램프, 4,400억 달러 평가로 750억 달러 시리즈 F 투자 유치… 금융 자동화, AI로 더 깊이 진출

램프는 750억 달러의 시리즈 F 투자를 4,400억 달러의 평가로 유치했습니다. 이는 뉴욕에 본사를 둔 금융 기술 회사에게 새로운 자본을 제공하며, 기업 카드와 비용 관리에서 더 넓은 AI 기반의 금융 운영 플랫폼으로 확장하고 있습니다.

이 자금은 램프의 평가가 3,200억 달러로 보고된 지 몇 개월 만에 이루어졌습니다. 이는 금융 기술 회사에 대한 투자자의 관심이 빠르게 돌아오고 있음을 보여줍니다. 램프는 현재 7만 개 이상의 비즈니스에 서비스를 제공하며 연간 매출이 10억 달러를 넘어섰습니다.

기업 카드에서 금융 운영 시스템으로

램프는 초기에 기업 카드를 중심으로 명성을 쌓았습니다. 이는 기업이 카드를 발급하고, 지출 한도를 설정하고, 직원 구매를 모니터링하며, 비용 보고서의 수동 작업을 줄이는 것을 가능하게 했습니다. 램프의 기업 카드 제품에는 벤더 및 카테고리 제어, 영수증 수집, 모바일 비용 제출, 준수성을 가까운 구매 지점에서 발생시키기 위한 통합이 포함됩니다.

그러나 램프의 제품군은 카드以外의 영역으로 확대되었습니다. 램프는 현재 기업 카드, 비용 관리, 청구서 결제, 조달, 여행, 환불, 회계 워크플로우를 포함하는 모든 지출 관리 플랫폼으로 자신을 пози션하고 있습니다. 더 넓은 아이디어는 금융 팀이 분리된 도구에서 데이터를 조정하는 대신에 회사 지출을 제어하기 위한 단일 시스템을 제공하는 것입니다.

이 변화는 중요합니다. 금융 팀은 비용을 승인하는 것 이상을 해야 합니다. 벤더 계약을 관리하고, 소프트웨어 사용을 모니터링하고, 정책을 시행하고, 예산을 추적하고, 회계 워크플로우를 통해 책을 닫는 등 다양한 업무를 수행해야 합니다.

AI 지출, 새로운 금융 카테고리

램프의 최근 확장 중 더 흥미로운 부분은 AI 지출 관리에 대한 초점입니다. 램프는 앤트로픽, 오픈AI, 오픈루터와 같은 제공업체에서 토큰 수준의 사용 데이터를 가져오는 도구를 도입했습니다. 이는 금융 팀이 제공업체, 모델, API 키, 팀별로 AI 사용을 볼 수 있도록 합니다.

이것은 제너레이티브 AI를 채택하는 비즈니스에 대한 실제 문제를 해결합니다. 전통적인 금융 시스템은 사람, 벤더, 구독, 청구서, 카드 거래를 추적하도록 설계되었습니다. AI는 API 호출, 토큰, 워크플로우, 자율 에이전트 활동으로 확장할 수 있는 더 유연한 비용 구조를 도입합니다.

다양한 대시보드에서 청구서를 수동으로 비교하는 대신에, 금융 팀은 한 곳에서 AI 사용을 모니터링할 수 있습니다. 여러 AI 모델을 실험하는 회사에서는 이러한 가시성이 점점 더 중요해질 수 있습니다. AI 지출은 더 이상 몇 개의 챗봇 구독에만 국한되지 않습니다. API 사용, 개발자 도구, 고객向け AI 제품, 내부 자동화, 지속적으로 작동하는 에이전트 워크플로우를 포함할 수 있습니다.

램프 스택, 회계 회사 대상

램프는 또한 회계 회사 대상의 AI 플랫폼인 램프 스택을 최근에 도입했습니다. 이 제품은 장부, 조정, 원장 입력, 스케줄 롤포워드, 차이 분석, 월말 마감 워크플로우를 처리하면서 인간의 검토를 유지하는 것을 목표로 합니다.

타이밍은 주목할 만합니다. 회계 및 금융 팀은 종종 반복적인 마감 프로세스에 상당한 시간을 소비합니다. 이는 거래를 일치시키고, 원장의 정확성을 확인하고, 문서를 수집하고, 재무 성명서가 최종화되기 전에 계정이 일치하는지 확인하는 것을 포함합니다.

램프 스택은 또한 기업 AI의 더 넓은 추세를 반영합니다. 회사들은 일반적인 목적의 어시스턴트에서 전문 분야별 에이전트로 이동하고 있습니다. 회계에서 이는 전문가별 체크리스트, 클라이언트 프로세스, 조정, 승인, 검토 요구사항을 이해하는 에이전트를 의미합니다.

조달, 더 자동화

램프는 또한 조달에 AI 능력을 추가했습니다. 최근의 조달 업그레이드에는 자연어 입력, 자동화된 추적, 정책 확인, 벤더 심사, 보안 검증, 법적 위험 검토, 승인 워크플로우, 벤더 온보딩 통합이 포함됩니다.

이것은 금융 작업이 수동적인 조정에서 소프트웨어 주도적인 실행으로 이동하는 또 다른 영역입니다. 조달 팀은 종종 단편적인 요청, 불분명한 요구사항, 계약 검토, 벤더 위험 확인, 갱신 관리를 다룹니다. 에이전트는 초기에 컨텍스트를 수집하고, 정책을 자동으로 확인하고, 승인자에게 도달하기 전에 요청을 준비함으로써 일부의 앞뒤를 줄일 수 있습니다.

그러나 위험은 에이전트 구매가 새로운 제어 과제를 만들 수 있다는 것입니다. 에이전트 시스템이 벤더를 추천하고, 워크플로우를 시작하고, 지출 활동을 트리거할 수 있다면, 금융 팀은 승인, 예산, 정책 시행을 둘러싼 더 강력한 가드를 필요로 할 것입니다.

더 큰 그림

램프는 비즈니스 금융의 버전을 위해 자신을 위치시키고 있습니다. 여기서 소프트웨어는 거래가 발생한 후에 거래를 기록하는 것 이상을 수행합니다. 회사는 돈이 지출되기 전에, 벤더가 평가될 때, AI 도구가 소비될 때, 책을 닫는 회계 워크플로우 동안에 더 가까이 다가갈 것입니다.

이 접근 방식은 금융 팀을 더 적극적으로 만들 수 있습니다. 그러나 이것은 또한 신뢰의 기준을 높입니다. 비즈니스에서는 루틴 작업을 자동화하면서도 감사 가능성, 승인, 인간의 감독을 유지할 수 있는 시스템이 필요합니다. 회계 및 조달과 같은 영역에서는 정확성이 속도만큼 중요합니다.

750억 달러의 새로운 자본과 4,400억 달러의 평가로, 램프는 이제 공격적으로 확장할 수 있는 자원을 가지고 있습니다. 더 큰 질문은 점점 더 복잡해지는 인간, 벤더, AI 주도 지출의 혼합을 관리하는 비즈니스에 대한 지속 가능한 운영 레이어로 자라는 금융 도구의 koleksiyon을 만들 수 있는지입니다.