RapidCanvas henter 29 millioner dollar i Series B for å skalere leveransen av KI-løsninger til bedrifter

RapidCanvas har hentet 29 millioner dollar i Series B-finansiering for å utvide virksomheten, som tar sikte på å løse et vedvarende problem innen KI i næringslivet: å få nyttige applikasjoner satt i produksjon og deretter sørge for at de fortsetter å fungere etter hvert som virksomheten endrer seg.

Runden ble ledet av Vertex Ventures SEA & India, med deltakelse fra Hitachi Ventures. De eksisterende investorene Accel, Peak XV Partners, Valley Capital Partners og Titanium Ventures deltok også. Kunngjøringen 16. oktober oppgir at den samlede finansieringen er på 52,5 millioner dollar, og rapporterer en åttedobling av de årlige gjentakende inntektene over seks kvartaler, uten å oppgi et konkret inntektstall eller en verdsettelse.

RapidCanvas kombinerer en agentbasert programvareplattform med KI-ingeniører ute hos kundene. Selskapet legger vekt på å levere og drifte skreddersydde applikasjoner, i stedet for å gi kundene enda et utviklingsverktøy og overlate implementeringen til dem. Denne kombinasjonen gjør finansieringen til en satsing både på gjenbruk av programvare og på menneskene som trengs for å omsette en bedrifts prosesser til pålitelig automatisering.

Dette skal den nye kapitalen finansiere

Selskapet planlegger å utvide organisasjonen for markedsføring og salg, partnerskap innen private equity og rådgivning samt teamene av KI-ingeniører ute hos kundene i USA, Brasil og India. Produktinvesteringene vil omfatte motoren for virksomhetskontekst, ferdighetsbiblioteket bak det visuelle utviklingslerretet og styringsfunksjoner i selskapets operasjonelle rammeverk.

Series B-runden kommer etter RapidCanvas’ Series A-runde på 16 millioner dollar i desember 2024. Den fortsatte vektleggingen av menneskelig ekspertise er bemerkelsesverdig på et tidspunkt da agentprodukter ofte presenteres som en erstatning for implementeringsarbeid. RapidCanvas bygger modellen sin på å beholde dette arbeidet, samtidig som selskapet forsøker å gjøre mer av den underliggende utviklingen repeterbar.

Det tekniske fundamentet: felles forretningskontekst

Motoren for virksomhetskontekst fra RapidCanvas organiserer fire typer informasjon: relasjoner mellom forretningsenheter, definisjoner av måltall, beslutningsregler og mønstre som en organisasjon har validert. Den kombinerer automatisert kartlegging, ekspertinnspill og gjennomgang, med både planlagt innhenting og tilgang til oppdatert informasjon.

Selskapet beskriver denne kunnskapen som vedvarende, versjonert og avgrenset til hver enkelt virksomhet. Teamene kan videreutvikle den og gjenbruke den på tvers av applikasjoner, samtidig som de kan spore resultater tilbake til kildedataene og den relevante logikken.

Tenk deg en illustrerende arbeidsflyt for lagerstyring. En modell kan kjenne igjen et produktnavn, men likevel misforstå om lagerbeholdning som er merket «tilgjengelig», omfatter reserverte enheter, hvilke leverandørforpliktelser som har prioritet, eller når en planlegger må godkjenne en bestilling. Når slike definisjoner og unntak registreres, får applikasjonen et bedre grunnlag for å handle. Det medfører også et vedlikeholdsansvar: Forretningsreglene må ha ansvarlige eiere, gjennomgås etter faste prosesser og oppdateres når driften endres.

Slik kobles agenter til systemene folk bruker

Plattformdokumentasjonen beskriver en livssyklus som omfatter utforming, datatilkoblinger, utrulling og styring. Krav formulert i forretningsspråk kan omsettes til arbeidsflyter, og versjonskontroll og gjenbrukbare komponenter er tilgjengelige for mer strukturert utvikling. RapidCanvas opplyser at systemet er modellagnostisk og kan kjøres på AWS, Azure eller Google Cloud, i kundens eget miljø, som en administrert utrulling eller som en SaaS-løsning.

Applikasjoner kan kobles til via API-er og skrive data tilbake til systemer som ERP-, CRM- og saksbehandlingsprogramvare. Nyere plattformoppdateringer beskriver også konteksttilkoblinger til Slack og Google Drive, redigerbare spørringer i koblinger og hemmeligheter på prosjektnivå.

Disse detaljene bidrar til å forklare forskjellen mellom en nyttig demonstrasjon og en applikasjon i drift. Å generere et svar er ett trinn; å hente autoriserte data, tolke dem riktig og levere et resultat der de ansatte allerede jobber, er separate tekniske utfordringer. En felles plattform kan redusere dobbeltarbeid, men hver integrasjon må fortsatt testes opp mot kundens tilgangsrettigheter og forretningskrav.

Styringen må følge gjennomføringen

På siden om styring beskriver RapidCanvas prosjekter som støttes av kundens Git-repositorium, rollebasert tilgangskontroll, revisjonslogger og tjenesteovervåking. Eksemplene omfatter sporing av antall forespørsler, feil og forsinkelser, i tillegg til registrering av endringer i applikasjoner. Selskapet opplyser også at bruk, kostnader og ytelse kan spores for hver løsning.

Disse kontrollene blir viktigere når en agent kan oppdatere en oppføring eller utløse en arbeidsflyt. Bedrifter må fastslå hvilke handlinger som krever godkjenning, hvordan feilaktige endringer skal reverseres, og hvem som skal reagere når en tjeneste oppfører seg uventet. Logging gjør det mulig å undersøke hendelser, men fastslår ikke i seg selv at en automatisert beslutning var riktig.

Skaleringsspørsmålet bak finansieringen

Selskapssiden til RapidCanvas oppgir at Rahul Pangam er administrerende direktør og Uttam Phalnikar er teknologidirektør, og daterer selskapets grunnleggelse til 2021. Driftsmodellen kombinerer ingeniører som setter seg inn i kundenes prosesser, med en plattform som skal videreføre nyttige komponenter og kontekst til senere applikasjoner.

Den økonomiske testen er hvor mye raskere hver utrulling går etter hvert som dette fundamentet vokser. Gjenbrukbare ferdigheter kan redusere kostnadene ved å bygge en ny applikasjon, mens erfarne ingeniører kan fange opp unntak som generell automatisering overser. Omfattende tilpasninger kan imidlertid fortsatt være tidkrevende og begrense marginene. Omsetningsvekst alene løser ikke denne avveiningen.

For kunder som vurderer denne tilnærmingen, vil de mest nyttige målene være konkrete: hvor mange av de tiltenkte brukerne som tar løsningen i bruk, feil som krever menneskelig inngripen, driftskostnader og innsatsen som kreves for å videreutvikle en applikasjon som fungerer. Serie B-runden gir RapidCanvas ressurser til å utvide leveransene. Den neste utfordringen er å vise at KI i produksjonsmiljøer kan bli stadig mer repeterbar uten at man mister det forretningsmessige skjønnet som gjør den nyttig.