RapidCanvas haalt 29 miljoen dollar op in Series B om de levering van AI-oplossingen aan bedrijven op te schalen

RapidCanvas heeft 29 miljoen dollar aan financiering in Series B opgehaald om een bedrijf uit te breiden dat zich richt op een hardnekkig probleem rond AI in bedrijven: bruikbare toepassingen in productie krijgen en ze vervolgens werkend houden terwijl het bedrijf verandert.

De financieringsronde werd geleid door Vertex Ventures SEA & India, met deelname van Hitachi Ventures. Ook bestaande investeerders Accel, Peak XV Partners, Valley Capital Partners en Titanium Ventures namen deel. De aankondiging van 16 oktober brengt de totale financiering op 52,5 miljoen dollar en meldt dat de jaarlijks terugkerende omzet in zes kwartalen achtvoudig is gegroeid, zonder een absoluut omzetcijfer of waardering bekend te maken.

RapidCanvas combineert een agentisch softwareplatform met AI-engineers in het veld. Het bedrijf richt zich op het opleveren en beheren van maatwerkapplicaties, in plaats van klanten nog een ontwikkeltool te geven en de implementatie aan hen over te laten. Die combinatie maakt de financiering tot een investering in zowel hergebruik van software als de mensen die nodig zijn om de processen van een bedrijf om te zetten in betrouwbare automatisering.

Waar het nieuwe kapitaal voor wordt ingezet

Het bedrijf is van plan zijn commerciële organisatie, samenwerkingen met private-equitypartijen en adviesbureaus en teams van AI-engineers in het veld uit te breiden in de Verenigde Staten, Brazilië en India. De investeringen in productontwikkeling richten zich op de Enterprise Context Engine, de bibliotheek met vaardigheden achter het Visual Development Canvas en governance in de Operational Harness.

De Series B volgt op de Series A-financiering van 16 miljoen dollar die RapidCanvas in december 2024 ophaalde. De blijvende nadruk op menselijke expertise valt op in een periode waarin agentproducten vaak worden gepresenteerd als vervanging voor implementatiewerk. RapidCanvas bouwt zijn model rond het behouden van dat werk en probeert tegelijkertijd meer van de onderliggende engineering herhaalbaar te maken.

De technische basis: gedeelde bedrijfscontext

De Enterprise Context Engine van RapidCanvas ordent vier soorten informatie: relaties tussen bedrijfsentiteiten, definities van meetgegevens, beslisregels en patronen die een organisatie heeft gevalideerd. Het systeem combineert geautomatiseerde inventarisatie, deskundige input en beoordeling, met zowel geplande gegevensinname als het ophalen van actuele informatie.

Het bedrijf omschrijft deze kennis als persistent, versiebeheerd en afgebakend per onderneming. Teams kunnen de kennis verfijnen en in meerdere toepassingen hergebruiken, terwijl ze de uitvoer kunnen herleiden tot de brongegevens en relevante logica.

Neem een voorbeeldworkflow voor voorraadbeheer. Een model kan een productnaam herkennen, maar toch verkeerd begrijpen of de voorraad die als ‘beschikbaar’ staat aangeduid ook gereserveerde eenheden omvat, welke afspraken met leveranciers voorrang hebben of wanneer een planner een bestelling moet goedkeuren. Door die definities en uitzonderingen vast te leggen, krijgt een toepassing een bruikbaardere basis voor acties. Dat brengt ook een onderhoudsplicht met zich mee: bedrijfsregels moeten een eigenaar hebben, periodiek worden beoordeeld en worden bijgewerkt wanneer de bedrijfsvoering verandert.

Agents koppelen aan de systemen die mensen gebruiken

De documentatie van het platform beschrijft een levenscyclus met ontwerp, gegevensverbindingen, implementatie en governance. Vereisten die in gewone taal zijn geformuleerd, kunnen worden omgezet in workflows; voor een meer gestructureerde ontwikkeling zijn versiebeheer en herbruikbare componenten beschikbaar. RapidCanvas zegt dat het systeem modelonafhankelijk is en kan draaien op AWS, Azure of Google Cloud, in de omgeving van een klant, als beheerde implementatie of als SaaS.

Toepassingen kunnen via API’s verbinding maken met systemen zoals ERP- en CRM-software en ticketsystemen, en daarin gegevens terugschrijven. Recente platformupdates beschrijven ook contextverbindingen met Slack en Google Drive, bewerkbare query’s voor connectors en geheimen op projectniveau.

Deze details maken duidelijk wat het verschil is tussen een bruikbare demonstratie en een operationele toepassing. Een antwoord produceren is één stap; toegang krijgen tot geautoriseerde gegevens, die correct interpreteren en een resultaat afleveren op de plek waar medewerkers al werken, zijn afzonderlijke technische vraagstukken. Een gedeeld platform kan dubbel werk verminderen, maar elke integratie moet nog steeds worden getest aan de hand van de toegangsrechten en bedrijfsvereisten van de klant.

Governance moet aansluiten op de uitvoering

Op zijn governancepagina beschrijft RapidCanvas projecten die zijn gekoppeld aan de Git-repository van een klant, rolgebaseerde toegangscontrole, auditlogs en servicemonitoring. De voorbeelden omvatten het bijhouden van aanvraagvolumes, storingen en latentie, naast registraties van wijzigingen in toepassingen. Het bedrijf zegt ook dat gebruik, kosten en prestaties per oplossing kunnen worden bijgehouden.

Die beheersmaatregelen worden belangrijker wanneer een agent een record kan bijwerken of een workflow kan starten. Bedrijven moeten vaststellen voor welke acties goedkeuring nodig is, hoe onjuiste wijzigingen worden teruggedraaid en wie reageert wanneer een dienst zich onverwacht gedraagt. Logging maakt onderzoek mogelijk, maar bewijst op zichzelf niet dat een geautomatiseerde beslissing juist was.

De schaalbaarheidsvraag achter de financiering

Op de bedrijfspagina van RapidCanvas worden Rahul Pangam genoemd als CEO en Uttam Phalnikar als CTO; ook staat er dat het bedrijf in 2021 is opgericht. De werkwijze combineert engineers die de processen van een klant leren kennen met een platform dat bruikbare componenten en context moet meenemen naar volgende toepassingen.

De economische toets is hoeveel sneller elke implementatie verloopt naarmate die basis groeit. Herbruikbare vaardigheden kunnen de kosten voor het bouwen van een volgende applicatie verlagen, terwijl ervaren engineers uitzonderingen kunnen herkennen die generieke automatisering over het hoofd ziet. Uitgebreid maatwerk kan echter nog steeds veel tijd kosten en de marges beperken. Omzetgroei alleen lost die afruil niet op.

Voor klanten die deze aanpak beoordelen, zijn vooral concrete maatstaven van belang: de acceptatie door de beoogde gebruikers, fouten waarvoor ingrijpen nodig is, de operationele kosten en de inspanning die nodig is om een werkende applicatie uit te breiden. De Series B-financieringsronde geeft RapidCanvas de middelen om de levering op te schalen. De volgende uitdaging is aantonen dat AI in productie steeds beter reproduceerbaar kan worden, zonder het zakelijk inzicht te verliezen dat de technologie nuttig maakt.