RapidCanvas capta US$ 29 milhões em rodada Série B para ampliar a entrega de IA corporativa

RapidCanvas captou US$ 29 milhões em uma rodada Série B para expandir um negócio voltado a um desafio persistente da IA empresarial: colocar aplicações úteis em produção e mantê-las funcionando à medida que as empresas mudam.

A rodada foi liderada pela Vertex Ventures SEA & India, com participação da Hitachi Ventures. Os investidores atuais Accel, Peak XV Partners, Valley Capital Partners e Titanium Ventures também participaram. O anúncio de 16 de outubro informa que o financiamento total chegou a US$ 52,5 milhões e que a receita recorrente anual cresceu oito vezes ao longo de seis trimestres, sem divulgar o valor absoluto da receita nem a avaliação da empresa.

A RapidCanvas combina uma plataforma de software baseada em agentes com engenheiros de IA que atuam junto aos clientes. Sua proposta é entregar e operar aplicações personalizadas, em vez de oferecer aos clientes mais uma ferramenta de desenvolvimento e deixar que eles cuidem da implementação. Essa combinação faz do financiamento uma aposta tanto na reutilização de software quanto nas pessoas necessárias para transformar os processos de uma empresa em automações confiáveis.

Como será usado o novo capital

A empresa planeja ampliar sua estrutura de vendas e marketing, as parcerias com empresas de private equity e consultorias, e as equipes de engenharia de IA em campo nos Estados Unidos, no Brasil e na Índia. Os investimentos em produtos abrangerão o Enterprise Context Engine, a biblioteca de habilidades por trás do Visual Development Canvas e a governança no Operational Harness.

A rodada Série B vem após a rodada Série A de US$ 16 milhões da RapidCanvas, em dezembro de 2024. A ênfase contínua na experiência humana chama a atenção em um momento em que produtos baseados em agentes costumam ser apresentados como substitutos do trabalho de implementação. A RapidCanvas está estruturando seu modelo para manter esse trabalho, ao mesmo tempo que busca tornar mais repetível uma parcela maior da engenharia subjacente.

A base técnica: contexto empresarial compartilhado

O Enterprise Context Engine da RapidCanvas organiza quatro tipos de informação: relações entre entidades empresariais, definições de métricas, regras de decisão e padrões validados por uma organização. Ele combina descoberta automatizada, contribuição de especialistas e revisão, além de ingestão programada e recuperação de informações atualizadas.

A empresa descreve esse conhecimento como persistente, versionado e delimitado para cada organização. As equipes podem refiná-lo e reutilizá-lo em diferentes aplicações, rastreando os resultados até os dados de origem e a lógica pertinente.

Considere um fluxo de trabalho hipotético para gestão de estoque. Um modelo pode reconhecer o nome de um produto e, ainda assim, interpretar incorretamente se o estoque marcado como “disponível” inclui unidades reservadas, quais compromissos com fornecedores têm prioridade ou em que situações um planejador precisa aprovar um pedido. Registrar essas definições e exceções dá à aplicação uma base mais útil para agir. Isso também gera uma obrigação de manutenção: as regras de negócio precisam ter responsáveis, processos de revisão e atualizações quando as operações mudam.

Conectar agentes aos sistemas usados pelas pessoas

A documentação da plataforma descreve um ciclo de vida que abrange projeto, conexões de dados, implantação e governança. Requisitos expressos em linguagem de negócios podem ser convertidos em fluxos de trabalho, com versionamento e componentes reutilizáveis disponíveis para um desenvolvimento mais estruturado. A RapidCanvas afirma que seu sistema é independente de modelo e pode ser executado na AWS, no Azure ou no Google Cloud, no ambiente do cliente, em uma implantação gerenciada ou como SaaS.

As aplicações podem se conectar por meio de APIs e gravar dados em sistemas como ERP, CRM e plataformas de gestão de chamados. Atualizações recentes da plataforma também descrevem conexões contextuais com o Slack e o Google Drive, consultas editáveis de conectores e segredos no nível do projeto.

Esses detalhes ajudam a explicar a diferença entre uma demonstração útil e uma aplicação operacional. Produzir uma resposta é apenas uma etapa; obter dados autorizados, interpretá-los corretamente e apresentar o resultado no ambiente em que os funcionários já trabalham são problemas de engenharia distintos. Uma plataforma compartilhada pode reduzir o esforço duplicado, mas cada integração ainda precisa ser testada de acordo com as permissões do cliente e os requisitos do negócio.

A governança precisa acompanhar a execução

Em sua página sobre governança, a RapidCanvas descreve projetos vinculados a um repositório Git do cliente, controle de acesso baseado em funções, registros de auditoria e monitoramento de serviços. Entre os exemplos, estão o acompanhamento de taxas de solicitações, falhas e latência, além do registro de alterações nas aplicações. A empresa também afirma que é possível acompanhar o uso, os custos e o desempenho de cada solução.

Esses controles ganham ainda mais importância quando um agente pode atualizar um registro ou acionar um fluxo de trabalho. As empresas precisam definir quais ações exigem aprovação, como reverter alterações incorretas e quem deve responder quando um serviço se comporta de maneira inesperada. Os registros permitem investigar o ocorrido, mas, por si só, não demonstram que uma decisão automatizada foi correta.

A questão de escala por trás do financiamento

A página da empresa da RapidCanvas identifica Rahul Pangam como CEO e Uttam Phalnikar como CTO, e informa que a empresa foi fundada em 2021. Seu modelo operacional combina engenheiros que aprendem os processos dos clientes com uma plataforma concebida para levar componentes úteis e contexto às aplicações seguintes.

O teste econômico consiste em avaliar quanto mais rápido fica cada implantação à medida que essa base cresce. Competências reutilizáveis podem reduzir o custo de desenvolver outra aplicação, enquanto engenheiros experientes conseguem detectar exceções que passam despercebidas pela automação genérica. A personalização extensa, porém, ainda pode consumir tempo e limitar as margens. O crescimento da receita, por si só, não resolve essa compensação.

Para os clientes que avaliam essa abordagem, as métricas mais úteis serão específicas: adoção pelos usuários pretendidos, erros que exigem intervenção, custo operacional e esforço necessário para ampliar uma aplicação funcional. A rodada Série B dá à RapidCanvas recursos para expandir sua capacidade de entrega. Seu próximo desafio é demonstrar que a IA em produção pode se tornar cada vez mais replicável sem perder o discernimento empresarial que a torna útil.