Finansiering

Dreamteam tar in 53 miljoner dollar till AI-baserat CRM med specialiserade AI-kollegor inom försäljning

Evan Mercer
Lägg till Unite.AI bland dina föredragna källor på Google
Dreamteam co-founders in the supplied company photograph
Viktiga punkterDreamteams Company Brain fångar upp affärskontext som traditionella CRM-fält kastar…
Visa mer
  • Dreamteams Company Brain fångar upp affärskontext som traditionella CRM-fält kastar bort.
  • Fyra namngivna AI-kollegor hanterar research, säljoperationer och CRM-administration från ett delat minne.
  • AI-föreslagna CRM-ändringar visas som utkastkort så att användare kan granska och bekräfta dem.

Dreamteam har tagit in 53 miljoner dollar för att skala upp en AI-baserad plattform för kundrelationshantering, byggd kring ett gemensamt minne av kundinteraktioner och fyra specialiserade AI-kollegor. Företaget satsar på att CRM-programvara kan utföra mer användbart arbete om den fångar sammanhanget bakom en affär, i stället för att vänta på att en säljare ska översätta det sammanhanget till databasfält.

Finansieringen kommer från Accel, Together Fund och Premji Invest. Dreamteam uppger att Together Fund är företagets första institutionella investerare. I tillkännagivandet anges varken finansieringsrunda eller värdering.

Dreamteam grundades 2025 av de tidigare Freshworks-cheferna Anand Venkatraman, Ramesh Parthasarathy och Senthil Kanthaswamy. Kapitalet ska användas för att vidareutveckla en plattform som kombinerar relationsanalys med agenter för research, försäljningsstöd, intäktsverksamhet och CRM-administration.

Att bygga ett gemensamt minne av kundrelationer

CRM-uppgifter brukar betona sådant som ryms i ett fält: en kontakt, ett affärsvärde, ett avslutsdatum eller ett försäljningsstadium. Samtalet bakom uppgifterna är ofta mer informativt. En potentiell kund kan invända mot priset, nämna en befintlig leverantör eller avslöja att en annan chef numera kontrollerar budgeten.

Dreamteam kallar sitt underliggande minne Company Brain. Enligt finansieringsmeddelandet sammanställer det information från e-postmeddelanden, möten, kundsamtal och arbetsflöden och kopplar samman köparens avsikter, invändningar, omnämnanden av konkurrenter och dynamiken mellan intressenter. De specialiserade agenterna använder detta gemensamma sammanhang i stället för att arbeta utifrån separata anteckningar.

Tänk dig en köpare som berättar för en säljare att ett köp är beroende av en säkerhetsgranskning. Om kontot registreras som ”intresserat” går villkoret som avgör nästa steg förlorat. Genom att bevara det faktiska samtalet får en assistent underlag för att förbereda en relevant uppföljning, och en försäljningschef får en bättre förklaring till varför affären har stannat av.

Det här innebär en förändring av hur CRM-systemet samlar in och använder information, inte bara ett nytt sätt att söka bland befintliga fält. Nyttan beror på att varje signal kopplas till rätt konto och att dess källa bevaras medan relationen utvecklas.

Fyra AI-kollegor med olika ansvarsområden

Dreamteam fördelar arbetet mellan fyra namngivna assistenter:

  • Rachel, researchassistenten, kompletterar information om konton och kontakter och tar fram research om potentiella kunder.
  • Sally, försäljningsassistenten, förbereder mötesunderlag, skriver utkast till uppföljningsmejl och hjälper till att hantera uppgifter.
  • Raj, RevOps-partnern, övervakar säljtratten, uppmärksammar risker i affärer och bidrar till prognosarbetet.
  • Alex, CRM-administratören, hjälper till att konfigurera och underhålla systemet med instruktioner på naturligt språk.

Arbetsfördelningen är tänkt att göra agenterna användbara utan att varje kund behöver bygga upp en samling assistenter från grunden. En säljare och en chef för intäktsverksamheten behöver olika slags resultat, men båda har nytta av att resultaten bygger på samma kundhistorik.

”Dreamteam lär sig av det arbete som teamet redan utför och håller sammanhanget levande”, sade medgrundaren och vd:n Anand Venkatraman i tillkännagivandet.

Åtgärder som går att granska och kopplingar till befintliga verktyg

Företagets produktwebbplats lägger till en viktig förbehållspunkt i företagets beskrivning av ett CRM som uppdaterar sig självt: AI-föreslagna ändringar visas som utkastkort som användarna kan granska, redigera och bekräfta. Enligt webbplatsen går åtgärderna att spåra tillbaka till det ursprungliga samtalet.

Webbplatsen listar också kopplingar till e-post och kalendrar från Google och Microsoft, Slack och Zoom, samt verktyg för att komplettera information, däribland Clay, LinkedIn och Apollo. Kopplingarna är viktiga eftersom kundhistoriken är utspridd mellan kommunikations- och researchsystem, inte begränsad till en enda försäljningsapplikation.

I tillkännagivandet beskrivs ett förstklassigt API och en server för Model Context Protocol avsedd för externa AI-agenter. Det ger andra verktyg möjlighet att arbeta med CRM-sammanhang och utvidgar därmed systemet bortom dess eget gränssnitt. Sådan åtkomst måste fortfarande ta hänsyn till vem som får se kunduppgifter och vilka åtgärder en användare har godkänt.

Mänskligt godkännande är särskilt viktigt när en agent tolkar avsikter. Ett försenat svar kan tyda på en svag affär, men det kan också bero på en helgdag eller en intern granskning. Om säljaren får se underlaget och ett förslag på åtgärd blir det lättare att granska bedömningen innan den ändrar en uppgift eller påverkar ett kontaktmeddelande.

Magic Apps utvidgar CRM-systemet bortom standardiserade arbetsflöden

Dreamteam lanserar också Magic Apps, som enligt tillkännagivandet gör det möjligt att skapa anpassade applikationer och instrumentpaneler med instruktioner på naturligt språk. Tanken är att föra in promptbaserad programvaruutveckling i CRM-systemet, så att företagsanvändare kan beställa verktyg som är anpassade efter deras processer.

En gemensam kundminnesbank och konfigurerbara appar löser olika delar av samma problem. Minnesbanken tillför affärskontext, medan appen ger teamet ett sätt att använda den. En anpassad vy kan till exempel organisera förnyelserisker utifrån de förutsättningar som är viktiga för ett visst företag, i stället för att tvinga alla team att använda samma fördefinierade instrumentpanel.

Den flexibiliteten gör också förändringshantering viktig. En app som visar en ny vy av befintliga poster får andra konsekvenser än en app som ändrar ärendefördelningen eller skapar uppgifter. För att anpassningarna ska vara användbara måste konsekvenserna vara begripliga för dem som ska godkänna dem.

Tidiga användare och ambitioner för kundrelationen genom hela livscykeln

Dreamteam uppger att hundratals företag inom bland annat sjukvård, tillverkningsindustri, konsultverksamhet, onlinemedier och AI använder plattformen. I tillkännagivandet nämns DMS Health, invideo och Plex som några av de tidiga användarna. Kundberättelserna beskriver införandet och fördelar för arbetsflödena, men pressmeddelandet innehåller inget kontrollerat jämförelseunderlag för intäktstillväxt eller prognosprecision.

På företagets ledningssida anges att Venkatraman leder marknadsbearbetningen, Kanthaswamy leder produktutvecklingen och Parthasarathy leder ingenjörsarbetet. Grundarna har tidigare haft ledande befattningar på Freshworks, vilket har gett företaget erfarenhet av de krav på försäljning och drift som ställs på programvara för stora företag.

Den långsiktiga planen omfattar allt från att skaffa nya kunder till att utveckla kundrelationerna och öka merförsäljningen. För Dreamteam ligger möjligheten i att göra CRM till en plats där kunskapen om kunderna samlas och omsätts i användbart arbete. Finansieringen på 53 miljoner dollar ger företaget resurser att driva den förändringen, men införandet kommer i slutänden att bero på om teamen litar på den insamlade kontexten och anser att de föreslagna åtgärderna är värda att godkänna.

Evan Mercer är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som bevakar AI-startups, riskkapital och finansieringsdynamiken som formar nästa generation av teknikföretag. Hans rapportering fokuserar på innovation i tidig fas, kapitalflöden och de strategiska beslut som grundare och investerare fattar när AI-företag växer från koncept till global påverkan.

Med ett strategiskt och analytiskt perspektiv granskar Evan finansieringsrundor, marknadspositionering och framväxande trender i AI-startup‑ekosystemet. Han följer hur riskkapital, företagsinvesteringar och börsnoterade marknader korsar med genombrott inom artificiell intelligens och skiljer hållbara signaler från kortsiktig hype.

Artiklar skrivna av Evan Mercer är AI-genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa noggrannhet, kontext och ansvarsfull täckning av det globala AI-investeringslandskapet