RapidCanvas pozyskuje 29 mln USD w rundzie serii B na rozwój wdrażania AI w przedsiębiorstwach

RapidCanvas pozyskała 29 mln USD w rundzie finansowania serii B, aby rozwijać działalność skoncentrowaną na trwałym problemie związanym z AI w przedsiębiorstwach: wdrażaniu użytecznych aplikacji do środowiska produkcyjnego, a następnie utrzymywaniu ich sprawności w miarę zmian zachodzących w firmie.

Rundzie przewodził Vertex Ventures SEA & India, a udział w niej wzięło także Hitachi Ventures. Uczestniczyli w niej również dotychczasowi inwestorzy: Accel, Peak XV Partners, Valley Capital Partners i Titanium Ventures. W ogłoszeniu z 16 października podano, że łączne finansowanie wynosi 52,5 mln USD, a roczne przychody cykliczne wzrosły ośmiokrotnie w ciągu sześciu kwartałów; nie ujawniono jednak bezwzględnej wartości przychodów ani wyceny firmy.

RapidCanvas łączy platformę oprogramowania opartą na agentach AI z inżynierami AI pracującymi bezpośrednio z klientami. Firma koncentruje się na dostarczaniu i obsłudze niestandardowych aplikacji, zamiast przekazywać klientom kolejne narzędzie programistyczne i pozostawiać im jego wdrożenie. Takie połączenie oznacza, że inwestycja jest zakładem zarówno na ponowne wykorzystywanie oprogramowania, jak i na ludzi potrzebnych do przełożenia procesów firmy na niezawodną automatyzację.

Na co zostaną przeznaczone nowe środki

Firma planuje rozbudować dział odpowiedzialny za sprzedaż i rozwój rynku, partnerstwa z funduszami private equity i firmami doradczymi oraz zespoły inżynierów AI pracujących bezpośrednio z klientami w Stanach Zjednoczonych, Brazylii i Indiach. Inwestycje w produkt obejmą Enterprise Context Engine, bibliotekę umiejętności stanowiącą zaplecze Visual Development Canvas oraz funkcje nadzoru w Operational Harness.

Runda serii B jest następstwem rundy serii A RapidCanvas o wartości 16 mln USD z grudnia 2024 r.. Utrzymujący się nacisk na wiedzę specjalistyczną ludzi jest znamienny w czasie, gdy produkty oparte na agentach często przedstawia się jako rozwiązania zastępujące prace wdrożeniowe. RapidCanvas rozwija model, w którym te prace nadal wykonują ludzie, jednocześnie starając się zwiększyć powtarzalność większej części powiązanych z nimi działań inżynieryjnych.

Podstawa techniczna: wspólny kontekst biznesowy

Enterprise Context Engine firmy RapidCanvas porządkuje cztery rodzaje informacji: powiązania między podmiotami biznesowymi, definicje wskaźników, reguły decyzyjne oraz wzorce zweryfikowane przez organizację. Łączy automatyczne wykrywanie informacji, wkład ekspertów i weryfikację, a także umożliwia zarówno zaplanowane pozyskiwanie danych, jak i pobieranie aktualnych informacji.

Firma opisuje tę wiedzę jako trwałą, wersjonowaną i dostosowaną do potrzeb każdego przedsiębiorstwa. Zespoły mogą ją udoskonalać i wykorzystywać ponownie w różnych aplikacjach, a jednocześnie prześledzić, z jakich danych źródłowych i powiązanej logiki pochodzą wyniki.

Rozważmy przykładowy przepływ pracy związany z zapasami. Model może rozpoznać nazwę produktu, a mimo to błędnie zinterpretować, czy stan oznaczony jako „dostępny” obejmuje jednostki zarezerwowane, które zobowiązania dostawców mają pierwszeństwo albo kiedy planista musi zatwierdzić zamówienie. Ujęcie tych definicji i wyjątków daje aplikacji lepszą podstawę do działania. Wiąże się z tym również obowiązek utrzymania: za reguły biznesowe muszą odpowiadać konkretne osoby, potrzebne są procedury ich przeglądu, a same reguły trzeba aktualizować, gdy zmieniają się procesy operacyjne.

Łączenie agentów z systemami używanymi przez pracowników

Dokumentacja platformy opisuje cykl życia obejmujący projektowanie, połączenia z danymi, wdrażanie i nadzór. Wymagania wyrażone językiem biznesowym można przekształcać w przepływy pracy, a wersjonowanie i komponenty wielokrotnego użytku umożliwiają bardziej uporządkowane prace programistyczne. RapidCanvas deklaruje, że jej system nie jest uzależniony od konkretnego modelu i może działać w chmurach AWS, Azure lub Google Cloud, w środowisku klienta, w ramach zarządzanego wdrożenia albo jako usługa SaaS.

Aplikacje mogą łączyć się przez interfejsy API i zapisywać dane w systemach takich jak oprogramowanie ERP i CRM oraz systemy obsługi zgłoszeń. Wśród niedawnych aktualizacji platformy wymieniono również połączenia kontekstowe ze Slackiem i Google Drive, edytowalne zapytania konektorów oraz sekrety na poziomie projektu.

Te szczegóły pomagają wyjaśnić różnicę między użyteczną demonstracją a aplikacją działającą operacyjnie. Wygenerowanie odpowiedzi to tylko jeden etap; uzyskanie dostępu do danych zgodnie z uprawnieniami, ich poprawna interpretacja i dostarczenie wyniku w miejscu, w którym pracownicy już wykonują swoje zadania, to odrębne problemy inżynieryjne. Wspólna platforma może ograniczyć powielanie pracy, ale każdą integrację nadal trzeba przetestować pod kątem uprawnień klienta i jego wymagań biznesowych.

Nadzór musi obejmować również wykonywanie działań

Na stronie poświęconej nadzorowi RapidCanvas opisuje projekty oparte na repozytorium Git klienta, dostęp oparty na rolach, dzienniki audytowe i monitorowanie usług. Wśród przykładów wymienia śledzenie liczby żądań, błędów i opóźnień, a także rejestrowanie zmian w aplikacjach. Firma podaje również, że można monitorować wykorzystanie, koszty i wydajność poszczególnych rozwiązań.

Takie mechanizmy kontrolne nabierają większego znaczenia, gdy agent może aktualizować rekord lub uruchamiać przepływ pracy. Przedsiębiorstwa muszą ustalić, które działania wymagają zatwierdzenia, jak cofnąć błędne zmiany oraz kto powinien zareagować, gdy usługa działa w nieoczekiwany sposób. Rejestrowanie zdarzeń umożliwia zbadanie problemu, ale samo w sobie nie potwierdza, że zautomatyzowana decyzja była prawidłowa.

Pytanie o skalowalność stojące za finansowaniem

Strona firmy RapidCanvas wskazuje Rahula Pangama jako dyrektora generalnego, a Uttama Phalnikara jako dyrektora ds. technologii; podaje również, że firma powstała w 2021 r. Jej model działania łączy pracę inżynierów poznających procesy klienta z platformą, która ma przenosić przydatne komponenty i kontekst do kolejnych aplikacji.

Test ekonomiczny polega na sprawdzeniu, o ile szybciej przebiega każde wdrożenie w miarę rozwoju tej podstawy. Wielokrotne wykorzystywanie umiejętności może obniżyć koszt tworzenia kolejnej aplikacji, a doświadczeni inżynierowie potrafią wychwycić wyjątki, które umykają ogólnym rozwiązaniom automatyzującym. Rozbudowane dostosowywanie może jednak nadal pochłaniać czas i ograniczać marże. Sam wzrost przychodów nie rozwiązuje tego dylematu.

Klientom oceniającym to podejście najbardziej przydadzą się konkretne miary: adopcja wśród docelowych użytkowników, błędy wymagające interwencji, koszty operacyjne oraz nakład pracy potrzebny do rozbudowy działającej aplikacji. Runda B zapewnia RapidCanvas środki na zwiększenie skali realizacji wdrożeń. Kolejnym wyzwaniem będzie wykazanie, że AI wdrażana w środowisku produkcyjnym może stawać się coraz bardziej powtarzalna, nie tracąc przy tym osądu biznesowego, który czyni ją użyteczną.