Fazeshift, AI 기반 재무 자동화 확장 위해 2,200만 달러 투자 유치

Fazeshift, 청구 가능 금액 워크플로우를 AI 에이전트로 자동화하는 스타트업은 시리즈 A 펀딩에서 1,700만 달러를 투자받아 총 2,200만 달러의 투자금을 확보했다. 이번 투자 라운드는 F-Prime이 주도했으며, Gradient, Y Combinator, Wayfinder, Pioneer Fund, Ritual Capital 및 여러 천사 투자자가 참여했다.

이 회사는 AI 공동 조종사 이상으로 독립적으로 운영 작업을 수행할 수 있는 시스템으로 이동하는 스타트업의 증가하는 물결의 일부입니다. Fazeshift의 경우, 이는 많은 기업 팀이 여전히 스프레드시트, 이메일, ERP 시스템, CRM 및 결제 플랫폼을 통해 관리하는 재무 프로세스를 자동화하는 것을 의미합니다.

청구 가능 금액이 주요 병목 현상으로 남아 있는 이유

청구 가능 금액(AR)은 기업 재무에서 가장 현대화가 덜 된 부분 중 하나입니다. 많은 대규모 조직은 여전히 청구서 생성, 수금, 결제 일치 및 조정에 대한 단편적인 워크플로우를 사용합니다.

많은 재무 팀은 여전히 여러 시스템에서 결제를 수동으로 추적하고, 분쟁을 해결하고, 연체된 청구서를 추적하는 데 상당한 시간을 소요합니다. 이러한 비효율성은 직접 현금 흐름에 영향을 미치고 재무 팀이 매출 일수(DSO)라고 부르는 지표를 증가시킬 수 있습니다. 이는 회사가 결제를 수금하는 데 걸리는 시간을 측정하는 데 사용됩니다.

Fazeshift는 기존 소프트웨어 툴을 대체하는 대신 그 위에서 작동하는 AI 에이전트를 구축하여 이를 해결하려고 합니다. 이 플랫폼은 ERP 시스템, CRM, 결제 처리기 및 통신 플랫폼과 통합하여 엔드 투 엔드 워크플로우를 자동화합니다.

Fazeshift의 AI 에이전트 작동 방식

전통적인 자동화 플랫폼과 달리 규칙과 수동 트리거에 크게 의존하지 않고, Fazeshift는 자신의 소프트웨어를 독립적으로 재무 작업을 수행할 수 있는 실행 계층으로 пози션합니다.

플랫폼의 AI 에이전트는 청구서 생성, 결제 조정, 수금 아웃리치, 고객 통신 및 시스템 업데이트와 같은 핵심 청구 가능 금액 기능을 처리하도록 설계되었습니다. 이러한 에이전트는 워크플로우를 완료하기 위해 지속적인 인간의 개입 없이 시스템에서 컨텍스트를 가져와 직접 작업을 수행합니다.

이것은 복잡한 결제 시나리오를 처리하고, 여러 시스템에서 청구서를 조정하며, 대규모로 고객과 통신을 조정하는 것을 포함합니다. 이러한 영역은 역사적으로 상당한 수동 노력이 필요했습니다.

기업 수요에 따른 성장

Fazeshift는 지난 1년 동안 급격한 성장을 보였으며, Sigma Computing, Snyk, Meter 및 Clipboard Health를 포함한 점점 더 많은 기업 고객을 확보했습니다. 일부 배포에서 회사는 자신의 플랫폼이 대부분의 수동 AR 작업을 자동화하고 있다고 주장합니다.

이러한 매력은 재무 부서가 인력 증가 없이 효율성을 개선하도록 압력을 받는 시기에 발생합니다. 특히 청구 가능 금액은 CFO 기술 스택의 더广泛한 현대화에도 불구하고 여전히 매우 노동 집약적입니다.

Fazeshift의 접근 방식은 새로운 독립 플랫폼을 도입하는 대신 시스템 간 데이터를 연결하는 것을 중심으로 합니다. 기존 도구와 같은 ERP 시스템, 청구 플랫폼 및 CRM과 통합하여 회사는 자신의 AI 에이전트를 단편적인 환경에서 작동하는 계층으로 пози션합니다.

자율 재무의 부상

Fazeshift의 궤도는 재무 기능이 구조화되는 방식에 대한 더广泛한 전환을 나타냅니다. 청구 가능 금액은 초기 초점이지만, 기본적인 접근 방식은 워크플로우를 지원하는 것뿐만 아니라 이를 수행하는 소프트웨어로의 이동을 시사합니다.

이것은 기업 시스템 전반에 걸친 더广泛한 진화를 반영합니다. 이전 도구는 정보를 조직화하고 대시보드 및 보고서를 통해 의사 결정에 도움을 주도록 설계되었습니다. 최근의 AI 시스템은 이러한 환경에서 직접 작동하여 인간의 입력이 필요한 작업을 수행하기 시작했습니다.

재무는 이러한 전환의 자연스러운 시작점입니다. 많은 프로세스는 규칙 기반이고 반복적이지만 여전히 여러 시스템, 문서 및 통신 채널에서 조정을 요구합니다. 이러한 조합은 역사적으로 완전한 자동화를 어렵게 만들었지만, AI 에이전트의 발전은 이 간격을 좁히고 있습니다.

이 모델이 계속 발전한다면, 재무 팀은 수동 실행에서 자동화된 시스템을 감독하는 방향으로 이동하여 예외 처리, 규정 준수 및 전략적 의사 결정에 더 집중할 수 있습니다. 이러한 자동화의 영향은 효율성을 넘어선다. 이러한 종류의 자동화는 조직이 운영을 확장하고, 현금 흐름을 관리하고, 시간이 지남에 따라 백오피스 팀을 구조화하는 방식을 재정의할 수 있습니다.