Larridin、AI支出と労働力への影響を測定するためシリーズAで3,000万ドルを調達

Larridinは、Pelion Venturesが主導するシリーズAの資金調達で3,000万ドルを調達し、累計調達額は4,700万ドルとなった。同社は、AIへの支出が従業員やソフトウェアエージェントの業務にどう結び付くかを測定し、AI投資のリターンをより明確に示す根拠を求める大企業を支援する。

既存投資家のAndreessen HorowitzとGradient Venturesに加え、新規投資家としてGFT、W23、Thayer、DG Daiwa Ventures、Alumni Ventures、Cougar Capitalが参加した。

11月2日の発表でLarridinは、これまでに20億件を超えるAIセッションを測定し、8万2,000件を超えるワークフローを追跡したと述べた。今回の資金は、製品開発とチームの拡大に充てられる。

AIの請求額と事業成果を結び付ける

財務面の課題は、アクティブユーザー数を数えるだけではない。組織は、どの活動が業務の改善につながっているかを把握できないまま、ライセンス費用を支払い、モデルのトークンを消費し、自動化エージェントを稼働させることがある。利用状況の測定で分かるのはツールが使われているかどうかだが、価値を測るには、その利用を有用な成果と、その成果を生み出すためのコストに結び付ける必要がある。

LarridinのAI Impact製品ドキュメントによると、請求対象のライセンス、トークン使用量、クラウドモデルのコストを、観測されたワークフローやエンジニアリングシステムのデータと組み合わせる。支出を部門ごとに割り当て、その投資に対して生み出された業務成果を比較する。

この手法では、AIによって支えられる業務能力と、実際に実現した現金支出の削減を区別する。AIが担う業務を人間の労働時間に換算して推定できるが、その金銭的価値は、比較の基準となる状態や、組織がその余力をどう活用するかによって異なる。利用可能な時間が増えても、予算や人員の必要性が自動的に減るわけではない。

ダッシュボードの例を読む際には、この区別がとりわけ重要になる。Larridinは、ROI倍率や削減された時間などの例示的な数値を、例であると明示している。これらは計算方法を説明するものであり、特定の顧客で実現した成果を示すものではない。

Workflow Intelligenceが業務を観測する方法

同社のWorkflow Intelligenceプラットフォームは、ブラウザー拡張機能とデスクトップエージェントを使い、管理者が選択したアプリケーション上の活動を観測する。Larridinによると、使用中のアプリケーション、その利用順序、各工程に費やした時間、ツール間の切り替えなどのメタデータを収集する。

製品ドキュメントによると、メッセージ本文、文書の内容、画面録画、キー入力は収集しない。標準設定ではチーム単位で集計して表示し、個人単位の表示は管理者が有効にしない限り無効となっている。

こうした観測データはワークフローごとにまとめられ、チームは所要時間、反復、障害、AIが関与する箇所を確認できる。プラットフォームは自動化の候補を優先順位付けし、記録した基準値と照らしながら、試験導入から本番環境への導入完了まで追跡する。

ここでは、自動化の潜在性、モデル上の推定、実現した業務能力を区別することが重要だ。自動化候補として特定されたワークフローが、すでに本番環境で正常に稼働しているワークフローと同じ便益をもたらしているわけではない。

エンジニアリングの測定では品質とレビューも対象に

LarridinのDeveloper Intelligence製品は、エンジニアリングの成果をAIコスト、開発速度、コード品質と結び付ける。指標には、AI支出1,000ドル当たりの成果、不具合率、チーム独自の基準値と比較したプルリクエストのサイクルタイムが含まれる。

この製品は、エージェントのセッションと、記録された各ステップ、トークン使用量、推定コストも分析する。モデル選択機能により、組織はコーディングのワークフローにおけるコストと品質の優先度を設定し、モデルの選択肢を比較できる。

この手法は、コードをより多く生成することが開発工程の一段階にすぎない点を踏まえている。レビュー能力、検証、手戻り、デプロイによって、追加の成果物が実用的なソフトウェアになるかどうかが左右される。

同社の2026年第3四半期AI影響レポート（エンジニアリング）は、この課題を示している。同レポートの分析では、マージされたプルリクエストに占めるAI支援の割合は4月の35%から9月には62%に上昇した。また、資金調達の発表によると、人間による最初のコードレビューまでの待ち時間の中央値は50%増加した。これらの調査結果が示すのはLarridinが測定した対象集団であり、あらゆるエンジニアリング組織に当てはまるものではない。

AIへの説明責任を軸に築く測定ビジネス

Larridinによると、顧客全体でチームが測定可能な成果を平均47%伸ばし、初年度のAI支出最適化額は中央値で240万ドルに達した。これらは同社が報告した実績であり、製品ダッシュボードに示された例とは別のものだ。

経営陣の紹介ページでは、Russ Fradinが共同創業者兼CEO、Jim Larrisonが共同創業者兼社長、Ameya Kanitkarが共同創業者兼CTOとして紹介されている。FradinとLarrisonは、Comscoreでデジタル測定を構築した経験を生かしている。両者が掲げる目標は、AIを活用した業務を比較可能な形で測定する基盤を提供することだ。

Cartaの最高製品責任者Vrushali Paunikarが接続レイヤーを超える企業向けAIワークフローについてUnite.AIに寄稿した記事で論じているように、信頼できる成果を実現するには、ツールへのアクセスを提供するだけでは不十分です。Larridinが重視するのは、そうした成果を裏付ける証拠です。業務にどれだけの費用がかかったのか、何が変わったのか、次の投資先をどこにすべきかを明らかにします。