Larridin, Yapay Zekâ Harcamalarını ve İş Gücü Üzerindeki Etkisini Ölçmek İçin A Serisi Yatırım Turunda 30 Milyon Dolar Aldı

Larridin, Pelion Ventures liderliğindeki A Serisi yatırım turunda 30 milyon dolar yatırım aldı ve toplam finansmanı 47 milyon dolara ulaştı. Şirket, yapay zekâ harcamalarının çalışanlar ve yazılım ajanları genelinde iş süreçlerine nasıl yansıdığını ölçüyor. Böylece yapay zekâ yatırımlarının getirisine ilişkin daha net kanıt arayan büyük ölçekli şirketleri hedefliyor.

Mevcut yatırımcılar Andreessen Horowitz ve Gradient Ventures, yeni yatırımcılar GFT, W23, Thayer, DG Daiwa Ventures, Alumni Ventures ve Cougar Capital ile birlikte tura katıldı.

Larridin, 2 Kasım tarihli duyurusunda 2 milyardan fazla yapay zekâ oturumunu ölçtüğünü ve 82.000’den fazla iş akışını izlediğini açıkladı. Yatırım, ürün geliştirmeyi ve ekibin büyütülmesini destekleyecek.

Yapay Zekâ Faturalarını İş Çıktılarına Bağlamak

Finansal zorluk, etkin kullanıcıları saymanın ötesine geçiyor. Bir kuruluş; lisanslar için ödeme yapabilir, model tokenları tüketebilir ve otomatik ajanlar çalıştırabilir, ancak hangi faaliyetlerin işlerini iyileştirdiğini bilmeyebilir. Kullanımın ölçülmesi, araçların kullanılıp kullanılmadığını gösterir; değeri ölçmek içinse bu kullanımı elde edilen yararlı sonuçla ve bu sonucu üretmenin maliyetiyle ilişkilendirmek gerekir.

Larridin’in AI Impact ürün belgelerinde, faturalandırılmış lisansların, token kullanımının ve bulut modellerinin maliyetlerinin gözlemlenen iş akışları ve mühendislik sistemi verileriyle bir araya getirildiği açıklanıyor. Harcamalar departmanlarla eşleştiriliyor ve ortaya konan iş, bu yatırımın karşılığı olarak değerlendiriliyor.

Bu yöntem, yapay zekânın desteklediği kapasiteyle fiilen sağlanan nakit tasarrufunu birbirinden ayırıyor. İnsan emeği karşılığı saatler, yapay zekânın katkı sağladığı işi tahmin etmek için kullanılabilir; ancak bu saatlerin finansal değeri, başlangıçtaki duruma ve kuruluşun bu kapasiteyi nasıl kullandığına bağlıdır. Kullanılabilir zamanın artması, bütçenin ya da personel ihtiyacının kendiliğinden azalacağı anlamına gelmez.

Gösterge paneli örneklerini incelerken bu ayrım özellikle önem taşıyor. Larridin, örnek yatırım getirisi katsayıları ve geri kazandırılan saatler de dâhil olmak üzere, temsili rakamları açıkça örnek olarak etiketliyor. Bu gösterimler belirli bir müşterinin sonucunu ortaya koymaktan ziyade hesaplamanın nasıl yapıldığını açıklıyor.

İş Akışı Zekâsı İşleri Nasıl Gözlemliyor

Şirketin İş Akışı Zekâsı platformu, yöneticilerin seçtiği uygulamalardaki etkinlikleri gözlemlemek için bir tarayıcı uzantısı ve masaüstü ajanı kullanıyor. Larridin, etkin uygulamalar, bunların kullanım sırası, her adımda geçirilen süre ve araçlar arasındaki geçişler gibi üst verileri topladığını belirtiyor.

Ürün belgelerine göre mesaj içerikleri, belge içerikleri, ekran kayıtları ve tuş vuruşları toplanmıyor. Görünümler varsayılan olarak ekip düzeyinde bir araya getiriliyor; yöneticiler etkinleştirmediği sürece bireysel görünümler devre dışı kalıyor.

Bu gözlemler; süre, tekrar, aksama ve yapay zekânın devreye girdiği noktaların incelenebilmesi için iş akışları hâlinde gruplandırılıyor. Platform, otomasyon fırsatlarını önceliklendiriyor ve kaydedilen başlangıç değerlerine göre bu fırsatları pilot uygulamalardan tamamlanmış devreye almalara kadar izliyor.

Potansiyel, modellenmiş ve gerçekleşmiş kapasiteyi birbirinden ayırmak burada önem taşıyor. Otomasyona aday olarak belirlenen bir iş akışı, üretim ortamında başarıyla çalışmaya başlamış bir iş akışıyla aynı faydayı henüz sağlamamıştır.

Mühendislik Ölçümü Kaliteyi ve İncelemeyi de Kapsıyor

Larridin’in Geliştirici Zekâsı çözümü, mühendislik çıktısını yapay zekâ maliyeti, teslimat hızı ve kod kalitesiyle ilişkilendiriyor. Ölçümler arasında yapay zekâ harcamalarında her 1.000 dolar başına üretilen çıktı, hata oranları ve ekibin kendi başlangıç değerleriyle karşılaştırılan çekme isteği döngü süresi yer alıyor.

Ürün ayrıca ajan oturumlarını, bu oturumlarda kaydedilen adımları, token kullanımını ve tahmini maliyeti inceliyor. Model yönlendirme bileşeni, kuruluşların kodlama iş akışlarında maliyet ve kalite önceliklerini belirlemesine ve model seçeneklerini karşılaştırmasına olanak tanıyor.

Bu yaklaşım, daha fazla kod üretmenin teslimat sürecinin yalnızca bir aşaması olduğunu kabul ediyor. İnceleme kapasitesi, doğrulama, yeniden çalışma ve devreye alma; ek çıktının yararlı bir yazılıma dönüşüp dönüşmeyeceğini belirleyebilir.

Şirketin 2026’nın 3. çeyreğine ilişkin AI Impact mühendislik raporu, bu gerilimi ortaya koyuyor. Analize göre birleştirilen çekme istekleri içinde yapay zekâ destekli olanların payı nisanda %35’ten eylülde %62’ye yükseldi; yatırım duyurusunda ise ilk insan kod incelemesine kadar geçen medyan bekleme süresinin %50 arttığı bildiriliyor. Bu bulgular, tüm mühendislik kuruluşlarını değil, Larridin’in ölçüm yaptığı grubu anlatıyor.

Yapay Zekâda Hesap Verebilirlik Etrafında Kurulu Bir Ölçüm Şirketi

Larridin, müşteri tabanında ölçülebilir ekip çıktısının ortalama %47 arttığını ve ilk yılda yapay zekâ harcamalarında sağlanan optimizasyonun medyan değerinin 2,4 milyon dolar olduğunu bildiriyor. Bunlar, şirketin bildirdiği sonuçlardır ve ürünün örnek gösterge panellerinden ayrı değerlendirilmelidir.

Liderlik ekibi sayfasında Russ Fradin kurucu ortak ve genel müdür, Jim Larrison kurucu ortak ve başkan, Ameya Kanitkar ise kurucu ortak ve teknoloji direktörü olarak tanıtılıyor. Fradin ve Larrison, Comscore’da dijital ölçüm alanında daha önce edindikleri deneyimden yararlanıyor. Belirttikleri amaç, yapay zekâ kullanılarak yapılan işler için karşılaştırılabilir bir ölçüm katmanı sunmak.

Carta’nın Ürün Direktörü Vrushali Paunikar’ın Unite.AI için bağlantı katmanının ötesindeki kurumsal yapay zekâ iş akışlarını ele alan bir yazıda savunduğu gibi, araçlara erişim sağlamak güvenilir sonuçlar sunmanın yalnızca bir parçasıdır. Larridin’in odağında, bu sonuçlara ilişkin kanıtlar yer alıyor: yapılan işin maliyeti, nelerin değiştiği ve bir sonraki yatırımın nereye yöneltilmesi gerektiği.