunakan kembali.

Dengan memusatkan setiap interaksi – dari panggilan penemuan awal hingga artefak pengiriman akhir – dan membuat informasi tersebut dapat diaktifkan, Auctor menempatkan dirinya sebagai lapisan yang duduk di antara perangkat lunak perusahaan dan jasa yang diperlukan untuk mengirimkannya. 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.