RapidCanvas Menggalang Pendanaan Seri B Senilai $29 Juta untuk Memperluas Layanan AI bagi Perusahaan

RapidCanvas telah menggalang pendanaan Seri B sebesar $29 juta untuk mengembangkan bisnis yang berfokus pada masalah AI perusahaan yang terus berulang: menghadirkan aplikasi yang berguna ke lingkungan produksi, lalu memastikan aplikasi tersebut tetap berfungsi seiring perubahan bisnis.

Putaran pendanaan ini dipimpin oleh Vertex Ventures SEA & India, dengan partisipasi Hitachi Ventures. Investor lama Accel, Peak XV Partners, Valley Capital Partners, dan Titanium Ventures juga turut berpartisipasi. Pengumuman pada 16 Oktober menyebutkan bahwa total pendanaan mencapai $52,5 juta dan pendapatan berulang tahunan tumbuh delapan kali lipat selama enam kuartal, tanpa mengungkap angka pendapatan absolut maupun valuasi.

RapidCanvas memadukan platform perangkat lunak berbasis agen dengan para insinyur AI lapangan. Perusahaan ini berfokus pada penyediaan dan pengoperasian aplikasi khusus, alih-alih sekadar memberikan alat pengembangan lain kepada pelanggan dan menyerahkan penerapannya kepada mereka. Perpaduan tersebut menjadikan pendanaan ini sebagai taruhan pada penggunaan kembali perangkat lunak sekaligus tenaga ahli yang diperlukan untuk menerjemahkan proses perusahaan menjadi otomatisasi yang andal.

Hal yang akan didukung oleh pendanaan baru

Perusahaan berencana memperluas organisasi pemasaran dan penjualan, kemitraan dengan perusahaan ekuitas swasta dan penasihat, serta tim rekayasa AI lapangan di Amerika Serikat, Brasil, dan India. Investasi produk akan mencakup Enterprise Context Engine, pustaka keterampilan yang mendukung Visual Development Canvas, serta tata kelola dalam Operational Harness.

Pendanaan Seri B ini menyusul pendanaan Seri A RapidCanvas sebesar $16 juta pada Desember 2024. Penekanan berkelanjutan pada keahlian manusia patut diperhatikan, terutama ketika produk berbasis agen kerap digambarkan sebagai pengganti pekerjaan penerapan. RapidCanvas membangun model bisnisnya dengan tetap mempertahankan pekerjaan tersebut, sembari berupaya membuat lebih banyak aspek rekayasa yang mendasarinya dapat diulang.

Fondasi teknis: konteks bisnis bersama

Enterprise Context Engine milik RapidCanvas mengelola empat jenis informasi: hubungan antarentitas bisnis, definisi metrik, aturan pengambilan keputusan, dan pola yang telah divalidasi oleh organisasi. Sistem ini memadukan penemuan otomatis, masukan ahli, dan peninjauan, serta mendukung pemasukan data terjadwal dan pengambilan informasi terkini.

Perusahaan menggambarkan pengetahuan ini sebagai sesuatu yang persisten, memiliki versi, dan dibatasi untuk tiap perusahaan. Tim dapat menyempurnakannya dan menggunakannya kembali di berbagai aplikasi, sekaligus menelusuri keluaran hingga ke data sumber dan logika yang relevan.

Bayangkan sebuah alur kerja inventaris sebagai contoh. Model mungkin mengenali nama produk, tetapi tetap keliru memahami apakah stok yang berstatus “tersedia” mencakup unit yang telah dipesan, komitmen pemasok mana yang harus diprioritaskan, atau kapan perencana harus menyetujui pesanan. Dengan mencatat definisi dan pengecualian tersebut, aplikasi memiliki landasan yang lebih berguna untuk bertindak. Hal ini juga menimbulkan kewajiban pemeliharaan: aturan bisnis memerlukan penanggung jawab, proses peninjauan, dan pembaruan ketika operasional berubah.

Menghubungkan agen dengan sistem yang digunakan orang

Dokumentasi platform menjelaskan siklus yang mencakup perancangan, koneksi data, penerapan, dan tata kelola. Kebutuhan yang disampaikan dalam bahasa bisnis dapat diterjemahkan menjadi alur kerja, dengan pengelolaan versi dan komponen yang dapat digunakan kembali untuk mendukung pengembangan yang lebih terstruktur. RapidCanvas menyatakan bahwa sistemnya tidak bergantung pada model tertentu dan dapat dijalankan di AWS, Azure, atau Google Cloud, di lingkungan pelanggan, melalui penerapan terkelola, maupun sebagai SaaS.

Aplikasi dapat terhubung melalui API dan menulis kembali data ke sistem seperti perangkat lunak ERP, CRM, dan pengelolaan tiket. Pembaruan platform terbaru juga menjelaskan koneksi konteks ke Slack dan Google Drive, kueri konektor yang dapat diedit, serta rahasia tingkat proyek.

Detail ini membantu menjelaskan perbedaan antara demonstrasi yang berguna dan aplikasi operasional. Menghasilkan jawaban hanyalah satu langkah; memperoleh data yang diizinkan, menafsirkannya dengan benar, dan menyampaikan hasil di tempat karyawan sudah bekerja merupakan persoalan rekayasa yang terpisah. Platform bersama dapat mengurangi pekerjaan berulang, tetapi setiap integrasi tetap perlu diuji berdasarkan izin dan kebutuhan bisnis pelanggan.

Tata kelola harus mengikuti pelaksanaan

Di halaman tata kelolanya, RapidCanvas menjelaskan proyek yang didukung oleh repositori Git pelanggan, akses berbasis peran, log audit, dan pemantauan layanan. Contoh yang diberikan mencakup pelacakan tingkat permintaan, kegagalan, dan latensi, serta pencatatan perubahan aplikasi. Perusahaan juga menyatakan bahwa penggunaan, biaya, dan kinerja dapat dilacak untuk setiap solusi.

Kontrol tersebut menjadi semakin penting ketika agen dapat memperbarui catatan atau memicu alur kerja. Perusahaan perlu menetapkan tindakan mana yang memerlukan persetujuan, cara membatalkan perubahan yang keliru, dan siapa yang merespons ketika layanan berperilaku tak terduga. Pencatatan memungkinkan penyelidikan, tetapi dengan sendirinya tidak membuktikan bahwa keputusan otomatis sudah benar.

Pertanyaan tentang skala di balik pendanaan

Halaman perusahaan RapidCanvas menyebut Rahul Pangam sebagai CEO dan Uttam Phalnikar sebagai CTO, serta mencatat bahwa perusahaan didirikan pada 2021. Pendekatan operasionalnya memadukan para insinyur yang mempelajari proses pelanggan dengan platform yang dirancang untuk membawa komponen dan konteks berguna ke aplikasi berikutnya.

Ukuran keberhasilan ekonominya adalah seberapa besar percepatan penerapan seiring berkembangnya fondasi tersebut. Keterampilan yang dapat digunakan kembali bisa menurunkan biaya untuk membangun aplikasi lain, sementara para insinyur berpengalaman dapat mengenali kasus-kasus khusus yang luput dari otomatisasi umum. Namun, kustomisasi yang ekstensif tetap dapat menyita waktu dan membatasi margin. Pertumbuhan pendapatan saja tidak menyelesaikan kompromi tersebut.

Bagi pelanggan yang mengevaluasi pendekatan ini, ukuran yang paling berguna bersifat spesifik: tingkat adopsi di kalangan pengguna yang dituju, kesalahan yang memerlukan intervensi, biaya operasional, serta upaya yang diperlukan untuk mengembangkan aplikasi yang sudah berfungsi. Pendanaan Seri B memberi RapidCanvas sumber daya untuk memperluas penerapan solusi. Tantangan berikutnya adalah membuktikan bahwa AI yang digunakan dalam produksi dapat semakin mudah diterapkan secara konsisten tanpa kehilangan pertimbangan bisnis yang membuatnya berguna.