Larridin ระดมทุน Series A ได้ 30 ล้านดอลลาร์ เพื่อวัดการใช้จ่ายด้าน AI และผลกระทบต่อกำลังคน

Larridin ระดมทุน Series A ได้ 30 ล้านดอลลาร์ โดยมี Pelion Ventures เป็นผู้นำการลงทุน ส่งผลให้บริษัทมีเงินทุนรวม 47 ล้านดอลลาร์ บริษัทวัดว่าการใช้จ่ายด้าน AI ก่อให้เกิดผลงานจากทั้งพนักงานและเอเจนต์ซอฟต์แวร์อย่างไร โดยมุ่งให้บริการองค์กรที่ต้องการหลักฐานชัดเจนขึ้นว่าการลงทุนด้าน AI ให้ผลตอบแทนอย่างไร

Andreessen Horowitz และ Gradient Ventures ซึ่งเป็นนักลงทุนเดิม เข้าร่วมลงทุนพร้อมกับนักลงทุนรายใหม่ ได้แก่ GFT, W23, Thayer, DG Daiwa Ventures, Alumni Ventures และ Cougar Capital

ในประกาศเมื่อวันที่ 2 พฤศจิกายน Larridin ระบุว่า บริษัทวัดการใช้งาน AI ไปแล้วมากกว่า 2 พันล้านเซสชัน และติดตามเวิร์กโฟลว์มากกว่า 82,000 รายการ เงินทุนที่ระดมได้จะนำไปสนับสนุนการพัฒนาผลิตภัณฑ์และการขยายทีม

เชื่อมโยงค่าใช้จ่ายด้าน AI กับผลงานทางธุรกิจ

ความท้าทายด้านการเงินมีมากกว่าการนับจำนวนผู้ใช้ที่ใช้งานอยู่ องค์กรอาจจ่ายค่าที่นั่งผู้ใช้ ใช้โทเค็นของโมเดล และเรียกใช้เอเจนต์อัตโนมัติ โดยไม่รู้ว่ากิจกรรมใดช่วยให้งานดีขึ้น การวัดการนำไปใช้แสดงให้เห็นว่ามีการใช้เครื่องมือหรือไม่ ส่วนการวัดคุณค่าต้องเชื่อมโยงการใช้งานนั้นเข้ากับผลลัพธ์ที่เป็นประโยชน์และต้นทุนในการสร้างผลลัพธ์ดังกล่าว

เอกสารประกอบผลิตภัณฑ์ AI Impact ของ Larridin อธิบายถึงการนำข้อมูลใบอนุญาตใช้งานที่เรียกเก็บเงิน การใช้โทเค็น และค่าใช้จ่ายของโมเดลบนคลาวด์ มารวมกับข้อมูลเวิร์กโฟลว์ที่สังเกตได้และข้อมูลจากระบบวิศวกรรม โดยระบบจะจับคู่ค่าใช้จ่ายกับแผนกต่าง ๆ และเปรียบเทียบผลงานที่เกิดขึ้นกับเงินลงทุนดังกล่าว

ระเบียบวิธีนี้แยกขีดความสามารถที่ AI ช่วยสนับสนุนออกจากการประหยัดเงินสดที่เกิดขึ้นจริง ชั่วโมงการทำงานเทียบเท่ามนุษย์สามารถใช้ประมาณปริมาณงานที่ AI มีส่วนช่วยได้ แต่คุณค่าทางการเงินของชั่วโมงเหล่านั้นขึ้นอยู่กับค่าฐานและวิธีที่องค์กรนำขีดความสามารถดังกล่าวไปใช้ การมีเวลาว่างเพิ่มขึ้นไม่ได้ทำให้งบประมาณหรือความต้องการกำลังคนลดลงโดยอัตโนมัติ

ความแตกต่างนี้สำคัญเป็นพิเศษเมื่อพิจารณาตัวอย่างบนแดชบอร์ด Larridin ระบุไว้อย่างชัดเจนว่าตัวเลขที่ยกมาเป็นเพียงตัวอย่าง ซึ่งรวมถึงตัวคูณผลตอบแทนจากการลงทุน (ROI) และจำนวนชั่วโมงที่ได้คืนมา ตัวอย่างเหล่านี้อธิบายวิธีคำนวณ ไม่ได้ยืนยันผลลัพธ์ของลูกค้ารายใดรายหนึ่ง

Workflow Intelligence ติดตามการทำงานอย่างไร

แพลตฟอร์ม Workflow Intelligence ของบริษัทใช้ส่วนขยายเบราว์เซอร์และเอเจนต์บนเดสก์ท็อปเพื่อติดตามกิจกรรมในแอปพลิเคชันที่ผู้ดูแลระบบเลือก Larridin ระบุว่า บริษัทเก็บข้อมูลเมตา เช่น แอปพลิเคชันที่กำลังใช้งาน ลำดับการใช้งาน เวลาที่ใช้ในแต่ละขั้นตอน และการสลับไปมาระหว่างเครื่องมือ

เอกสารประกอบผลิตภัณฑ์ระบุว่าไม่มีการเก็บเนื้อหาข้อความ เนื้อหาเอกสาร ภาพบันทึกหน้าจอ หรือการกดแป้นพิมพ์ โดยค่าเริ่มต้น มุมมองข้อมูลจะรวบรวมในระดับทีม ส่วนมุมมองรายบุคคลจะปิดใช้งานไว้ เว้นแต่ผู้ดูแลระบบจะเปิดใช้

ระบบจัดกลุ่มข้อมูลที่สังเกตได้เป็นเวิร์กโฟลว์ เพื่อให้ทีมตรวจสอบระยะเวลา การทำซ้ำ อุปสรรคในการทำงาน และจุดที่มีการใช้ AI แพลตฟอร์มจัดอันดับโอกาสในการทำงานอัตโนมัติ และติดตามโอกาสเหล่านั้นตั้งแต่โครงการนำร่องไปจนถึงการนำไปใช้งานจริงที่เสร็จสมบูรณ์ โดยเทียบกับค่าฐานที่บันทึกไว้

การแยกขีดความสามารถที่อาจเกิดขึ้น ขีดความสามารถที่จำลองจากแบบจำลอง และขีดความสามารถที่เกิดขึ้นจริงออกจากกันเป็นเรื่องสำคัญในกรณีนี้ เวิร์กโฟลว์ที่ระบุว่าอาจทำงานอัตโนมัติได้ยังไม่ได้สร้างประโยชน์เทียบเท่ากับเวิร์กโฟลว์ที่ทำงานได้สำเร็จในระบบจริงแล้ว

การวัดผลด้านวิศวกรรมครอบคลุมคุณภาพและการตรวจสอบโค้ด

ข้อเสนอด้าน Developer Intelligence ของ Larridin เชื่อมโยงผลงานด้านวิศวกรรมเข้ากับต้นทุน AI ความเร็วในการส่งมอบงาน และคุณภาพโค้ด ตัวชี้วัดประกอบด้วยผลงานต่อค่าใช้จ่ายด้าน AI ทุก 1,000 ดอลลาร์ อัตราข้อบกพร่อง และระยะเวลาตั้งแต่เปิดจนปิดคำขอรวมโค้ด (pull request) เมื่อเทียบกับค่าฐานของทีมเอง

ผลิตภัณฑ์ยังตรวจสอบเซสชันของเอเจนต์ ขั้นตอนการทำงานที่บันทึกไว้ การใช้โทเค็น และต้นทุนโดยประมาณ องค์ประกอบสำหรับกำหนดเส้นทางไปยังโมเดลช่วยให้องค์กรกำหนดลำดับความสำคัญด้านต้นทุนและคุณภาพสำหรับเวิร์กโฟลว์การเขียนโค้ด รวมทั้งเปรียบเทียบตัวเลือกโมเดลต่าง ๆ ได้

แนวทางนี้ตระหนักว่าการสร้างโค้ดให้ได้มากขึ้นเป็นเพียงขั้นตอนหนึ่งของการส่งมอบงาน ความสามารถในการตรวจสอบ การทวนสอบ การแก้งาน และการนำไปใช้งาน ล้วนเป็นปัจจัยที่กำหนดได้ว่าผลงานที่เพิ่มขึ้นจะกลายเป็นซอฟต์แวร์ที่ใช้งานได้จริงหรือไม่

รายงาน AI Impact ด้านวิศวกรรมประจำไตรมาส 3 ปี 2026 ของบริษัทแสดงให้เห็นถึงความตึงเครียดนี้ ผลการวิเคราะห์พบว่าสัดส่วนของคำขอรวมโค้ดที่มี AI ช่วยและผ่านการรวมเพิ่มขึ้นจาก 35% ในเดือนเมษายนเป็น 62% ในเดือนกันยายน ขณะที่ประกาศระดมทุนรายงานว่าระยะเวลารอการตรวจสอบโค้ดเบื้องต้นโดยมนุษย์ ซึ่งวัดจากค่ามัธยฐาน เพิ่มขึ้น 50% ผลการค้นพบเหล่านี้เป็นข้อมูลจากกลุ่มตัวอย่างที่ Larridin วัดผล ไม่ใช่จากองค์กรด้านวิศวกรรมทุกแห่ง

ธุรกิจการวัดผลที่สร้างขึ้นเพื่อความรับผิดชอบด้าน AI

Larridin รายงานว่าผลงานของทีมที่วัดผลได้เพิ่มขึ้นโดยเฉลี่ย 47% และค่ามัธยฐานของการปรับการใช้จ่ายด้าน AI ให้เหมาะสมในปีแรกอยู่ที่ 2.4 ล้านดอลลาร์สำหรับฐานลูกค้าของบริษัท ตัวเลขเหล่านี้เป็นผลลัพธ์ที่บริษัทรายงานเอง และแยกจากแดชบอร์ดตัวอย่างของผลิตภัณฑ์

หน้าข้อมูลผู้บริหารระบุว่า Russ Fradin เป็นผู้ร่วมก่อตั้งและซีอีโอ, Jim Larrison เป็นผู้ร่วมก่อตั้งและประธานบริษัท และ Ameya Kanitkar เป็นผู้ร่วมก่อตั้งและซีทีโอ Fradin และ Larrison นำประสบการณ์เดิมจากการสร้างระบบวัดผลดิจิทัลที่ Comscore มาใช้ เป้าหมายที่ทั้งคู่ระบุไว้คือการจัดทำชั้นการวัดผลที่เทียบเคียงกันได้สำหรับงานที่ดำเนินการด้วย AI

ดังที่ Vrushali Paunikar ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ของ Carta ให้เหตุผลไว้ใน บทความสำหรับ Unite.AI ว่าด้วยเวิร์กโฟลว์ AI ระดับองค์กรที่ก้าวข้ามชั้นการเชื่อมต่อ การเปิดให้เข้าถึงเครื่องมือเป็นเพียงส่วนหนึ่งของการสร้างผลลัพธ์ที่เชื่อถือได้ Larridin มุ่งเน้นไปที่หลักฐานเบื้องหลังผลลัพธ์เหล่านั้น ได้แก่ งานมีต้นทุนเท่าใด มีอะไรเปลี่ยนแปลง และควรนำเงินลงทุนครั้งต่อไปไปลงที่ใด