Larridin huy động 30 triệu USD trong vòng Series A để đo lường chi tiêu cho AI và tác động đến lực lượng lao động

Larridin đã huy động 30 triệu USD trong vòng gọi vốn Series A do Pelion Ventures dẫn dắt, nâng tổng số vốn huy động lên 47 triệu USD. Công ty đo lường cách chi tiêu cho AI chuyển hóa thành công việc do nhân viên và tác tử phần mềm thực hiện, hướng đến các doanh nghiệp muốn có bằng chứng rõ ràng hơn về hiệu quả đầu tư vào AI.

Các nhà đầu tư hiện hữu Andreessen Horowitz và Gradient Ventures tham gia cùng các nhà đầu tư mới gồm GFT, W23, Thayer, DG Daiwa Ventures, Alumni Ventures và Cougar Capital.

Trong thông báo ngày 2 tháng 11, Larridin cho biết công ty đã đo lường hơn 2 tỷ phiên AI và theo dõi hơn 82.000 quy trình làm việc. Nguồn vốn sẽ hỗ trợ phát triển sản phẩm và mở rộng đội ngũ.

Kết nối chi phí AI với kết quả kinh doanh

Thách thức tài chính không chỉ nằm ở việc đếm số người dùng đang hoạt động. Một tổ chức có thể trả phí cho các tài khoản, sử dụng token mô hình và vận hành các tác tử tự động mà vẫn không biết hoạt động nào cải thiện công việc. Đo lường mức độ áp dụng cho biết liệu các công cụ có được sử dụng hay không; còn đo lường giá trị đòi hỏi phải liên kết việc sử dụng đó với kết quả hữu ích và chi phí tạo ra kết quả ấy.

Tài liệu sản phẩm AI Impact của Larridin mô tả cách kết hợp giấy phép đã xuất hóa đơn, mức sử dụng token và chi phí mô hình trên đám mây với dữ liệu về quy trình làm việc được quan sát và hệ thống kỹ thuật. Nền tảng này phân bổ chi tiêu cho các phòng ban và so sánh khối lượng công việc tạo ra với khoản đầu tư đó.

Phương pháp này phân biệt năng lực được AI hỗ trợ với khoản tiết kiệm tiền mặt thực tế. Số giờ tương đương với lao động của con người có thể giúp ước tính phần công việc do AI đảm nhiệm, nhưng giá trị tài chính của số giờ đó phụ thuộc vào mức cơ sở và cách tổ chức sử dụng năng lực ấy. Có thêm thời gian không đồng nghĩa với việc ngân sách hoặc nhu cầu nhân sự tự động giảm xuống.

Sự phân biệt này đặc biệt quan trọng khi xem các ví dụ trên bảng điều khiển. Larridin ghi rõ các số liệu minh họa, bao gồm bội số ROI và số giờ được hoàn trả trong các ví dụ. Những minh họa đó giải thích cách tính toán, chứ không xác nhận kết quả của một khách hàng cụ thể.

Cách Workflow Intelligence quan sát công việc

Nền tảng Workflow Intelligence của công ty sử dụng tiện ích mở rộng trình duyệt và tác tử máy tính để bàn nhằm quan sát hoạt động trong các ứng dụng do quản trị viên lựa chọn. Larridin cho biết nền tảng thu thập siêu dữ liệu như các ứng dụng đang hoạt động, trình tự sử dụng, thời gian dành cho từng bước và sự chuyển đổi giữa các công cụ.

Theo tài liệu sản phẩm, nền tảng không thu thập nội dung tin nhắn, nội dung tài liệu, bản ghi màn hình hay thao tác gõ phím. Theo mặc định, chế độ xem tổng hợp dữ liệu ở cấp nhóm; chế độ xem cá nhân bị tắt trừ khi quản trị viên bật lên.

Các quan sát đó được nhóm thành quy trình làm việc để các nhóm xem xét thời lượng, mức độ lặp lại, trở ngại và những khâu có AI tham gia. Nền tảng xếp hạng các cơ hội tự động hóa và theo dõi chúng qua giai đoạn thí điểm đến khi triển khai hoàn tất, dựa trên các mức cơ sở đã ghi nhận.

Ở đây, việc phân biệt năng lực tiềm năng, năng lực được mô hình hóa và năng lực thực tế rất quan trọng. Một quy trình làm việc được xác định là ứng viên để tự động hóa chưa mang lại lợi ích tương đương với quy trình đã vận hành thành công trong môi trường thực tế.

Đo lường hoạt động kỹ thuật bao gồm chất lượng và khâu đánh giá

Giải pháp Developer Intelligence của Larridin liên kết kết quả công việc kỹ thuật với chi phí AI, tốc độ bàn giao và chất lượng mã. Các chỉ số đo lường bao gồm sản lượng trên mỗi 1.000 USD chi tiêu cho AI, tỷ lệ lỗi và thời gian xử lý yêu cầu kéo so với mức cơ sở của chính nhóm đó.

Sản phẩm cũng phân tích các phiên làm việc của tác tử, những bước được ghi nhận trong các phiên đó, mức sử dụng token và chi phí ước tính. Một thành phần định tuyến mô hình cho phép các tổ chức đặt ưu tiên về chi phí và chất lượng cho quy trình viết mã, đồng thời so sánh các lựa chọn mô hình.

Cách tiếp cận này thừa nhận rằng tạo thêm mã chỉ là một giai đoạn trong quá trình bàn giao. Năng lực đánh giá, xác minh, làm lại và triển khai có thể quyết định liệu sản lượng tăng thêm có trở thành phần mềm hữu ích hay không.

Báo cáo AI Impact về kỹ thuật quý III năm 2026 của công ty minh họa sự mâu thuẫn này. Phân tích cho thấy tỷ lệ yêu cầu kéo có AI hỗ trợ trong số các yêu cầu đã được hợp nhất tăng từ 35% vào tháng 4 lên 62% vào tháng 9; thông báo gọi vốn cho biết thời gian chờ trung vị để con người đánh giá mã lần đầu tăng 50%. Những phát hiện này phản ánh nhóm đối tượng được Larridin đo lường, chứ không đại diện cho mọi tổ chức kỹ thuật.

Doanh nghiệp đo lường xoay quanh trách nhiệm giải trình về AI

Larridin báo cáo mức tăng trung bình 47% về sản lượng có thể đo lường của các nhóm và mức tối ưu hóa chi tiêu cho AI trung vị trong năm đầu là 2,4 triệu USD trên toàn bộ khách hàng. Đây là kết quả do công ty báo cáo, tách biệt với các bảng điều khiển sản phẩm mang tính minh họa.

Trang lãnh đạo xác định Russ Fradin là đồng sáng lập kiêm CEO, Jim Larrison là đồng sáng lập kiêm chủ tịch, và Ameya Kanitkar là đồng sáng lập kiêm CTO. Fradin và Larrison vận dụng kinh nghiệm trước đây trong việc xây dựng các phương pháp đo lường kỹ thuật số tại Comscore. Mục tiêu được họ nêu ra là cung cấp một lớp đo lường có thể so sánh cho công việc được thực hiện với AI.

Như Vrushali Paunikar, Giám đốc sản phẩm của Carta, lập luận trong bài viết cho Unite.AI về quy trình làm việc AI trong doanh nghiệp vượt ra ngoài lớp kết nối, việc cung cấp quyền truy cập vào các công cụ chỉ là một phần để đạt được kết quả đáng tin cậy. Larridin tập trung vào bằng chứng xoay quanh những kết quả đó: công việc đã tiêu tốn bao nhiêu, điều gì đã thay đổi và khoản đầu tư tiếp theo nên được rót vào đâu.