Finansowanie Ema w rundzie Series B podnosi stawkę dla oprogramowania korporacyjnego i usług IT

Ema pozyskała 77 mln USD w rundzie finansowania Series B, aby szerzej wdrażać swoich agentów AI w operacjach korporacyjnych związanych z HR, IT i finansami. Runda zapewnia startupowi większy kapitał na bezpośrednią rywalizację z dostawcami oprogramowania korporacyjnego i firmami świadczącymi usługi IT.

Rundzie finansowania Ema Series B przewodził Creaegis. Dotychczasowi inwestorzy Accel, Section 32 i Prosus zwiększyli swoje udziały, podnosząc łączne finansowanie Ema do 140 mln USD. Firma twierdzi, że jej wycena wzrosła ponad czterokrotnie od poprzedniej rundy w 2024 roku, choć nie ujawniła nowej wartości.

Najważniejsza historia nie dotyczy wyłącznie wielkości rundy. Ema chce, aby jej agenci wykonywali pracę w istniejących aplikacjach, ograniczając potrzebę ręcznego poruszania się przez pracowników po każdym systemie. Jeśli ten model się sprawdzi, aplikacje programowe mogą stać się bazami danych pod warstwą przepływów pracy kontrolowaną przez AI.

Tworzy to presję na dwa ugruntowane modele biznesowe. Dostawcy oprogramowania sprzedają dostęp do aplikacji poprzez licencje i stanowiska. Firmy usług IT uzyskują przychody z wdrażania, integrowania i obsługi tych aplikacji. Ema próbuje włączyć części obu tych działalności do systemu wycenianego wokół ukończonych zadań i wyników biznesowych.

Finansowanie Ema w rundzie Series B zmienia zakład produktowy w ofensywę sprzedażową

Nowy kapitał przesuwa Ema od udowadniania produktu w stronę sprzedaży alternatywnego modelu operacyjnego dla pracy w przedsiębiorstwach.

Finansowanie ogłoszone 23 września składa się w całości z nowo wyemitowanych akcji, zgodnie z opisem firmy dotyczącym rundy finansowania Ema. Oznacza to, że środki trafiają do firmy, zamiast służyć wypłacie dla wczesnych akcjonariuszy lub refinansowaniu długu.

Ema planuje przeznaczyć znaczną część pieniędzy na sprzedaż, marketing i ekspansję międzynarodową. Firma z Mountain View koncentrowała się przede wszystkim na klientach w Stanach Zjednoczonych i Europie. Teraz zamierza pozyskiwać organizacje w regionie Azji i Pacyfiku, Ameryce Południowej oraz części Bliskiego Wschodu.

Ta zmiana ma znaczenie, ponieważ Ema spędziła pierwsze lata na rozwijaniu platformy i budowaniu wdrożeń. Zatrudnia obecnie blisko 200 osób, ma biura w Bengaluru, Londynie i Vancouver, a także siedzibę główną w Kalifornii. Szersza organizacja handlowa daje firmie większą zdolność do konkurowania o duże, powoli realizowane kontrakty korporacyjne.

Ema została założona w 2023 roku przez CEO Surojita Chatterjee i lidera inżynierii Souvika Sena. Chatterjee wcześniej zajmował wysokie stanowiska w Google i Coinbase, a Sen pracował w Google i Okta. Firma wyszła z trybu stealth w 2024 roku z ambicją stworzenia uniwersalnego pracownika AI.

Jej pierwotny produkt łączył silnik przepływów pracy z EmaFusion, systemem zaprojektowanym do wyboru spośród różnych modeli językowych. Strategia była widoczna podczas premiery Ema w 2024 roku, kiedy firma przedstawiała wybór modelu jako jeden z elementów szerszej platformy automatyzacji dla przedsiębiorstw.

Najnowsza runda rozwija tę tezę. Ema twierdzi, że jej platforma może obecnie korzystać z ponad 150 modeli frontier i open source. Łączy je z integracjami, wiedzą domenową, kontrolą uprawnień i koordynacją agentów.

Firma nazywa powstałe w ten sposób systemy „pracownikami AI”. W praktyce agenci Ema AI to procesy programowe, które planują i wykonują wieloetapową pracę w kilku aplikacjach biznesowych. Mogą pobierać rekordy, aktualizować systemy, sprawdzać wyniki, żądać zatwierdzeń i przekazywać nietypowe sprawy ludziom.

Różni się to od chatbota, który odpowiada na jedno pytanie naraz. Pracownik pytający o urlop rodzicielski może potrzebować informacji z repozytorium polityk, danych o uprawnieniach z systemu HR oraz przepływu zatwierdzania. Ema przedstawia to tak, że jedno doświadczenie z agentem może skoordynować te kroki bez konieczności odwiedzania przez pracownika każdej aplikacji.

Firma uruchomiła również produkty stworzone specjalnie dla HR, IT i finansów. Takie pakietowanie skraca dystans między ogólną platformą agentową a gotową do wdrożenia aplikacją biznesową. Daje nabywcom zdefiniowane wcześniej przepływy pracy, przy zachowaniu wspólnej warstwy orkiestracji między działami.

Ema twierdzi, że będzie nadal inwestować w tę platformę równolegle z ekspansją komercyjną. Równowaga ma znaczenie. Zatrudnianie sprzedawców może zwiększać liczbę kontraktów, ale klienci korporacyjni będą oceniać system przez pryzmat niezawodności, bezpieczeństwa, zarządzania i mierzalnych wyników operacyjnych.

Finansowanie Ema w rundzie Series B oznacza zatem przejście, a nie zwycięstwo. Inwestorzy wspierają firmę, aby powtórzyła swoje wczesne wdrożenia w większej liczbie organizacji i regionów. Następny etap wymaga przekształcenia raportowanej trakcji w trwałe zastosowanie produkcyjne.

Dlaczego agenci AI zaczynają wywierać presję na licencje stanowiskowe

Centralnym zakładem Ema jest to, że przedsiębiorstwa będą płacić za ukończoną pracę, zamiast przede wszystkim za dostęp do odrębnych aplikacji.

Tradycyjne oprogramowanie korporacyjne organizuje pracę wokół systemów ewidencyjnych. Firma kupuje jedną aplikację do zarządzania zasobami ludzkimi, inną do zarządzania usługami, kolejną do finansów oraz dodatkowe produkty do współpracy, analityki i zatwierdzeń.

Pracownicy muszą nauczyć się każdego interfejsu i rozumieć, jak przepływają między nimi informacje. Firmy płacą następnie konsultantom, integratorom systemów i wewnętrznym zespołom za łączenie aplikacji. Ten układ tworzy powtarzalne przychody dla dostawców oprogramowania i ciągłą pracę wdrożeniową dla firm usługowych.

Oprogramowanie korporacyjne Ema nie usuwa natychmiast tych bazowych systemów. Najpierw działa nad nimi, wykorzystując integracje do odczytu informacji i wykonywania autoryzowanych działań. Agent staje się interfejsem, podczas gdy ugruntowane aplikacje nadal przechowują oficjalne rekordy.

Chatterjee twierdzi, że taki układ może ostatecznie zmniejszyć zależność od dużych pakietów oprogramowania. Powiedział TechCrunch, że niektórzy klienci zmierzają ku zastępowaniu określonych aplikacji SaaS, ponieważ produkty te stają się „jak baza danych”.

To twierdzenie opisuje potencjalne odwrócenie sytuacji w branży. Aplikacje korporacyjne kiedyś kontrolowały zarówno dane, jak i doświadczenie użytkownika. Agenci AI mogą rozdzielić te warstwy, pozwalając pracownikom zażądać rezultatu, podczas gdy agent decyduje, których systemów użyć.

Konsekwencje wykraczają poza projektowanie interfejsów. Cennik oparty na stanowiskach zakłada, że użytkownicy czerpią wartość z logowania się do aplikacji. Gdy agent wykonuje pracę za wielu pracowników, związek między stanowiskami, wykorzystaniem a wartością staje się słabszy.

Ema twierdzi, że nie pobiera opłat na podstawie stanowisk programowych ani zużytych tokenów AI. Jej cennik jest powiązany z realizacją zadań i wynikami biznesowymi. Model ten próbuje powiązać wydatki z wykonaną pracą, choć klienci nadal potrzebują jasnych definicji udanych wyników, wyjątków i spornych rezultatów.

Zmiana wpływa także na sposób, w jaki nabywcy porównują dostawców. Konwencjonalny proces zakupowy może oceniać oprogramowanie HR względem innych pakietów HR. Platforma agentowa pyta, czy firma potrzebuje kolejnej pełnej aplikacji, czy też warstwa orkiestracji może ukończyć wymagany przepływ pracy przy użyciu istniejących danych.

Dlatego wyzwanie Ema wykracza poza jedną kategorię oprogramowania. Platforma obejmuje wsparcie pracowników, zarządzanie usługami IT, operacje finansowe i inne procesy wewnętrzne. Sukces w jednym dziale może otworzyć drogę do sąsiednich przepływów pracy.

Ema twierdzi, że ponad 90% jej klientów rozszerzyło zastosowanie poza początkowy przypadek użycia. Niektórzy mają rzekomo korzystać z platformy w dziesiątkach przepływów pracy. Firma raportuje również retencję netto w ujęciu dolarowym na poziomie bliskim 180%, co oznacza, że obecni klienci z czasem znacząco zwiększali swoje wydatki.

Dane te pozostają raportowane przez firmę, a Ema nie ujawniła swojego rocznego tempa przychodów. Mimo to wzorzec ekspansji ma większe znaczenie niż pojedyncza demonstracja. Agenci korporacyjni stają się strategicznie istotni, gdy nabywca ponownie wykorzystuje tę samą platformę w różnych działach.

Moment ten odzwierciedla również ulepszenia zachodzące poza Ema. Modele frontier lepiej radzą sobie z rozumowaniem, korzystaniem z narzędzi i utrzymywaniem kontekstu w wieloetapowych zadaniach. Dostawcy chmurowi i producenci oprogramowania rozszerzyli wokół tych modeli konektory i ramy uprawnień.

Jednocześnie główni twórcy AI zbliżają się do przepływów pracy w przedsiębiorstwach. Anthropic wprowadził agentów i integracje do zadań takich jak badania finansowe, zgodność z przepisami i raportowanie na koniec miesiąca. Jego szablony agentów finansowych pokazują, jak dostawcy modeli mogą samodzielnie pakietować pracę specyficzną dla danej domeny.

OpenAI poszło dalej w usługi wdrożeniowe. Jego firma wdrożeniowa umieszcza inżynierów w organizacjach klientów i dostarcza wiedzę wdrożeniową wraz ze swoimi modelami. Takie podejście konkuruje o wydatki, które wcześniej trafiały głównie do firm konsultingowych i integratorów systemów.

Chatterjee przedstawia te firmy modelowe jako dostawców, a nie bezpośrednich konkurentów. Ponieważ Ema może kierować pracę między wieloma modelami, ulepszenia w laboratoriach AI mogą zwiększać możliwości jej platformy. Te laboratoria mogą jednak również budować własne produkty agentowe, integracje i usługi.

Granica konkurencyjna pozostaje zatem płynna. Ema korzysta, gdy modele się poprawiają, ale musi zachować wystarczającą wartość w orkiestracji, zarządzaniu, wiedzy domenowej i wykonywaniu przepływów pracy. W przeciwnym razie dostawcy modeli lub ugruntowane firmy programistyczne mogą przejąć te same funkcje.

Główna rywalizacja to agenci przeciwko oprogramowaniu opartemu na usługach

Ema konkuruje z połączonym modelem oprogramowania i usług, a nie po prostu z kolejnym startupem tworzącym agentów AI.

Duże przedsiębiorstwa rzadko kupują oprogramowanie jako samodzielny produkt. Płacą również za konfigurację, migrację danych, niestandardowe integracje, pracę nad zgodnością, szkolenia pracowników i bieżące wsparcie. Usługi te mogą trwać długo po podpisaniu pierwotnej umowy na aplikację.

Propozycja Ema kompresuje części tego stosu. Jej agenci są zaprojektowani do pracy w istniejących systemach, uczenia się na podstawie wdrożeń i realizowania powtarzalnych procesów przy mniejszej interwencji człowieka. Firma twierdzi, że może to ograniczyć zarówno zależność od aplikacji, jak i pracę wdrożeniową opartą na usługach.

Najwyraźniejszym przykładem jest wsparcie IT. Konwencjonalne biuro obsługi może otrzymać zgłoszenie, sklasyfikować je, przeszukać dokumentację, sprawdzić uprawnienia użytkownika, zaktualizować system i eskalować sprawę. Agent obsługujący te kroki może zmniejszyć liczbę rutynowych zgłoszeń trafiających do ludzi.

Ema twierdzi, że jeden duży globalny integrator systemów wykorzystuje jego asystenta pracowniczego dla ponad 240 000 współpracowników w 65 krajach. Według danych wdrożeniowych firmy system automatyzuje ponad 100 przepływów pracy i obsługuje około 2,9 mln zapytań rocznie.

Firma twierdzi, że wdrożenie skróciło czas odpowiedzi, poprawiło zadowolenie pracowników, pozwoliło uniknąć około 60% zgłoszeń i umożliwiło zespołowi operacji personalnych pracę przy mniejszej liczbie pracowników. Są to pomiary Ema, a nie niezależnie audytowane wskaźniki wydajności.

Inne raportowane wdrożenie obsługuje ponad 1 mln zgłoszeń dotyczących zarządzania usługami IT rocznie dla dużego dostawcy outsourcingu procesów biznesowych. Ema twierdzi, że powiązany system głosowy obsługuje ponad 1 mln połączeń w ponad 15 językach, przy czym mniej niż 10% jest eskalowanych do ludzi.

Trzeci klient, opisywany jako globalny konglomerat, miał podobno przejść od koncepcji do wdrożenia produkcyjnego w ciągu czterech tygodni. Ema twierdzi, że wdrożenie połączyło się z ponad 20 systemami źródłowymi i obsługuje ponad 40 000 pracowników.

Przykłady te pokazują, dlaczego dostawcy usług stoją przed skomplikowanym wyborem. Mogą traktować agentów jako konkurentów automatyzujących rozliczaną pracę. Mogą też wykorzystywać platformy agentowe, by efektywniej obsługiwać klientów, chronić relacje z nimi i tworzyć nowe oferty wdrożeniowe.

Chatterjee twierdzi, że wiele firm usługowych już współpracuje z Ema, jednocześnie zmieniając własne modele biznesowe. Taka współpraca ma sens, ponieważ przedsiębiorstwa nadal potrzebują projektowania procesów, ładu organizacyjnego, integracji i zarządzania zmianą. AI nie eliminuje tych potrzeb.

Największa presja dotyczy powtarzalnych zadań rozliczanych za pośrednictwem dużych zespołów. Jeśli agent potrafi rozwiązywać typowe zgłoszenia, uzgadniać rutynowe rejestry lub wykonywać standardowe kontrole, klienci zaczną kwestionować umowy oparte głównie na wolumenie pracy.

Relacja z dostawcą usług może jednak przetrwać w innej formie. Agenci wymagają kontroli dostępu, systemów oceny, zasad eskalacji i monitoringu. Organizacje regulowane potrzebują również dowodów pokazujących, do których danych agent uzyskał dostęp i dlaczego podjął określone działanie.

Niektóre firmy tworzące modele wyraźnie uznają tę rzeczywistość. Anthropic na przykład nawiązał współpracę z dużym dostawcą IT, aby osadzić Claude w systemach używanych przez branże regulowane. Sojusz z DXC obejmuje plany szkolenia inżynierów wdrażanych bezpośrednio u klientów, zamiast całkowicie eliminować pracę usługową.

Ema musi zatem udowodnić, że jej podejście oparte na produkcie zmniejsza zależność od usług dostosowanych do klienta, a nie tylko przenosi te usługi gdzie indziej. Platforma wymagająca rozbudowanej ręcznej konfiguracji dla każdego klienta osłabiłaby jej argument ekonomiczny.

Raportowana marża brutto stanowi jeden z pierwszych sygnałów. Ema twierdzi, że jej marża wynosi blisko 80%, mimo realizowania pracy zwykle kojarzonej z pracochłonnymi usługami. Chatterjee częściowo przypisuje ten poziom malejącemu zapotrzebowaniu na wsparcie ludzi w miarę uczenia się systemu na wdrożeniach.

Inwestorzy najwyraźniej wierzą, że platforma może zachować ekonomię typową dla oprogramowania, obsługując jednocześnie obciążenia przypominające usługi. Creaegis przewodził rundzie, a każdy znaczący dotychczasowy inwestor uczestniczył w niej z większym zaangażowaniem.

Nie rozstrzyga to jednak rywalizacji. Kontrakty korporacyjne mogą ukrywać istotne koszty wdrożenia, inżynierię specyficzną dla klienta i wydatki na inferencję w chmurze. Wysoka deklarowana marża brutto musi pozostać stabilna, gdy firma wchodzi do kolejnych regionów, branż i złożonych procesów.

Ema mierzy się także z dobrze finansowanymi firmami rozwijającymi agentów. Sierra silnie koncentruje się na pracy z klientami i twierdzi, że jej agenci obsługują miliardy interakcji. Raportowana runda finansowania Sierra wyceniła tę firmę na ponad 15 miliardów dolarów.

Inni konkurenci specjalizują się w obsłudze klienta, systemach głosowych, procesach działowych lub infrastrukturze agentowej. Uznani dostawcy, tacy jak Microsoft, Salesforce, ServiceNow, Workday i SAP, mogą umieszczać agentów w produktach, którym klienci już ufają.

Przewaga Ema musi wynikać z działania ponad tymi granicami. Jeśli agent każdego obecnego dostawcy pozostanie najsilniejszy w obrębie własnego pakietu, kupujący mogą preferować niezależną warstwę orkiestracji. Jeśli obecni dostawcy skutecznie współpracują między systemami, pozycja Ema staje się trudniejsza do obrony.

Agenci AI Ema opierają się na orkiestracji, a nie na jednym modelu

Teza techniczna Ema zakłada, że niezawodna automatyzacja w przedsiębiorstwie wymaga koordynacji wokół modeli językowych, a nie przywiązania do jednego dostawcy modeli.

Model językowy może zinterpretować prośbę pracownika, lecz realizacja działań w przedsiębiorstwie wymaga dodatkowych komponentów. System musi zidentyfikować użytkownika, pobrać autoryzowane dane, wybrać narzędzia, zachować kontekst, zweryfikować wyniki i rozpoznać, kiedy powinien interweniować człowiek.

EmaFusion pełni rolę warstwy routingu w architekturze Ema. Firma twierdzi, że może wybierać spośród ponad 150 wiodących modeli i modeli open source. Różne modele można przypisywać zgodnie z wymaganiami zadania, wydajnością, politykami dotyczącymi danych lub kosztami operacyjnymi.

Elastyczna względem modeli konstrukcja zmniejsza zależność od jednego dostawcy. Pozwala także Ema korzystać z sytuacji, gdy dostawca wypuszcza silniejszy model. Chatterjee opisywał postępy w czołowych laboratoriach jako korzystne dla firmy właśnie z tego powodu.

Sam dostęp do modeli zapewnia jednak ograniczoną ochronę. Konkurenci często mogą licencjonować te same modele bazowe. Możliwa do obrony wartość Ema musi opierać się na integracjach, logice procesów, mechanizmach kontroli dla przedsiębiorstw, danych ewaluacyjnych i wiedzy o tym, jak procesy działają w środowisku produkcyjnym.

Rozważmy zgłoszenie HR dotyczące polityki urlopowej. Model językowy może rozumieć pytanie, ale poprawne wykonanie zależy od aktualnych dokumentów polityki, zasad specyficznych dla lokalizacji, akt pracowniczych i uprawnień do zatwierdzania. Każde z tych źródeł może zmieniać się niezależnie.

Niezawodny agent musi rozróżniać odpowiedź na pytanie od modyfikowania oficjalnego rejestru. Musi wiedzieć, kiedy wymagana jest zgoda, kiedy kierownik musi zatwierdzić działanie i kiedy sprzeczne informacje sprawiają, że automatyzacja jest niebezpieczna.

Ta sama zasada dotyczy IT. Resetowanie dostępu, udostępnianie oprogramowania czy zmiana grupy bezpieczeństwa mogą wpływać na wrażliwe systemy. Agent potrzebuje ograniczonych uprawnień i jasnego śladu audytowego. Płynna odpowiedź nie zastąpi poprawnego wykonania.

Procesy finansowe podnoszą stawkę jeszcze bardziej. Uzgodnienia, zatwierdzanie zakupów i zmiany kont muszą podlegać formalnym kontrolom. Agent może przygotowywać lub wykonywać kroki, ale firmy potrzebują rozdziału obowiązków i ludzkiego nadzoru nad krytycznymi decyzjami.

Ema twierdzi, że jej systemy potrafią kontrolować własną pracę i kierować sprawy do zatwierdzenia, gdy jest to wymagane. Te mechanizmy są kluczowe dla wiarygodności produktu. Trudno je też ocenić na podstawie liczby klientów lub łącznego wolumenu zapytań.

Szersza obietnica platformy przypomina inteligentną płaszczyznę sterowania. Zamiast natychmiast zastępować każdy system, koordynuje istniejące środowisko za pośrednictwem wspólnego interfejsu. Z czasem rzadko używane aplikacje mogą tracić strategiczne znaczenie, jeśli agent przejmuje interakcję.

Mechanizm ten wyjaśnia, dlaczego oprogramowanie korporacyjne Ema zagraża obecnym dostawcom, jeszcze zanim klienci zrezygnują z aplikacji. Agent może osłabić bezpośrednią relację między użytkownikami a poszczególnymi produktami. Dostawcy stają się dostawcami infrastruktury pod interfejsem innej firmy.

Ten sam mechanizm wspiera ekspansję między działami. Wspólna warstwa agentowa może łączyć informacje z IT, HR i finansów, gdy proces przekracza granice organizacyjne. Wdrożenie nowego pracownika może na przykład obejmować utworzenie tożsamości, zgłoszenia dotyczące sprzętu, rejestry płacowe, potwierdzenia polityk i akceptacje kierowników.

To także obszar, w którym istotna staje się wiedza osobista i organizacyjna. Agent potrzebuje czegoś więcej niż rejestrów transakcyjnych. Może wymagać polityk, historii projektów, dokumentów i kontekstu wyjaśniającego, jak zespół faktycznie pracuje.

Dla indywidualnych pracowników wiedzy osobista baza wiedzy rozwiązuje powiązany problem w mniejszej skali. Ułatwia odnajdywanie i wykorzystywanie rozproszonych informacji bez zastępowania systemów, z których te informacje pochodzą.

Wyzwaniem Ema jest zastosowanie porównywalnej warstwy kontekstu w całej działalności przedsiębiorstwa przy zachowaniu uprawnień i rozliczalności. Im więcej systemów dotyka agent, tym cenniejsza staje się koordynacja. Rośnie jednak również potencjalny wpływ błędu.

Ten kompromis utrzymuje ludzi w systemie. Według firmy architektura Ema obejmuje ludzki nadzór nad krytycznymi decyzjami. Najsilniejsze wdrożenia prawdopodobnie zautomatyzują rutynowe ścieżki, jednocześnie kierując niejednoznaczne, wrażliwe lub wysokiego wpływu przypadki do wykwalifikowanych pracowników.

Czego liczby wzrostu Ema nadal nie dowodzą

Ema raportuje wyjątkowo silne wskaźniki ekspansji, ale firma nie ujawniła wystarczających danych finansowych, by zweryfikować trwałość swojego wzrostu.

Ema twierdzi, że ma ponad 50 aktywnych kontraktów korporacyjnych i ponad 1 milion aktywnych użytkowników biznesowych. Platforma miała podobno obsłużyć ponad 5 milionów działań i zapytań u klientów, w tym Hitachi, ADP, PwC, Google, KPMG, Wipro, Microsoft i NTT DATA.

Firma twierdzi również, że przychody wzrosły 50-krotnie w ciągu ostatnich dwóch lat. Według Chatterjee wartość zakontraktowanych przychodów przekroczyła 150 milionów dolarów, a retencja netto w ujęciu dolarowym wynosi około 180%.

Każda z tych liczb wymaga kontekstu. Pięćdziesięciokrotny wzrost może zaczynać się od niewielkiej bazy. Ema nie ujawniła przychodów początkowych ani obecnego zannualizowanego tempa przychodów, co utrudnia ocenę skali bezwzględnej.

Zakontraktowane przychody nie są tym samym co przychody rozpoznane. Wskaźnik Ema obejmuje całkowitą wartość umów wieloletnich, w tym kontraktów trwających dwa lub trzy lata. Część tej wartości zostanie rozpoznana później i może zależeć od warunków umowy lub pomyślnej realizacji.

Retencja netto w ujęciu dolarowym na poziomie blisko 180% wskazywałaby na znaczącą ekspansję wśród obecnych klientów. Czytelnicy nie znają jednak wielkości mierzonej kohorty, okresu kalkulacji ani wpływu cen opartych na wynikach na ten rezultat.

Aktywni użytkownicy i zrealizowane działania mierzą także różne rzeczy. Firma może udostępnić agenta dużej grupie pracowników, podczas gdy regularnie korzysta z niego tylko część z nich. Wolumen zapytań nie ujawnia złożoności zadań, dokładności ani liczby zgłoszeń wymagających korekty przez człowieka.

Wskazani przez Ema klienci zapewniają istotne potwierdzenie, ale zakres poszczególnych wdrożeń jest różny. Ograniczony proces działowy w dużej korporacji różni się od ogólnofirmowego zastąpienia ugruntowanego oprogramowania.

Język mówiący o zastępowaniu zasługuje więc na ostrożność. Ema ma dowody, że klienci rozszerzają wdrożenia i automatyzują istotne obciążenia pracą. Nie wykazała jednak, że duża liczba organizacji usunęła swoje podstawowe aplikacje SaaS.

W krótkim okresie rezultatem może być dodanie, a nie zastąpienie. Przedsiębiorstwa mogą nadal płacić obecnym dostawcom oprogramowania, dodając nad nimi platformę agentową. Może to poprawić doświadczenie pracowników, ale jednocześnie zwiększyć całkowite wydatki na technologię.

Ceny oparte na wynikach również rodzą pytania dotyczące pomiaru. Klient i dostawca muszą uzgodnić, co jest uznawane za ukończoną pracę. Rozwiązane zgłoszenie wsparcia nie ma wartości, jeśli rozwiązanie jest błędne, powoduje późniejszy incydent lub frustruje pracownika.

Agenci mogą generować ukryte koszty przez monitoring, obsługę wyjątków, wykorzystanie modeli, przeglądy bezpieczeństwa i utrzymanie integracji. Koszty te mogą pozostać możliwe do opanowania, lecz kupujący potrzebują pełnego rozliczenia operacyjnego, a nie wąskiego wskaźnika automatyzacji.

Bezpieczeństwo stanowi kolejną niewiadomą. Agent zdolny do działania w HR, IT i finansach otrzymuje szeroki dostęp do wrażliwych informacji i systemów biznesowych. Przejęte poświadczenia, błędne instrukcje lub zmanipulowane dane wejściowe mogą rozprzestrzeniać się na połączone procesy.

Ład organizacyjny staje się trudniejszy, gdy platforma korzysta z wielu modeli bazowych. Przedsiębiorstwa muszą rozumieć, dokąd trafiają dane, który model obsłużył żądanie, jakie zasady rządziły wyborem i jak oceniono wynik.

Ekspansja międzynarodowa zwiększa wymagania regulacyjne i lokalizacyjne. Przepisy dotyczące zatrudnienia, obowiązki w zakresie prywatności, jakość działania w różnych językach i rezydencja danych różnią się na rynkach docelowych Ema. Proces dobrze działający w jednej jurysdykcji może wymagać istotnych zmian w innej.

Presja konkurencyjna również będzie rosnąć. Dostawcy modeli mogą oferować szablony agentów i zespoły wdrożeniowe. Obecni dostawcy oprogramowania mogą łączyć agentów z istniejącymi kontraktami. Firmy usługowe mogą opracowywać własne produkty orkiestracyjne lub zostać partnerami wdrożeniowymi dla wielu platform.

Neutralna modelowo architektura Ema pomaga, lecz sama neutralność nie stanowi trwałej przewagi. Nabywcy będą oczekiwać głębszych integracji, solidniejszych ewaluacji i mechanizmów kontroli dostosowanych do konkretnych branż. Będą też porównywać wyniki Ema z agentami wbudowanymi w oprogramowanie, które już posiadają.

Finansowanie Ema w rundzie Serii B daje firmie czas i zasoby, by odpowiedzieć na te pytania. Nie eliminuje ich jednak. Najważniejsze dowody przyniosą powtarzalne wdrożenia produkcyjne, audytowane wyniki, zachowania przy odnowieniach umów oraz stabilna ekonomika.

Trzy sygnały pokażą, czy Ema może zmienić wydatki przedsiębiorstw

Kolejnym testem będzie to, czy Ema potrafi przełożyć rozwój u klientów na mierzalne ograniczenie zależności od oprogramowania i usług.

Pierwszym sygnałem jest wycofywanie aplikacji. Ema twierdzi, że niektórzy klienci zmierzają w kierunku zastępowania dużych produktów SaaS, ale nie wskazała szerokiego zestawu zakończonych takich zastąpień. Konkretne przykłady anulowanych aplikacji lub ograniczonych zobowiązań licencyjnych wzmocniłyby jej kluczową tezę.

Nabywcy powinni odróżniać mniejszą liczbę logowań pracowników od niższych wydatków na oprogramowanie. Agent może ukryć aplikację, podczas gdy firma nadal płaci za bazowy system. Rzeczywiste wyparcie wymaga zmiany umowy, mniejszego wdrożenia lub wycofania produktu.

Drugim sygnałem jest jakość ekspansji. Ema podaje, że ponad 90% klientów wyszło poza pierwszy przypadek użycia. Mocniejszym dowodem będą odnowienia umów, które utrzymają wysoką retencję netto bez dużych zespołów inżynierów zajmujących się rozwiązaniami niestandardowymi ani spadających marż.

Warto obserwować, czy marża brutto pozostanie bliska poziomowi raportowanemu przez Ema w miarę wzrostu złożoności wdrożeń. Stabilne marże potwierdzałyby tezę, że oprogramowanie może skutecznie przejmować pracę wykonywaną przez usługi. Spadające marże sugerowałyby, że automatyzacja w przedsiębiorstwach nadal wymaga znacznego udziału ludzi w realizacji.

Trzecim sygnałem będzie reakcja obecnych dostawców i partnerów. Producenci oprogramowania mogą udostępniać więcej funkcji zewnętrznym agentom, ograniczać dostęp do platformy, ulepszać własnych asystentów lub łączyć automatyzację z istniejącymi umowami. Firmy usługowe mogą opierać się wypieraniu pracy ludzi albo wykorzystywać agentów do przeprojektowania swojej oferty.

Znaczenie mają również twórcy modeli. OpenAI i Anthropic budują produkty dla przedsiębiorstw, organizacje wdrożeniowe oraz partnerstwa z konsultantami. Ich działania mogą poprawiać technologię używaną przez Ema, a jednocześnie zawężać przestrzeń dostępną dla niezależnych platform orkiestracji.

W ciągu najbliższych kilku miesięcy informacje ujawniane przez klientów będą bardziej miarodajne niż kolejny komunikat o finansowaniu. Nazwane wdrożenia powinny wyjaśniać, które procesy działają autonomicznie, czym nadal zajmują się ludzie, jak mierzy się sukces oraz czy zmieniły się umowy dotyczące starszego oprogramowania lub usług.

Nabywcy korporacyjni powinni analizować te same dowody, zanim uznają pracowników AI za zamienniki. Potrzebują dokładności na poziomie zadań, wskaźników eskalacji, mechanizmów bezpieczeństwa, całkowitych kosztów operacyjnych i odpowiedzialności umownej. Dopieszczony interfejs nie wystarczy, gdy oprogramowanie może modyfikować dane finansowe, kadrowe lub dotyczące uprawnień dostępu.

Pracownicy umysłowi również powinni zwrócić uwagę, ponieważ zmienia się interfejs do oprogramowania korporacyjnego. Pracownicy mogą poświęcać mniej czasu na poruszanie się po aplikacjach, a więcej na definiowanie rezultatów, przeglądanie wyjątków i nadzorowanie zautomatyzowanej pracy.

Ta zmiana może ograniczyć powtarzalną administrację, ale przenosi też wpływy w stronę platformy, która kontroluje kontekst i wykonanie. Organizacje muszą zdecydować, kto zarządza tą warstwą, które rejestry pozostają autorytatywne oraz w jaki sposób pracownicy mogą kwestionować decyzję agenta.

Finansowanie Ema w rundzie Serii B sprawia, że trudniej traktować tę rywalizację jako eksperyment produktowy. Firma ma teraz 77 mln USD nowego kapitału, aby oferować bezpośrednią alternatywę dla opartych na usługach operacji przedsiębiorstw.

Pytanie dla nabywców jest konkretne: czy agenci AI Ema mogą usunąć aplikacje, pracę wdrożeniową i koszty operacyjne bez osłabiania kontroli? Należy śledzić rzeczywiste wycofania produktów, ekonomikę odnowień oraz zweryfikowane wyniki produkcyjne. Te sygnały pokażą, czy Ema zmienia wydatki przedsiębiorstw, czy jedynie dodaje do nich kolejną warstwę.