Fazeshift Mengumpulkan $22 Juta untuk Memperluas Otomatisasi Keuangan yang Didorong AI

Fazeshift, sebuah startup yang fokus pada mengotomatisasi alur kerja piutang dengan agen AI, telah mengumpulkan $17 juta dalam pendanaan Seri A, membawa total pendanaannya menjadi $22 juta. Putaran ini dipimpin oleh F-Prime, dengan partisipasi dari Gradient, Y Combinator, Wayfinder, Pioneer Fund, Ritual Capital, dan beberapa investor malaikat.

Perusahaan ini adalah bagian dari gelombang startup yang semakin besar yang bergerak melampaui kopilot AI dan ke sistem yang mampu menjalankan pekerjaan operasional secara mandiri. Dalam kasus Fazeshift, itu berarti mengotomatisasi proses keuangan yang masih dikelola oleh banyak tim enterprise melalui spreadsheet, email, sistem ERP, CRMs, dan platform pembayaran.

Mengapa Piutang Tetap Menjadi Bottleneck Utama

Piutang (AR) adalah salah satu bagian keuangan enterprise yang paling belum dimodernisasi. Bahkan organisasi besar sering bergantung pada alur kerja yang terfragmentasi untuk pembuatan faktur, pengumpulan, pencocokan pembayaran, dan rekonsiliasi.

Banyak tim keuangan masih menghabiskan waktu yang signifikan untuk melacak pembayaran secara manual di seluruh sistem, menyelesaikan sengketa, dan mengejar faktur yang terlambat. Inefisiensi ini dapat langsung mempengaruhi arus kas dan meningkatkan apa yang disebut tim keuangan sebagai Hari Penjualan yang Belum Terbayar (DSO), sebuah metrik yang digunakan untuk mengukur berapa lama waktu yang dibutuhkan perusahaan untuk mengumpulkan pembayaran.

Fazeshift mencoba untuk mengatasi ini dengan membangun agen AI yang beroperasi di seluruh alat perangkat lunak yang ada, bukan menggantinya secara langsung. Platform ini terintegrasi dengan sistem ERP, CRMs, prosesor pembayaran, dan platform komunikasi untuk mengotomatisasi alur kerja dari awal hingga akhir.

Bagaimana Agen AI Fazeshift Bekerja

Tidak seperti platform otomatisasi tradisional yang sangat bergantung pada aturan tetap dan pemicu manual, Fazeshift memposisikan perangkat lunaknya sebagai lapisan eksekusi yang mampu menjalankan operasi keuangan secara mandiri.

Agen AI platform ini dirancang untuk menangani fungsi piutang inti, termasuk pembuatan faktur, rekonsiliasi pembayaran, pengumpulan, komunikasi pelanggan, dan pembaruan sistem. Agar tidak hanya menampilkan rekomendasi, agen-agen ini menjalankan tugas secara langsung di seluruh sistem, menarik konteks yang diperlukan untuk menyelesaikan alur kerja tanpa intervensi manusia yang konstan.

Ini termasuk menangani skenario pembayaran yang kompleks, merekonsiliasi faktur di seluruh sistem, dan mengkoordinasikan komunikasi dengan pelanggan dalam skala besar—area yang secara historis memerlukan upaya manual yang signifikan.

Pertumbuhan Didorong oleh Permintaan Enterprise

Fazeshift melaporkan pertumbuhan yang cepat selama setahun terakhir, dengan basis pelanggan enterprise yang tumbuh termasuk Sigma Computing, Snyk, Meter, dan Clipboard Health. Dalam beberapa penerapan, perusahaan ini mengklaim bahwa platformnya mengotomatisasi sebagian besar tugas piutang manual.

Daya tarik ini datang pada saat departemen keuangan berada di bawah tekanan untuk meningkatkan efisiensi tanpa meningkatkan jumlah karyawan. Piutang, khususnya, tetap sangat intensif tenaga kerja meskipun modernisasi yang lebih luas di seluruh tumpukan teknologi CFO.

Pendekatan Fazeshift berfokus pada menghubungkan data di seluruh sistem, bukan memperkenalkan platform mandiri lainnya. Dengan mengintegrasikan dengan alat yang ada seperti sistem ERP, platform penagihan, dan CRMs, perusahaan ini memposisikan agen AI-nya sebagai lapisan yang beroperasi di lingkungan yang terfragmentasi.

Munculnya Keuangan Otonom

Trajectory Fazeshift menunjuk ke arah pergeseran yang lebih luas dalam struktur fungsi keuangan. Sementara piutang adalah fokus awal, pendekatan yang mendasarinya menandakan langkah menuju apa yang dapat digambarkan sebagai keuangan otonom—di mana perangkat lunak tidak hanya mendukung alur kerja, tetapi menjalankannya.

Ini mencerminkan evolusi yang lebih luas di seluruh sistem enterprise. Alat sebelumnya dirancang untuk mengatur informasi dan mendukung pengambilan keputusan melalui dashboard dan pelaporan. Sistem AI yang lebih baru mulai beroperasi secara langsung di dalam lingkungan tersebut, menjalankan tugas yang sebelumnya memerlukan input manusia yang konstan.

Keuangan adalah titik awal alami untuk transisi ini. Banyak proses didasarkan pada aturan dan repetitif, namun masih memerlukan koordinasi di seluruh sistem, dokumen, dan saluran komunikasi. Kombinasi ini secara historis membuat otomatisasi penuh menjadi sulit, tetapi kemajuan dalam agen AI mulai menutup kesenjangan tersebut.

Jika model ini terus berkembang, tim keuangan dapat bergeser dari eksekusi manual ke pengawasan sistem otomatis, fokus lebih pada penanganan pengecualian, kepatuhan, dan pengambilan keputusan strategis. Implikasinya melampaui efisiensi—otomatisasi jenis ini dapat mengubah cara organisasi menskala operasi, mengelola arus kas, dan membangun tim back-office mereka dari waktu ke waktu.