Larridin залучила $30 млн у раунді Series A для вимірювання витрат на ШІ та його впливу на робочу силу

Larridin залучила $30 млн у раунді Series A, який очолила Pelion Ventures, довівши загальний обсяг фінансування до $47 млн. Компанія вимірює, як витрати на ШІ перетворюються на роботу, яку виконують працівники та програмні агенти, і орієнтується на підприємства, яким потрібні переконливіші докази віддачі від інвестицій у ШІ.

У раунді взяли участь попередні інвестори Andreessen Horowitz і Gradient Ventures, а також нові інвестори: GFT, W23, Thayer, DG Daiwa Ventures, Alumni Ventures і Cougar Capital.

У повідомленні від 2 листопада Larridin заявила, що виміряла понад 2 млрд сеансів роботи зі ШІ та відстежила більш ніж 82 000 робочих процесів. Кошти спрямують на розвиток продукту та розширення команди.

Як пов’язати витрати на ШІ з результатами бізнесу

Фінансове завдання полягає не лише в підрахунку активних користувачів. Організація може оплачувати ліцензії, витрачати токени моделей і запускати автоматизованих агентів, не знаючи, які саме дії покращують її роботу. Вимірювання рівня впровадження показує, чи використовують інструменти; щоб виміряти цінність, потрібно пов’язати це використання з корисним результатом і витратами на його досягнення.

У документації продукту AI Impact від Larridin описано, як поєднуються дані про ліцензії з рахунків, використання токенів і витрати на хмарні моделі зі спостереженнями за робочими процесами та даними інженерних систем. Платформа розподіляє витрати між підрозділами й порівнює виконану роботу з відповідними інвестиціями.

Методологія розмежовує потенціал, створений за підтримки ШІ, та фактично досягнуту економію коштів. Еквівалентну кількість людино-годин можна використати для оцінювання обсягу роботи, який забезпечує ШІ, але її фінансова цінність залежить від базового рівня та від того, як організація використовує цей потенціал. Більша кількість вільного часу не означає автоматичного скорочення бюджету чи потреби в персоналі.

Цю різницю особливо важливо враховувати, переглядаючи приклади на інформаційних панелях. Larridin прямо позначає наведені там показники як ілюстративні, зокрема приклади кратності окупності інвестицій і кількості заощаджених годин. Ці приклади пояснюють розрахунок, а не підтверджують конкретні результати певного клієнта.

Як платформа Workflow Intelligence відстежує роботу

Платформа Workflow Intelligence компанії використовує розширення для браузера та настільний агент, щоб спостерігати за роботою в програмах, вибраних адміністраторами. За словами Larridin, система збирає метадані, зокрема інформацію про активні програми, послідовність їх використання, час на кожному етапі та переходи між інструментами.

Згідно з документацією продукту, вміст повідомлень і документів, записи екрана та натискання клавіш не збираються. За замовчуванням дані в аналітичних поданнях агрегуються на рівні команди; індивідуальні подання вимкнені, якщо їх не ввімкнуть адміністратори.

Ці спостереження об’єднуються в робочі процеси, щоб команди могли аналізувати їхню тривалість, повторюваність, проблемні місця та використання ШІ. Платформа визначає пріоритетні можливості для автоматизації та відстежує їхній шлях від пілотних проєктів до завершених упроваджень, порівнюючи результати з зафіксованими базовими показниками.

Тут важливо розрізняти потенційний, змодельований і фактично реалізований потенціал. Робочий процес, визначений як кандидат на автоматизацію, ще не забезпечив такої самої користі, як процес, який уже успішно працює у виробничому середовищі.

Вимірювання результатів інженерної роботи охоплює якість і перевірку коду

Пропозиція Developer Intelligence від Larridin пов’язує результати інженерної роботи з витратами на ШІ, швидкістю постачання та якістю коду. Серед показників — обсяг результатів на кожні $1 000 витрат на ШІ, частота дефектів і тривалість циклу перевірки запитів на злиття коду порівняно з власним базовим рівнем команди.

Продукт також аналізує сеанси роботи агентів, зафіксовані під час них кроки, використання токенів і розрахункову вартість. Компонент маршрутизації моделей дає організаціям змогу визначати пріоритети за вартістю та якістю для робочих процесів програмування й порівнювати різні моделі.

Такий підхід враховує, що генерування більшої кількості коду — лише один з етапів розробки. Чи перетвориться додатковий обсяг коду на корисне програмне забезпечення, можуть визначати спроможність команди перевіряти код, верифікація, доопрацювання та розгортання.

Напруження між цими чинниками ілюструє звіт AI Impact в інженерії за III квартал 2026 року компанії. Аналіз показав, що частка запитів на злиття коду, створених за допомогою ШІ, серед усіх об’єднаних запитів зросла з 35% у квітні до 62% у вересні, а в повідомленні про фінансування зазначено, що медіанний час очікування на першу перевірку коду людиною збільшився на 50%. Ці результати стосуються виміряної Larridin групи, а не всіх інженерних організацій.

Бізнес із вимірювання, побудований навколо відповідального використання ШІ

За даними Larridin, середній вимірюваний обсяг результатів роботи команд зріс на 47%, а медіанне скорочення витрат на ШІ за перший рік у її клієнтській базі становило $2,4 млн. Це результати, наведені самою компанією, окремо від ілюстративних даних на інформаційних панелях продукту.

На сторінці керівництва зазначено, що Расс Фредін — співзасновник і генеральний директор, Джим Ларрісон — співзасновник і президент, а Амейя Каніткар — співзасновник і технічний директор. Фредін і Ларрісон спираються на попередній досвід створення систем цифрових вимірювань у Comscore. За їхніми словами, мета компанії — створити зіставний рівень вимірювання для роботи, що виконується за допомогою ШІ.

Як зазначає директорка з продукту Carta Врушалі Паунікар у статті для Unite.AI про корпоративні робочі процеси із ШІ за межами рівня інтеграції, доступ до інструментів — лише частина забезпечення надійних результатів. Larridin зосереджується на доказах, що стосуються цих результатів: скільки коштувала робота, що змінилося і куди спрямувати наступні інвестиції.