RapidCanvas raccoglie 29 milioni di dollari in un round di Serie B per ampliare l’erogazione di soluzioni di IA aziendale

RapidCanvas ha raccolto 29 milioni di dollari in un round di Serie B per espandere un’attività incentrata su un problema persistente dell’IA aziendale: portare applicazioni utili in produzione e mantenerle operative man mano che l’azienda cambia.

Il round è stato guidato da Vertex Ventures SEA & India, con la partecipazione di Hitachi Ventures. Hanno partecipato anche gli investitori esistenti Accel, Peak XV Partners, Valley Capital Partners e Titanium Ventures. L’annuncio del 16 ottobre porta il finanziamento totale a 52,5 milioni di dollari e segnala una crescita di otto volte dei ricavi ricorrenti annuali nell’arco di sei trimestri, senza divulgare una cifra assoluta relativa ai ricavi né la valutazione.

RapidCanvas abbina una piattaforma software basata su agenti a ingegneri IA sul campo. La sua proposta si concentra sulla realizzazione e sulla gestione di applicazioni personalizzate, anziché fornire ai clienti un altro strumento di sviluppo lasciando a loro l’implementazione. Questa combinazione rende il finanziamento una scommessa sia sul riutilizzo del software sia sulle persone necessarie per tradurre i processi aziendali in automazioni affidabili.

A cosa servirà il nuovo capitale

L’azienda prevede di ampliare l’organizzazione commerciale e di accesso al mercato, le partnership con società di private equity e di consulenza e i team di ingegneria IA sul campo negli Stati Uniti, in Brasile e in India. Gli investimenti nei prodotti riguarderanno il suo Enterprise Context Engine, la libreria di competenze alla base del suo Visual Development Canvas e la governance nel suo Operational Harness.

Il round di Serie B segue il round di Serie A da 16 milioni di dollari di RapidCanvas, chiuso a dicembre 2024. La continua enfasi sulle competenze umane è significativa in un momento in cui i prodotti basati su agenti vengono spesso presentati come sostituti del lavoro di implementazione. RapidCanvas sta costruendo il proprio modello puntando a mantenere quel lavoro, mentre cerca di rendere più ripetibile una parte maggiore dell’ingegneria sottostante.

Le basi tecniche: un contesto aziendale condiviso

L’Enterprise Context Engine di RapidCanvas organizza quattro tipi di informazioni: le relazioni tra le entità aziendali, le definizioni delle metriche, le regole decisionali e gli schemi convalidati da un’organizzazione. Combina individuazione automatizzata, contributi di esperti e revisione, con acquisizione programmata e recupero di informazioni aggiornate.

L’azienda descrive queste conoscenze come persistenti, dotate di controllo delle versioni e circoscritte a ciascuna impresa. I team possono perfezionarle e riutilizzarle in diverse applicazioni, risalendo al contempo dai risultati ai dati di origine e alla logica pertinente.

Si consideri un ipotetico flusso di lavoro per la gestione delle scorte. Un modello potrebbe riconoscere il nome di un prodotto, ma non capire comunque se le scorte indicate come «disponibili» comprendano le unità riservate, quali impegni dei fornitori abbiano la precedenza o quando un addetto alla pianificazione debba approvare un ordine. Raccogliere queste definizioni e le relative eccezioni offre a un’applicazione basi più utili per agire. Crea anche un obbligo di manutenzione: le regole aziendali devono avere responsabili, processi di revisione e aggiornamenti al mutare delle attività operative.

Collegare gli agenti ai sistemi usati dalle persone

La documentazione della piattaforma descrive un ciclo di vita che comprende progettazione, connessioni ai dati, distribuzione e governance. I requisiti espressi in linguaggio naturale possono essere tradotti in flussi di lavoro, con controllo delle versioni e componenti riutilizzabili a disposizione per uno sviluppo più strutturato. RapidCanvas afferma che il suo sistema è indipendente dal modello e può funzionare su AWS, Azure o Google Cloud, nell’ambiente del cliente, tramite un’implementazione gestita o in modalità SaaS.

Le applicazioni possono collegarsi tramite API e scrivere dati nei sistemi, come quelli ERP e CRM e i software per la gestione dei ticket. I recenti aggiornamenti della piattaforma descrivono anche connessioni contestuali a Slack e Google Drive, query dei connettori modificabili e segreti a livello di progetto.

Questi dettagli aiutano a spiegare la differenza tra una dimostrazione utile e un’applicazione operativa. Produrre una risposta è solo un passaggio: ottenere dati autorizzati, interpretarli correttamente e fornire un risultato nel luogo in cui i dipendenti già lavorano sono problemi ingegneristici distinti. Una piattaforma condivisa può ridurre la duplicazione del lavoro, ma ogni integrazione deve comunque essere verificata rispetto alle autorizzazioni del cliente e ai suoi requisiti aziendali.

La governance deve accompagnare l’esecuzione

Nella sua pagina sulla governance, RapidCanvas descrive progetti supportati dal repository Git del cliente, accessi basati sui ruoli, registri di controllo e monitoraggio dei servizi. Tra gli esempi figurano il monitoraggio del volume delle richieste, degli errori e della latenza, insieme alla registrazione delle modifiche alle applicazioni. L’azienda afferma inoltre che è possibile monitorare utilizzo, costi e prestazioni per ciascuna soluzione.

Questi controlli diventano più importanti quando un agente può aggiornare un record o avviare un flusso di lavoro. Le aziende devono stabilire quali azioni richiedono un’approvazione, come annullare le modifiche errate e chi deve intervenire quando un servizio si comporta in modo imprevisto. La registrazione degli eventi rende possibili le indagini, ma da sola non dimostra che una decisione automatizzata fosse corretta.

La questione della scalabilità alla base del finanziamento

La pagina aziendale di RapidCanvas indica Rahul Pangam come CEO e Uttam Phalnikar come CTO, e data la fondazione dell’azienda al 2021. Il suo approccio operativo combina ingegneri che apprendono i processi del cliente e una piattaforma pensata per trasferire componenti e contesto utili alle applicazioni successive.

La prova economica consiste nel misurare quanto diventa più rapida ogni implementazione man mano che cresce questa base. Le competenze riutilizzabili possono ridurre il costo di sviluppo di un’altra applicazione, mentre gli ingegneri esperti possono individuare le eccezioni che sfuggono all’automazione generica. Una personalizzazione estesa, tuttavia, può comunque richiedere tempo e limitare i margini. La sola crescita dei ricavi non risolve questo compromesso.

Per i clienti che valutano questo approccio, le metriche più utili saranno specifiche: l’adozione da parte degli utenti a cui è destinato, gli errori che richiedono un intervento, i costi operativi e l’impegno necessario per estendere un’applicazione funzionante. Il round di Serie B mette a disposizione di RapidCanvas le risorse per ampliare le attività di implementazione. La prossima sfida sarà dimostrare che l’IA in produzione può diventare sempre più replicabile senza perdere il giudizio aziendale che la rende utile.