Larridin henter 30 millioner dollar i serie A-finansiering for å måle AI-utgifter og påvirkningen på arbeidsstyrken

Larridin har hentet 30 millioner dollar i serie A-finansiering, ledet av Pelion Ventures, og har dermed fått en samlet finansiering på 47 millioner dollar. Selskapet måler hvordan AI-utgifter omsettes i arbeid utført av ansatte og programvareagenter, og retter seg mot bedrifter som ønsker tydeligere dokumentasjon på avkastningen av AI-investeringene sine.

De eksisterende investorene Andreessen Horowitz og Gradient Ventures deltok sammen med de nye investorene GFT, W23, Thayer, DG Daiwa Ventures, Alumni Ventures og Cougar Capital.

I kunngjøringen 2. november opplyste Larridin at selskapet har målt mer enn 2 milliarder AI-økter og sporet over 82 000 arbeidsflyter. Finansieringen skal støtte produktutvikling og utvidelse av teamet.

Knytte AI-regninger til virksomhetens resultater

Den økonomiske utfordringen handler om mer enn å telle aktive brukere. En organisasjon kan betale for lisenser, bruke modell-tokener og kjøre automatiserte agenter uten å vite hvilke aktiviteter som forbedrer arbeidet. Måling av bruk viser om verktøyene tas i bruk; måling av verdi krever at bruken knyttes til et nyttig resultat og kostnaden ved å oppnå det.

I dokumentasjonen for AI Impact-produktet beskriver Larridin hvordan fakturerte lisenser, tokenbruk og kostnader for skymodeller kombineres med observerte arbeidsflyter og data fra utviklingssystemer. Plattformen knytter utgiftene til avdelinger og sammenligner arbeidet som utføres, med investeringen.

Metoden skiller mellom kapasitet støttet av AI og faktiske kontantbesparelser. Timer tilsvarende menneskelig arbeidsinnsats kan brukes til å anslå arbeidet AI bidrar med, men den økonomiske verdien avhenger av utgangspunktet og hvordan organisasjonen bruker denne kapasiteten. Mer tilgjengelig tid fører ikke automatisk til et lavere budsjett eller redusert bemanningsbehov.

Dette skillet er særlig viktig når man ser på eksemplene i dashbordet. Larridin merker uttrykkelig de illustrative tallene sine, blant annet eksempler på avkastningsmultipler og timer som er frigjort. Eksemplene forklarer beregningen, men dokumenterer ikke resultatene til en bestemt kunde.

Slik observerer Workflow Intelligence arbeidet

Selskapets plattform Workflow Intelligence bruker en nettleserutvidelse og en skrivebordsagent til å observere aktivitet i applikasjoner som administratorene har valgt. Larridin opplyser at plattformen samler inn metadata som aktive applikasjoner, rekkefølgen de brukes i, tiden brukt på hvert trinn og overganger mellom verktøy.

I produktdokumentasjonen står det at meldingstekst, dokumentinnhold, skjermopptak og tastetrykk ikke samles inn. Visninger aggregeres på teamnivå som standard, mens visninger av enkeltpersoner er deaktivert med mindre administratorene aktiverer dem.

Observasjonene grupperes i arbeidsflyter, slik at team kan undersøke varighet, gjentakelser, friksjon og hvor AI er involvert. Plattformen rangerer muligheter for automatisering og følger dem gjennom pilotprosjekter og fullførte utrullinger, målt mot registrerte utgangsnivåer.

Det er viktig å skille mellom potensiell, modellert og realisert kapasitet. En arbeidsflyt som er identifisert som en kandidat for automatisering, har ennå ikke gitt den samme gevinsten som en arbeidsflyt som allerede fungerer som den skal i produksjon.

Måling av utviklingsarbeid omfatter kvalitet og kodegjennomgang

Larridins tilbud Developer Intelligence knytter utviklingsresultater til AI-kostnader, leveringshastighet og kodekvalitet. Målingene omfatter resultat per 1 000 dollar brukt på AI, feilrater og tiden det tar å behandle en pull request, sammenlignet med teamets eget utgangspunkt.

Produktet undersøker også agentøkter og registrerte trinn i dem, tokenbruk og anslåtte kostnader. En komponent for ruting mellom modeller lar organisasjoner prioritere kostnader og kvalitet i arbeidsflyter for koding og sammenligne modellvalg.

Denne tilnærmingen tar høyde for at det å generere mer kode bare er ett trinn i leveransen. Gjennomgangskapasitet, verifisering, omarbeiding og utrulling kan avgjøre om økt produksjon blir til nyttig programvare.

Selskapets AI Impact-rapport om programvareutvikling for tredje kvartal 2026 illustrerer denne spenningen. Analysen viste at andelen sammenslåtte pull requests som var støttet av AI, økte fra 35 % i april til 62 % i september, og finansieringskunngjøringen rapporterer en økning på 50 % i median ventetid før den første manuelle kodegjennomgangen. Funnene beskriver utvalget Larridin har målt, ikke alle utviklingsorganisasjoner.

En målingsvirksomhet bygget rundt ansvarlig bruk av AI

Larridin rapporterer en gjennomsnittlig økning på 47 % i målbare resultater for team og en median optimalisering av AI-utgifter på 2,4 millioner dollar det første året blant kundene sine. Dette er resultater rapportert av selskapet, og de er atskilt fra de illustrative produktdashbordene.

På ledersiden står det at Russ Fradin er medgründer og daglig leder, Jim Larrison er medgründer og president, og Ameya Kanitkar er medgründer og teknologidirektør. Fradin og Larrison bygger på tidligere erfaring med å utvikle digitale målemetoder hos Comscore. Målet de oppgir, er å tilby et sammenlignbart målingslag for arbeid utført med AI.

Som Carta-produktdirektør Vrushali Paunikar argumenterer i en artikkel for Unite.AI om KI-arbeidsflyter i virksomheter utover tilkoblingslaget, er tilgang til verktøy bare en del av det som skal til for å oppnå pålitelige resultater. Larridins fokus er dokumentasjonen av disse resultatene: hva arbeidet kostet, hva som endret seg, og hvor den neste investeringen bør gå.