North.cloud、クラウドとAIの支出管理を自動化するため6,000万ドルのシリーズB資金を調達

North.cloudは、クラウドインフラ、AIの利用、データのコストを管理するプラットフォームの拡充に向け、シリーズBで6,000万ドルを調達した。10月15日に発表された今回の資金調達ラウンドは、PeakSpan Capitalが主導し、Litquidity、Companyon Ventures、Alpaca、Uncommon Denominator、Gaingels、Mana Venturesが参加した。

今回の資金調達が対象とするのは、AIの本番導入が進むにつれて解決が難しくなる問題だ。製品の運用コストは、クラウドコンピューティング、モデルAPI、データプラットフォームにまたがる一方、請求を管理する担当者はそれぞれ別のシステムを使っている。Northは、支出とその管理に伴う作業を削減する自動化によって、こうした財務状況を一元的に把握できるようにすることを目指している。

同社によると、管理対象のクラウド支出は20億ドルに迫り、顧客の節約額は4億ドルを超えるという。調達した資金は、複数のクラウドプロバイダーを横断した最適化の拡大、連携機能の強化、AI支出管理の加速、そしてエンジニアリング、製品、販売・市場開拓チームの拡充に充てる。

クラウドとAIのコストを一元管理

FinOps（クラウド財務運用）とは、テクノロジーの利用状況と事業コストを結び付け、経済性を高める方法を判断する取り組みだ。具体的には、誰が請求の発生要因となったのか、リソースの規模が適切か、割引購入の契約が実際の需要に合っているかを把握することが含まれる。

AIによって、さらに複雑な要素が加わる。企業は、アプリケーションを稼働させるインフラの費用を支払う一方で、そのアプリケーションが消費するトークンについて、モデルプロバイダーにも別途料金を支払う場合がある。請求書を1枚確認するだけでは、顧客へのサービス提供やワークフローの完了にかかるコストを必ずしも把握できない。

Northの資金調達発表に先立ち、North v3がリリースされ、Amazon Web ServicesとGoogle Cloud Platformに加えてMicrosoft Azureに対応した。同社によると、このリリースではOpenAI、Anthropic、Snowflakeとのネイティブ連携も導入され、Autobot製品を通じた契約の自動管理機能も拡張された。

この戦略は、Unite.AIが2025年に取り上げたNorthの従来のクラウドFinOpsプラットフォームを基盤としている。今回の事業拡大により、クラウドのコスト削減にとどまらず、インフラ、AI、データへの支出を一元的に把握することへと焦点を広げている。

契約の自動化の仕組み

クラウドコストを削減する方法の一つは、契約を通じて割引価格の利用枠を購入することだ。課題は、こうした契約を将来の利用量に合わせることにある。購入量が少なすぎると節約の機会を逃し、多すぎると、もはや必要のない利用枠にも費用を払い続けることになりかねない。

Northの利用枠に関するドキュメントでは、2つの方法が説明されている。FlexbotはNorthが所有するメンバーアカウントを通じて割引を提供し、契約の管理もNorthが担う。Autobotは顧客が所有する契約を管理し、利用状況と事業目標に応じて段階的に購入を決定する。顧客はこの2つを組み合わせることもできる。

この違いが重要なのは、契約の所有者と購入管理の方法が異なるためだ。Northによると、Autobotは予測と顧客の目標に基づいて時間をかけて利用枠を確保し、購入前に節約額や柔軟性を評価できるシミュレーション機能も備える。また、ドキュメントには、自動購入のためにAutobotが追加の権限を求めること、そして顧客はその権限を取り消せることも記載されている。

契約の最適化では、利用に対して支払う価格を見直す。一方、ワークロードに割り当てられたリソースがすべて必要かどうかは、別の問題だ。Northのリソース適正化機能は、ワークロードの挙動、パフォーマンス上の考慮事項、予測される節約額に基づき、適切なリソース規模を推奨する。これらの仕組みを区別すると、最適化プラットフォームが実際に何を変えるのかが明確になる。より有利な料金と、より小さなリソース規模は、それぞれ異なる成果だ。

TokenFlowでAIの利用管理にも対応

Northは、モデルの利用状況、費用の帰属、予算、財務管理を同じ環境に統合するTokenFlowの開発も進めている。資金調達の発表では、クラウドとAIの支出を一つの財務課題として扱う取り組みの一環だと説明している。

TokenFlowの製品ページでは、モデル、プロバイダー、チームを横断して利用状況を追跡し、コストを発生させたワークロードに費用を割り当て、利用上限を設ける制限やポリシーを適用できると説明されている。確認時点では、同ページには引き続きウェイトリストが表示され、一部のユーザーを対象としたベータ版へのアクセスについて記載されていた。こうした一般公開状況に関する情報は、資金調達の発表で示された、より広範な事業拡大計画とは分けて捉える必要がある。

費用を特定する価値は、消費したトークンの総数を把握することにとどまらない。どの機能やワークフローがコストを発生させたのか、その費用が有益な成果につながっているかを、チームは理解する必要がある。個々のリクエストが安価でも、ワークフローの中で大規模に繰り返されれば、予算を大きく圧迫する項目になり得る。

モデルの利用状況とインフラコストを組み合わせることで、こうしたトレードオフを把握しやすくなる可能性がある。ただし、それによって最適なモデルや導入方法が自動的に決まるわけではない。判断は、求められる品質、レイテンシ、利用パターン、周辺システムのコストに左右される。

Northの実績を示す数値

Northは、AssemblyAI、Atlan、Tines、SnapLogic、Emplifi、Implyを顧客として挙げています。発表によると、AssemblyAIの推論部門責任者であるBen Gotthold氏は、過去1年間にインフラを拡大したにもかかわらず、実効削減率は約50%に達したと報告しています。

これは特定の顧客における実績であり、すべての組織が期待すべき削減率ではありません。管理対象の支出が約20億ドル、削減額が4億ドル超という数字も、同社が公表した合計値です。発表では、これらの数字を比較するための詳細な算出方法や、統一された測定期間は示されていません。

購入者にとって有用な比較基準は、サービス費用、利用率、購入上の義務を考慮したうえで、自社のワークロードにおいて得られる財務上の成果です。コンピューティングの価格低下には価値がありますが、需要が変化したかどうか、また、より安価な構成でもアプリケーションに必要なパフォーマンスを維持できるかを把握することも重要です。

可視化から実行へと拡大

CEO兼共同創業者のMatt Biringer氏は、Northのアプローチについて、エンジニアリングチームや財務チームに解釈を委ねる別のダッシュボードを残すのではなく、FinOps業務そのものを自動化することだと説明しています。PeakSpanの出資は、より広範な支出を継続的に管理するこの取り組みを後押しします。

今回のシリーズBにより、AIの運用コストと製品上の意思決定との結び付きが強まるなか、Northはこのアプローチを拡大するための資金を得ます。実行にあたっての課題は、購入権限や運用上のトレードオフを明確に保ちながら、正確な費用配賦を有用な施策につなげることです。顧客にとっての成功の指標は、インフラとAIの利用が拡大するなかで、コストを予測しやすくし、コスト管理に伴う手作業を減らせるかどうかです。