Finansowanie

Rox pozyskuje 100 mln USD w rundzie serii B przy wycenie 1,3 mld USD, aby rozwijać badania nad AI

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Jak poinformował Reuters 11 listopada 2026 r., Rox pozyskał 100 mln USD w rundzie serii B, w której wyceniono startup z siedzibą w San Francisco na 1,3 mld USD. General Catalyst i March Capital wspólnie poprowadziły rundę finansowania, a Rox przygotowuje się do rozwijania badań nad AI i zwiększania zasięgu działalności w sektorze przedsiębiorstw.

W rundzie uczestniczyli dotychczasowi inwestorzy Sequoia Capital i Factory, a także nowi inwestorzy Databricks Ventures i Prosperity7 Ventures. Rox poinformował, że przeznaczy pozyskany kapitał na badania nad AI i rozwój modeli na zamówienie, a jednocześnie poszerzy bazę klientów korporacyjnych w sektorach ochrony zdrowia, przemysłu, usług finansowych, energetyki i technologii.

Firma poinformowała, że jej roczne przychody cykliczne wzrosły ponad dziesięciokrotnie w pierwszym roku obecności na rynku. Do jej klientów należą Puma, Groq i Ramp.

Platforma wykraczająca poza generowanie leadów

Rox oferuje więcej niż samo pozyskiwanie leadów poprzez działania wychodzące. Dokumentacja platformy opisuje jeden zintegrowany system obejmujący wyszukiwanie potencjalnych klientów, ich kwalifikację i angażowanie, finalizowanie sprzedaży, odnawianie umów oraz rozwój kont. Taki zakres pozwala jednemu wdrożeniu wspierać zarówno pozyskiwanie nowych klientów, jak i generowanie przychodów z istniejących kont.

Rox twierdzi, że platforma może korzystać z danych CRM, poczty e-mail, kalendarzy, Slacka, transkrypcji rozmów, dokumentów i źródeł internetowych. Jej graf wiedzy rozpoznaje encje i rozbieżne wartości w różnych źródłach oraz wnioskuje o powiązaniach, a warstwa zarządzania stosuje jeden model dostępu we wszystkich systemach. Celem jest zapewnienie agentom wspólnego kontekstu dotyczącego kont, zamiast pozostawiania ich z odizolowanymi danymi sprzedażowymi.

Zgodnie z dokumentacją agenta Outbound, zanim kontakt trafi do procesu nawiązywania kontaktu, system weryfikuje aktualną funkcję danej osoby i jej adres e-mail, uzupełniając własne dane informacjami od ponad 17 dostawców wzbogacania danych. Wyniki wyszukiwania są oznaczane jako dopasowane lub odrzucone, z podaniem powodów wykluczenia; zatwierdzone dopasowania można przenieść do sekwencji kontaktów, listy kontaktów lub listy potencjalnych klientów. Agent może również obsługiwać odpowiedzi i umawiać spotkania.

Zespół może ręcznie zatwierdzać każdą wysyłkę, wstrzymać automatyczne działanie i sprawdzać umówione spotkania. Zmiany w działającym agencie pozostają wersjami roboczymi, dopóki użytkownik ich nie zapisze ani nie odrzuci. Rox informuje również, że automatyzacja działa w granicach parametrów określonych przez użytkownika i wymaga wstępnej konfiguracji oraz stałego nadzoru.

Wdrożenia u klientów i przedstawione wyniki

Według indeksu historii klientów Rox, MongoDB potrzebowało 45 dni, by przejść od prototypu do wdrożenia produkcyjnego, współczynnik konwersji Ramp wzrósł o 10–15%, z rozwiązania Couchbase korzystało ponad 90% spośród przeszło 250 przedstawicieli handlowych, a Puma Energy używa Rox do monitorowania klientów na kluczowych rynkach. Przykłady dotyczą szybkości wdrożenia, konwersji sprzedaży, wykorzystania przez pracowników i monitorowania kont, a nie jednego wskaźnika wartości.

Rox zastrzega, że te dane o wynikach odzwierciedlają indywidualne konfiguracje i mogą nie mieć zastosowania do innych wdrożeń. Rzeczywiste rezultaty mogą zależeć od jakości danych, konfiguracji CRM, skali działań wychodzących, warunków rynkowych i grupy docelowej, dlatego przykłady te nie przesądzają o typowych wynikach nowych klientów.

Plany badawcze i powracający inwestorzy

Planowane wydatki na badania wpisują się w kierunki opisane już na stronie Rox poświęconej badaniom. Obejmują one modele dostosowane do konkretnych zadań i architektury agentów, systemy oceny zachowania agentów oraz infrastrukturę produkcyjną, która ma zapewnić niezawodne działanie agentów w rzeczywistych środowiskach generujących przychody. Rozwój modeli na zamówienie jest więc częścią szerszego programu inżynieryjnego, a nie odrębnym przedsięwzięciem polegającym wyłącznie na budowaniu modeli.

Na stronie firmy Rox podano, że Ishan Mukherjee jest współzałożycielem i dyrektorem generalnym, Shriram Sridharan — współzałożycielem i dyrektorem ds. technologii, Diogo Ribeiro — współzałożycielem i dyrektorem ds. wzrostu (CGO), a Christopher Ré — współzałożycielem odpowiedzialnym za badania.

General Catalyst ponownie pełni rolę głównego inwestora. Firma poinformowała 19 listopada 2024 r., że poprowadziła rundę serii A Rox i podała, że podczas publicznej bety produkt przyjęło ponad 35 zespołów sprzedaży korporacyjnej, w tym zespoły z MongoDB, Confluent i Ramp.

Runda serii B zapewnia Rox kapitał na równoczesny rozwój modeli i zwiększenie obecności w sektorze przedsiębiorstw. Kluczowym sprawdzianem będzie to, czy wczesny wzrost przychodów i wyniki poszczególnych klientów przedstawione przez firmę uda się powtórzyć w szerszym gronie branż, na które Rox kieruje teraz swoją ofertę.

Evan Mercer jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się startupami AI, kapitałem ryzyka i dynamiką finansowania kształtującą kolejną generację firm technologicznych. Jego relacje koncentrują się na innowacjach we wczesnym etapie, przepływach kapitału oraz strategicznych decyzjach, które podejmują założyciele i inwestorzy, gdy firmy AI rozwijają się od koncepcji do globalnego wpływu.

Ze strategicznej i analitycznej perspektywy Evan bada rundy finansowania, pozycjonowanie rynkowe oraz pojawiające się trendy w ekosystemie startupów AI. Śledzi, jak kapitał ryzyka, inwestycje korporacyjne i rynki publiczne krzyżują się z przełomami w sztucznej inteligencji, odróżniając trwałe sygnały od krótkotrwałego szumu.

Artykuły autorstwa Evana Mercera są generowane przez SI i recenzowane przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, kontekst i odpowiedzialne relacjonowanie globalnego krajobrazu inwestycji w AI