Larridin Menggalang Pendanaan Seri A Sebesar $30 Juta untuk Mengukur Belanja AI dan Dampaknya terhadap Tenaga Kerja

Larridin telah menggalang pendanaan Seri A sebesar $30 juta yang dipimpin oleh Pelion Ventures, sehingga total pendanaannya mencapai $47 juta. Perusahaan ini mengukur bagaimana belanja AI diterjemahkan menjadi pekerjaan yang dilakukan karyawan dan agen perangkat lunak, dengan menyasar perusahaan yang ingin mendapatkan bukti lebih jelas tentang imbal hasil investasi AI mereka.

Investor lama Andreessen Horowitz dan Gradient Ventures turut berpartisipasi bersama investor baru GFT, W23, Thayer, DG Daiwa Ventures, Alumni Ventures, dan Cougar Capital.

Dalam pengumuman pada 2 November, Larridin menyatakan telah mengukur lebih dari 2 miliar sesi AI dan melacak lebih dari 82.000 alur kerja. Pendanaan tersebut akan mendukung pengembangan produk dan perluasan tim.

Menghubungkan Tagihan AI dengan Hasil Bisnis

Tantangan keuangan tidak hanya soal menghitung pengguna aktif. Organisasi dapat membayar lisensi pengguna, menggunakan token model, dan menjalankan agen otomatis tanpa mengetahui aktivitas mana yang meningkatkan kinerjanya. Mengukur adopsi menunjukkan apakah alat digunakan; mengukur nilai mengharuskan organisasi menghubungkan penggunaan tersebut dengan hasil yang bermanfaat serta biaya untuk mencapainya.

Dokumentasi produk AI Impact dari Larridin menjelaskan cara menggabungkan lisensi yang ditagihkan, penggunaan token, dan biaya model cloud dengan alur kerja yang diamati serta data sistem rekayasa. Platform ini memetakan pengeluaran ke berbagai departemen dan membandingkan pekerjaan yang dihasilkan dengan investasi tersebut.

Metodologi ini membedakan kapasitas yang didukung AI dari penghematan tunai yang benar-benar terealisasi. Jam kerja setara manusia dapat digunakan untuk memperkirakan kontribusi AI terhadap pekerjaan, tetapi nilai finansialnya bergantung pada tolok ukur awal dan cara organisasi memanfaatkan kapasitas tersebut. Waktu luang yang bertambah tidak otomatis mengurangi anggaran atau kebutuhan staf.

Pembedaan ini sangat penting saat membaca contoh di dasbor. Larridin secara jelas menandai angka ilustratifnya, termasuk contoh kelipatan ROI dan jam kerja yang dihemat. Contoh tersebut menjelaskan cara perhitungan dilakukan, bukan membuktikan hasil yang dicapai pelanggan tertentu.

Cara Workflow Intelligence Mengamati Pekerjaan

Platform Workflow Intelligence milik perusahaan ini menggunakan ekstensi peramban dan agen desktop untuk mengamati aktivitas di aplikasi yang dipilih administrator. Menurut Larridin, platform ini mengumpulkan metadata seperti aplikasi yang sedang aktif, urutannya, waktu yang dihabiskan pada setiap langkah, serta perpindahan antaralat.

Dokumentasi produk menyatakan bahwa isi pesan, dokumen, rekaman layar, dan penekanan tombol tidak dikumpulkan. Secara default, tampilan data diagregasikan pada tingkat tim, sementara tampilan perorangan dinonaktifkan kecuali diaktifkan oleh administrator.

Hasil pengamatan tersebut dikelompokkan menjadi alur kerja agar tim dapat menelaah durasi, pengulangan, hambatan, dan keterlibatan AI. Platform ini mengurutkan peluang otomatisasi berdasarkan prioritas dan melacaknya mulai dari uji coba hingga penerapan yang rampung, dengan membandingkannya terhadap tolok ukur awal yang telah dicatat.

Pembedaan antara kapasitas potensial, yang dimodelkan, dan yang terealisasi penting dalam konteks ini. Alur kerja yang diidentifikasi sebagai kandidat otomatisasi belum memberikan manfaat yang sama dengan alur kerja yang sudah berjalan dengan sukses di lingkungan produksi.

Pengukuran Rekayasa Mencakup Kualitas dan Peninjauan

Penawaran Developer Intelligence dari Larridin menghubungkan hasil kerja rekayasa dengan biaya AI, kecepatan pengiriman, dan kualitas kode. Ukurannya mencakup hasil kerja per $1.000 belanja AI, tingkat cacat, serta waktu siklus pull request dibandingkan dengan tolok ukur tim itu sendiri.

Produk ini juga menganalisis sesi agen beserta langkah-langkah yang terekam, penggunaan token, dan perkiraan biayanya. Komponen perutean model memungkinkan organisasi menetapkan prioritas biaya dan kualitas untuk alur kerja pemrograman serta membandingkan pilihan model.

Pendekatan ini mengakui bahwa menghasilkan lebih banyak kode hanyalah salah satu tahap pengiriman perangkat lunak. Kapasitas peninjauan, verifikasi, pengerjaan ulang, dan penerapan dapat menentukan apakah tambahan hasil kerja menjadi perangkat lunak yang bermanfaat.

Laporan Dampak AI dalam Rekayasa untuk Q3 2026 dari perusahaan ini menggambarkan ketegangan tersebut. Analisisnya menemukan bahwa porsi pull request tergabung yang dibantu AI meningkat dari 35% pada April menjadi 62% pada September, sementara pengumuman pendanaan melaporkan kenaikan 50% pada median waktu tunggu untuk peninjauan kode awal oleh manusia. Temuan ini menggambarkan kelompok yang diukur Larridin, bukan setiap organisasi rekayasa.

Bisnis Pengukuran yang Dibangun di Sekitar Akuntabilitas AI

Larridin melaporkan kenaikan rata-rata sebesar 47% pada hasil kerja tim yang dapat diukur dan median optimasi belanja AI tahun pertama sebesar $2,4 juta di seluruh basis pelanggannya. Angka-angka ini merupakan hasil yang dilaporkan perusahaan dan terpisah dari dasbor produk yang bersifat ilustratif.

Halaman kepemimpinan menyebut Russ Fradin sebagai salah satu pendiri dan CEO, Jim Larrison sebagai salah satu pendiri dan presiden, serta Ameya Kanitkar sebagai salah satu pendiri dan CTO. Fradin dan Larrison mengandalkan pengalaman sebelumnya dalam membangun sistem pengukuran digital di Comscore. Tujuan yang mereka nyatakan adalah menyediakan lapisan pengukuran yang sebanding untuk pekerjaan yang dilakukan dengan AI.

Seperti dikemukakan Vrushali Paunikar, Chief Product Officer Carta, dalam artikel untuk Unite.AI tentang alur kerja AI perusahaan yang melampaui lapisan koneksi, menyediakan akses ke berbagai alat hanyalah sebagian dari upaya menghasilkan keluaran yang andal. Larridin berfokus pada bukti di balik keluaran tersebut: berapa biaya pekerjaan itu, apa yang berubah, dan ke mana investasi berikutnya sebaiknya diarahkan.