Larridin pozyskuje 30 mln dolarów w rundzie serii A na pomiar wydatków na AI i jej wpływu na pracowników

Larridin pozyskała 30 mln dolarów w rundzie finansowania serii A, której przewodził fundusz Pelion Ventures, zwiększając łączną kwotę finansowania do 47 mln dolarów. Firma mierzy, jak wydatki na AI przekładają się na pracę wykonywaną przez pracowników i agentów programowych. Kieruje swoją ofertę do przedsiębiorstw, które chcą uzyskać bardziej przejrzyste dowody zwrotu z inwestycji w AI.

W rundzie uczestniczyli dotychczasowi inwestorzy: Andreessen Horowitz i Gradient Ventures, a także nowi inwestorzy: GFT, W23, Thayer, DG Daiwa Ventures, Alumni Ventures i Cougar Capital.

W komunikacie z 2 listopada Larridin poinformowała, że zmierzyła ponad 2 mld sesji AI i prześledziła ponad 82 000 przepływów pracy. Pozyskane środki zostaną przeznaczone na rozwój produktu i rozbudowę zespołu.

Powiązanie kosztów AI z wynikami biznesowymi

Wyzwanie finansowe wykracza poza liczenie aktywnych użytkowników. Organizacja może płacić za licencje użytkowników, zużywać tokeny modeli i uruchamiać zautomatyzowanych agentów, nie wiedząc, które działania usprawniają jej pracę. Pomiar adopcji pokazuje, czy narzędzia są używane; pomiar wartości wymaga powiązania ich wykorzystania z użytecznym rezultatem i kosztem jego osiągnięcia.

Dokumentacja produktu AI Impact firmy Larridin opisuje łączenie danych o zafakturowanych licencjach, zużyciu tokenów i kosztach modeli w chmurze z obserwowanymi przepływami pracy oraz danymi z systemów inżynieryjnych. Firma przypisuje wydatki do działów i porównuje uzyskiwane wyniki z poniesionymi nakładami.

Metodologia rozróżnia potencjał pracy wspieranej przez AI od rzeczywistych oszczędności finansowych. Liczbę godzin pracy wykonanej przez AI można szacować jako równowartość godzin pracy człowieka, jednak ich wartość finansowa zależy od przyjętego punktu odniesienia i sposobu wykorzystania tego potencjału przez organizację. Większa ilość dostępnego czasu nie oznacza automatycznie obniżenia budżetu ani zapotrzebowania na pracowników.

To rozróżnienie jest szczególnie ważne przy interpretacji przykładowych danych z panelu. Larridin wyraźnie oznacza swoje wartości ilustracyjne, w tym przykładowe wielokrotności ROI i liczbę odzyskanych godzin. Przykłady te wyjaśniają sposób obliczeń, a nie potwierdzają wyników konkretnego klienta.

Jak Workflow Intelligence obserwuje pracę

Platforma Workflow Intelligence firmy wykorzystuje rozszerzenie do przeglądarki i agenta na komputer, by obserwować aktywność w aplikacjach wybranych przez administratorów. Larridin informuje, że zbiera metadane, takie jak aktywne aplikacje, kolejność ich używania, czas poświęcony na poszczególne etapy oraz przechodzenie między narzędziami.

Zgodnie z dokumentacją produktu nie są zbierane treści wiadomości, zawartość dokumentów, nagrania ekranu ani naciśnięcia klawiszy. Domyślnie dane w widokach są agregowane na poziomie zespołu, a widoki indywidualne są wyłączone, chyba że administratorzy je włączą.

Zebrane obserwacje są grupowane w przepływy pracy, co pozwala zespołom analizować ich czas trwania, powtarzalność, utrudnienia i udział AI. Platforma szereguje możliwości automatyzacji i śledzi ich przebieg — od projektów pilotażowych po zakończone wdrożenia — w odniesieniu do zarejestrowanych wartości bazowych.

W tym kontekście ważne jest rozróżnienie między potencjałem, potencjałem oszacowanym w modelu i osiągniętym potencjałem. Przepływ pracy wskazany jako kandydat do automatyzacji nie przyniósł jeszcze takich samych korzyści jak ten, który działa już z powodzeniem w środowisku produkcyjnym.

Pomiar pracy zespołów inżynieryjnych uwzględnia jakość i przeglądy kodu

Oferta Developer Intelligence firmy Larridin łączy wyniki pracy zespołów inżynieryjnych z kosztami AI, szybkością dostarczania oprogramowania i jakością kodu. Obejmuje takie wskaźniki, jak wyniki pracy na każde 1000 USD wydatków na AI, odsetek defektów oraz czas realizacji pull requestów w porównaniu z własną wartością bazową zespołu.

Produkt analizuje również sesje agentów, zarejestrowane w ich trakcie kroki, zużycie tokenów i szacowane koszty. Komponent do kierowania zadań do modeli pozwala organizacjom określać priorytety dotyczące kosztów i jakości w przepływach pracy związanych z programowaniem oraz porównywać wybór modeli.

Takie podejście uwzględnia fakt, że generowanie większej ilości kodu to tylko jeden z etapów dostarczania oprogramowania. O tym, czy dodatkowe wyniki pracy przełożą się na użyteczne oprogramowanie, mogą decydować możliwości weryfikacji, sprawdzanie poprawności, konieczność ponownego wykonania pracy i wdrożenie.

Raport firmy Wpływ AI na pracę zespołów inżynieryjnych w III kwartale 2026 r. ilustruje to napięcie. Z analizy wynika, że odsetek scalonych pull requestów wspomaganych przez AI wzrósł z 35% w kwietniu do 62% we wrześniu, a w komunikacie o finansowaniu podano, że mediana czasu oczekiwania na pierwszą weryfikację kodu przez człowieka wzrosła o 50%. Ustalenia te dotyczą badanej przez Larridin grupy, a nie wszystkich organizacji inżynieryjnych.

Firma pomiarowa zbudowana wokół odpowiedzialnego wykorzystania AI

Larridin informuje, że wśród jej klientów średni mierzalny wzrost wyników pracy zespołów wynosi 47%, a mediana optymalizacji wydatków na AI w pierwszym roku — 2,4 mln USD. Są to wyniki podane przez firmę, odrębne od ilustracyjnych danych prezentowanych w panelach produktu.

Strona kierownictwa przedstawia Russa Fradina jako współzałożyciela i dyrektora generalnego, Jima Larrisona jako współzałożyciela i prezesa oraz Ameyę Kanitkara jako współzałożyciela i dyrektora ds. technologii. Fradin i Larrison czerpią z wcześniejszych doświadczeń związanych z tworzeniem narzędzi do pomiaru cyfrowego w firmie Comscore. Ich deklarowanym celem jest zapewnienie porównywalnej warstwy pomiarowej dla pracy wykonywanej z wykorzystaniem AI.

Jak argumentuje dyrektorka ds. produktu w Carta, Vrushali Paunikar, w artykule dla Unite.AI o korporacyjnych przepływach pracy z AI wykraczających poza warstwę połączeń, zapewnienie dostępu do narzędzi to tylko część procesu dostarczania wiarygodnych rezultatów. Larridin koncentruje się na dowodach dotyczących tych rezultatów: ile kosztowała praca, co się zmieniło i gdzie należy skierować kolejną inwestycję.