Larridin capta US$ 30 milhões em rodada Série A para medir os gastos com IA e o impacto na força de trabalho

Larridin captou US$ 30 milhões em uma rodada Série A liderada por Pelion Ventures, elevando o total captado pela empresa a US$ 47 milhões. A empresa mede como os gastos com IA se traduzem em trabalho realizado por funcionários e agentes de software, com foco em empresas que buscam evidências mais claras do retorno de seus investimentos em IA.

Os investidores atuais Andreessen Horowitz e Gradient Ventures participaram da rodada, ao lado dos novos investidores GFT, W23, Thayer, DG Daiwa Ventures, Alumni Ventures e Cougar Capital.

Em seu anúncio de 2 de novembro, a Larridin afirmou ter medido mais de 2 bilhões de sessões de IA e monitorado mais de 82.000 fluxos de trabalho. O financiamento será usado para apoiar o desenvolvimento de produtos e a expansão da equipe.

Relacionar os gastos com IA aos resultados de negócio

O desafio financeiro vai além de contar os usuários ativos. Uma organização pode pagar por licenças, consumir tokens de modelos e executar agentes automatizados sem saber quais atividades melhoram seu trabalho. Medir a adoção mostra se as ferramentas estão sendo usadas; medir o valor exige relacionar esse uso a um resultado útil e ao custo de produzi-lo.

A documentação do produto AI Impact da Larridin descreve a combinação de licenças faturadas, uso de tokens e custos de modelos na nuvem com fluxos de trabalho observados e dados de sistemas de engenharia. A plataforma associa os gastos a departamentos e compara o trabalho produzido com o investimento correspondente.

A metodologia distingue a capacidade viabilizada pela IA das economias de caixa efetivamente realizadas. As horas equivalentes de trabalho humano podem estimar a contribuição da IA, mas seu valor financeiro depende da linha de base e da forma como a organização usa essa capacidade. Ter mais tempo disponível não reduz automaticamente o orçamento nem a necessidade de pessoal.

Essa distinção é especialmente importante ao interpretar exemplos exibidos em painéis. A Larridin identifica explicitamente seus valores ilustrativos, incluindo múltiplos de ROI e horas recuperadas usados como exemplos. Essas demonstrações explicam o cálculo, mas não comprovam o resultado de um cliente específico.

Como a inteligência de fluxos de trabalho observa o trabalho

A plataforma Workflow Intelligence da empresa usa uma extensão de navegador e um agente de desktop para observar atividades em aplicativos selecionados pelos administradores. Segundo a Larridin, a plataforma coleta metadados como os aplicativos ativos, a sequência em que são usados, o tempo dedicado a cada etapa e as transições entre ferramentas.

A documentação do produto afirma que o conteúdo de mensagens e documentos, as gravações de tela e as teclas digitadas não são coletados. Por padrão, as visualizações agregam os dados por equipe; as visualizações individuais ficam desativadas, a menos que os administradores as habilitem.

Essas observações são agrupadas em fluxos de trabalho para que as equipes possam analisar a duração, a repetição, os atritos e os pontos em que a IA está envolvida. A plataforma classifica as oportunidades de automação e as acompanha durante os projetos-piloto e as implantações concluídas, em comparação com as linhas de base registradas.

É importante distinguir entre capacidade potencial, estimada e efetivamente realizada. Um fluxo de trabalho identificado como candidato à automação ainda não proporcionou o mesmo benefício que outro já em execução bem-sucedida em produção.

A medição em engenharia inclui qualidade e revisão

A oferta Developer Intelligence da Larridin relaciona os resultados da engenharia aos custos de IA, à velocidade de entrega e à qualidade do código. Entre as métricas estão a produção por US$ 1.000 gastos com IA, as taxas de defeitos e o tempo de ciclo das solicitações de pull, comparados à linha de base da própria equipe.

O produto também analisa as sessões dos agentes, as etapas registradas, o uso de tokens e os custos estimados. Um componente de roteamento de modelos permite que as organizações definam prioridades de custo e qualidade para fluxos de trabalho de programação e comparem as opções de modelos.

Essa abordagem reconhece que gerar mais código é apenas uma etapa do processo de entrega. A capacidade de revisão, a verificação, o retrabalho e a implantação podem determinar se a produção adicional se transforma em software útil.

O Relatório AI Impact sobre engenharia do 3º trimestre de 2026 da empresa ilustra essa tensão. A análise constatou que a parcela de solicitações de pull mescladas com assistência de IA passou de 35% em abril para 62% em setembro; o anúncio do financiamento informa que o tempo mediano de espera pela primeira revisão humana de código aumentou 50%. Essas conclusões descrevem o grupo medido pela Larridin, e não todas as organizações de engenharia.

Um negócio de mensuração baseado na responsabilização pelo uso da IA

A Larridin relata um aumento médio de 47% na produção mensurável das equipes e uma otimização mediana de US$ 2,4 milhões nos gastos com IA no primeiro ano entre sua base de clientes. Esses resultados foram divulgados pela empresa e são distintos dos exemplos apresentados nos painéis do produto.

A página da liderança identifica Russ Fradin como cofundador e diretor executivo, Jim Larrison como cofundador e presidente, e Ameya Kanitkar como cofundador e diretor de tecnologia. Fradin e Larrison trazem a experiência anterior de desenvolver soluções de mensuração digital na Comscore. O objetivo declarado por eles é oferecer uma camada de mensuração comparável para o trabalho realizado com IA.

Como argumenta Vrushali Paunikar, diretora de produtos da Carta, em um artigo para a Unite.AI sobre fluxos de trabalho de IA empresarial além da camada de conexão, oferecer acesso às ferramentas é apenas parte do que é necessário para alcançar resultados confiáveis. O foco da Larridin está nas evidências que cercam esses resultados: quanto custou o trabalho, o que mudou e para onde deve ir o próximo investimento.