AI 지출과 인력에 미치는 영향을 측정하는 Larridin, 시리즈 A로 3,000만 달러 유치

Larridin이 Pelion Ventures의 주도로 시리즈 A 투자금 3,000만 달러를 유치해 총 조달액이 4,700만 달러에 이르렀다. 이 회사는 AI 지출이 직원과 소프트웨어 에이전트의 업무에 어떻게 반영되는지 측정하며, AI 투자 수익을 더 명확히 입증하고자 하는 기업을 대상으로 한다.

기존 투자자인 Andreessen Horowitz와 Gradient Ventures가 신규 투자자인 GFT, W23, Thayer, DG Daiwa Ventures, Alumni Ventures, Cougar Capital과 함께 투자에 참여했다.

Larridin은 11월 2일 발표에서 AI 세션 20억 건 이상을 측정하고 워크플로 8만 2,000건 이상을 추적했다고 밝혔다. 이번 투자금은 제품 개발과 팀 확장에 사용될 예정이다.

AI 비용과 비즈니스 성과 연결하기

재정적 과제는 활성 사용자 수를 세는 데 그치지 않는다. 조직은 좌석 라이선스 비용을 지불하고 모델 토큰을 사용하며 자동화 에이전트를 가동하면서도, 어떤 활동이 업무 개선에 기여하는지는 알지 못할 수 있다. 도입 현황을 측정하면 도구가 사용되는지 알 수 있지만, 가치를 측정하려면 그러한 사용을 유용한 결과와 그 결과를 만들어내는 데 든 비용에 연결해야 한다.

Larridin의 AI Impact 제품 문서는 청구된 라이선스 비용, 토큰 사용량, 클라우드 모델 비용을 관찰된 워크플로 및 엔지니어링 시스템 데이터와 결합하는 방법을 설명한다. 지출을 부서별로 연결하고, 그 투자에 대비해 산출된 업무를 비교한다.

이 방법론은 AI가 뒷받침하는 업무 역량과 실제 현금 절감액을 구분한다. AI가 기여한 업무량은 사람의 근무 시간으로 환산해 추정할 수 있지만, 그 재정적 가치는 기준선과 조직이 해당 역량을 활용하는 방식에 따라 달라진다. 활용할 수 있는 시간이 늘어난다고 해서 예산이나 인력 수요가 자동으로 줄어드는 것은 아니다.

대시보드 예시를 살펴볼 때는 이러한 구분이 특히 중요하다. Larridin은 예시 투자수익률 배수와 절감된 시간 등 설명을 위한 수치를 명시적으로 표시한다. 이러한 예시는 계산 방식을 설명하는 것이지, 특정 고객이 거둔 성과를 입증하는 것은 아니다.

Workflow Intelligence가 업무를 관찰하는 방식

이 회사의 Workflow Intelligence 플랫폼은 브라우저 확장 프로그램과 데스크톱 에이전트를 사용해 관리자가 선택한 애플리케이션의 활동을 관찰한다. Larridin에 따르면, 활성 애플리케이션, 사용 순서, 각 단계에 소요된 시간, 도구 간 전환과 같은 메타데이터를 수집한다.

제품 문서에 따르면 메시지 본문, 문서 내용, 화면 녹화, 키 입력은 수집하지 않는다. 조회 정보는 기본적으로 팀 단위로 취합되며, 관리자가 활성화하지 않는 한 개인별 조회 기능은 비활성화되어 있다.

이러한 관찰 정보는 워크플로별로 분류되어 팀이 소요 시간, 반복 작업, 마찰 요인, AI가 개입하는 지점을 살펴볼 수 있게 한다. 플랫폼은 자동화 기회를 우선순위에 따라 분류하고, 기록된 기준선을 바탕으로 시범 운영부터 배포 완료까지 진행 상황을 추적한다.

잠재적 역량, 모델링된 역량, 실제로 실현된 역량을 구분하는 것은 여기서 중요하다. 자동화 후보로 식별된 워크플로가 실제 운영 환경에서 성공적으로 가동 중인 워크플로와 같은 이점을 이미 제공한 것은 아니다.

엔지니어링 측정에 품질과 검토를 포함하다

Larridin의 Developer Intelligence 솔루션은 엔지니어링 산출물을 AI 비용, 개발 속도, 코드 품질과 연결한다. 측정 항목에는 AI 지출 1,000달러당 산출량, 결함률, 팀 자체 기준선과 비교한 풀 리퀘스트 처리 주기가 포함된다.

이 제품은 에이전트 세션과 기록된 단계, 토큰 사용량, 예상 비용도 살펴본다. 모델 라우팅 구성 요소를 사용하면 조직이 코딩 워크플로에서 비용과 품질 중 무엇을 우선할지 설정하고 모델 선택지를 비교할 수 있다.

이 접근법은 코드 생성량을 늘리는 것이 개발의 한 단계에 불과하다는 점을 고려한다. 검토 역량, 검증, 재작업, 배포에 따라 추가 산출물이 실제로 유용한 소프트웨어가 될 수 있는지가 결정된다.

회사의 Q3 2026 AI Impact 엔지니어링 보고서는 이러한 긴장을 보여준다. 분석 결과, 병합된 풀 리퀘스트 가운데 AI 지원을 받은 비율은 4월 35%에서 9월 62%로 상승했다. 또한 투자 발표에 따르면 사람이 처음으로 코드를 검토하기까지 걸리는 대기 시간의 중앙값은 50% 늘었다. 이러한 결과는 Larridin이 측정한 집단에 해당하며, 모든 엔지니어링 조직을 대표하지는 않는다.

AI 책임성을 중심으로 구축한 측정 비즈니스

Larridin은 고객 기반 전반에서 측정 가능한 팀 산출량이 평균 47% 증가했으며, 첫해 AI 지출 최적화액의 중앙값은 240만 달러라고 보고했다. 이는 회사가 보고한 성과이며, 제품 대시보드에 표시된 예시와는 별개다.

경영진 소개 페이지에는 Russ Fradin이 공동 창업자 겸 CEO, Jim Larrison이 공동 창업자 겸 사장, Ameya Kanitkar가 공동 창업자 겸 CTO로 소개되어 있다. Fradin과 Larrison은 과거 Comscore에서 디지털 측정 시스템을 구축한 경험을 바탕으로 한다. 이들이 밝힌 목표는 AI를 활용한 업무를 비교할 수 있도록 측정 계층을 제공하는 것이다.

Carta의 최고제품책임자 Vrushali Paunikar가 연결 계층을 넘어선 기업용 AI 워크플로에 관해 Unite.AI에 기고한 글에서 주장하듯, 도구에 대한 접근성을 제공하는 것은 신뢰할 수 있는 결과를 내는 일의 일부에 불과합니다. Larridin은 그 결과를 둘러싼 근거, 즉 작업에 얼마의 비용이 들었는지, 무엇이 달라졌는지, 다음 투자는 어디에 해야 하는지에 초점을 맞춥니다.