Rox capta US$ 100 milhões em rodada Série B, com avaliação de US$ 1,3 bilhão, para avançar a pesquisa em IA

A Reuters informou, em 11 de novembro de 2026, que a Rox havia captado US$ 100 milhões em uma rodada Série B que avaliou a startup, sediada em São Francisco, em US$ 1,3 bilhão. General Catalyst e March Capital lideraram a rodada em conjunto, enquanto a Rox se prepara para ampliar sua pesquisa em IA e sua presença no mercado empresarial.

Os investidores atuais Sequoia Capital e Factory participaram da rodada ao lado dos novos investidores Databricks Ventures e Prosperity7 Ventures. A Rox afirmou que destinará o capital à pesquisa em IA e ao desenvolvimento de modelos personalizados, ao mesmo tempo que amplia sua base de clientes empresariais nos setores de saúde, industrial, serviços financeiros, energia e tecnologia.

A empresa afirmou que sua receita recorrente anual cresceu mais de dez vezes durante o primeiro ano de atuação no mercado. Entre seus clientes estão Puma, Groq e Ramp.

Uma plataforma que vai além da geração de leads

A Rox oferece mais do que geração de leads por meio de prospecção ativa. A documentação da plataforma descreve um sistema integrado que abrange prospecção, qualificação, engajamento, fechamento de negócios, renovação e expansão de contas. Esse escopo permite que uma única implantação atenda tanto ao desenvolvimento de novos negócios quanto à geração de receita com contas existentes.

A Rox afirma que a plataforma pode acessar registros de CRM, e-mails, calendários, Slack, transcrições de chamadas, documentos e fontes da internet. Seu grafo de conhecimento identifica entidades, resolve divergências entre valores provenientes de diferentes fontes e infere relações, enquanto uma camada de governança aplica um único modelo de acesso em todos os sistemas. O objetivo é oferecer aos agentes um contexto compartilhado sobre as contas, em vez de deixá-los trabalhar com registros de vendas isolados.

Antes de um contato entrar em um fluxo de prospecção, a documentação do Outbound Agent informa que o sistema valida o cargo atual e o endereço de e-mail da pessoa, complementando seus registros com dados de mais de 17 provedores de enriquecimento de dados. Os resultados da busca recebem a indicação de correspondência aprovada ou rejeitada, acompanhada dos motivos da exclusão; as correspondências aprovadas podem ser transferidas para uma sequência de prospecção, uma lista de contatos ou uma lista de leads. O agente também pode responder a mensagens e agendar reuniões.

Uma equipe pode manter cada envio sujeito a revisão manual, pausar a automação e examinar as reuniões agendadas. As alterações feitas em um agente em execução permanecem como rascunhos até que o usuário as salve ou descarte. A Rox também afirma que sua automação opera dentro de parâmetros definidos pelo usuário e exige configuração inicial e supervisão contínua.

Implantações em clientes e resultados relatados

O índice de histórias de clientes da Rox informa que a MongoDB levou 45 dias para passar de um protótipo à produção, que a taxa de conversão da Ramp aumentou de 10% a 15%, que a Couchbase alcançou mais de 90% de adoção entre mais de 250 representantes e que a Puma Energy usa a Rox para monitorar clientes em mercados importantes. Os exemplos abrangem velocidade de implantação, conversão de vendas, adoção pela força de trabalho e monitoramento de contas, em vez de se concentrarem em uma única medida de valor.

A Rox ressalva que esses indicadores de desempenho refletem configurações individuais e podem não representar outras implantações. Os resultados reais podem variar conforme a qualidade dos dados, a configuração do CRM, o volume de prospecção, as condições do mercado e o público-alvo; por isso, os exemplos não estabelecem um resultado padrão para novos clientes.

Planos de pesquisa e investidores que voltam a participar

Os investimentos previstos em pesquisa se inserem em uma agenda já descrita na página de pesquisa da Rox. O trabalho inclui modelos especializados para tarefas específicas e arquiteturas de agentes, sistemas para avaliar o comportamento dos agentes e infraestrutura de produção destinada a torná-los confiáveis em ambientes de receita do mundo real. Assim, o desenvolvimento de modelos personalizados faz parte de um programa de engenharia mais amplo, em vez de ser apenas um exercício isolado de criação de modelos.

A página da empresa da Rox identifica Ishan Mukherjee como cofundador e CEO, Shriram Sridharan como cofundador e CTO, Diogo Ribeiro como cofundador e CGO, e Christopher Ré como cofundador responsável pela pesquisa.

A General Catalyst voltou a participar como investidora líder. Em 19 de novembro de 2024, anunciou que havia liderado a rodada Série A da Rox e afirmou que mais de 35 equipes de vendas empresariais haviam adotado o produto durante o período de beta público, entre elas as da MongoDB, Confluent e Ramp.

A rodada Série B dá à Rox capital para buscar, simultaneamente, o desenvolvimento de modelos e uma presença mais ampla no mercado empresarial. O principal teste será saber se o crescimento inicial da receita e os resultados individuais relatados pelos clientes poderão ser reproduzidos no conjunto mais amplo de setores que a empresa agora pretende atender.