Ekskluzywnie: Startup AI Sapien pozyskuje finansowanie z wyceną 180 mln USD, aby pomagać firmom odkrywać, co faktycznie napędza zyski
Najważniejsze informacje
- •Sapien pozyskał nową rundę finansowania pod kierownictwem Ali Partoviego z Neo przy wycenie 180 mln USD, dwa lata po uruchomieniu z rundą seed 8,7 mln USD prowadzoną przez General Catalyst.
- •Sapien przebudował analizę rentowności Carlex w około 20 minut i wykrył, że czynniki uznane za wnoszące 10 mln USD w EBITDA faktycznie generowały stratę 2 mln USD, oraz odkrył przeoczoną okazję wartą 1,5 mln USD.
- •Klientami firmy są m.in. Bayer, Carlex, Cooper Standard, Blink Charging i Westgate Resorts, a zatrudnienie wzrosło pięciokrotnie w ciągu ostatniego roku.
- •Sapien przeszedł od planowania FP&A w kierunku opartej na AI analityki badawczej łączącej wyniki finansowe z decyzjami operacyjnymi, celowo unikając stania się „kopilotem do Excela”.
- •CEO Ron Nachum mówi, że największą przeszkodą we wdrażaniu AI w finansach jest zaufanie do odpowiedzi, obejmujące dokładność danych, wiarygodność i bezpieczeństwo.

Startup AI Sapien pozyskał nową rundę finansowania pod przewodnictwem Ali Partoviego z Neo przy wycenie 180 mln USD, jako że dwuletnia firma wykracza poza oprogramowanie do planowania finansowego w kierunku szerszego systemu analizującego, jak decyzje operacyjne wpływają na wyniki finansowe przedsiębiorstwa. Jej klientami są obecnie m.in. Bayer, Carlex, Cooper Standard, Blink Charging i Westgate Resorts.
Ewolucja firmy jest widoczna w sposobie, w jaki klienci korzystają z platformy. Zgodnie z nadchodzącym studium przypadku, które Fortune miało okazję przejrzeć, Sapien przebudował istniejącą analizę rentowności dostawcy motoryzacyjnego Carlex i stwierdził, że czynniki, które firma uznała za wnoszące 10 mln USD dodatniego EBITDA, w rzeczywistości generowały stratę w wysokości 2 mln USD.
Później Sapien odkrył dodatkową okazję wartą 1,5 mln USD w wzorcu kanału klienta, którego zespół Carlex wcześniej nie badał. Analiza zajęła około 20 minut.
„Zajęło to 20 minut” — powiedział Jason Waltz, wiceprezes ds. finansów jednostki biznesowej Aftermarket Division w Carlex. „Prawdopodobnie zajęłoby nam to dwa tygodnie i prawdopodobnie nie doszlibyśmy do takiego poziomu szczegółowości”.
Tego rodzaju badania stanowią coraz większy obszar koncentracji Sapien, którego założyciele Ron Nachum, Pranav Ravella i Arya Grayeli uruchomili firmę w 2024 r. dzięki rundzie seed o wartości 8,7 mln USD pod kierownictwem General Catalyst. Firma należy do fali startupów zastosowujących duże modele językowe i agentów AI w finansach korporacyjnych — obszarze od dawna zdominowanym przez procesy oparte na arkuszach kalkulacyjnych oraz narzędzia takie jak Anaplan, Workday Adaptive Planning i Pigment — choć Sapien pozycjonuje się wokół analityki badawczej, a nie planowania i raportowania.
Firma szybko się też rozrosła — zatrudnienie wzrosło pięciokrotnie w ciągu ostatniego roku — łącząc badaczy i inżynierów AI z Meta, Google i Palantir z kadrami zarządzającymi i praktykami z McKinsey & Company, Blackstone, Barclays i Plaid. Nachum, Ravella i Grayeli poznali się w szkole średniej, a następnie uczęszczali odpowiednio do Harvardu, Stanforda i University of Texas at Austin.
Od FP&A do decyzji operacyjnych
Gdy Fortune po raz pierwszy rozmawiało z Nachumem, pełniącym funkcję CEO, dwa lata temu, Sapien koncentrował się na FP&A — planowaniu finansowym i analizie, czyli funkcji finansowej odpowiedzialnej za budżetowanie, prognozowanie i wyjaśnianie odchyleń między planami a wynikami. Firma przesunęła się następnie w kierunku szerszego pytania: nie tylko co się stało z wynikami finansowymi firmy, ale jakie decyzje operacyjne je spowodowały.
Nachum opisuje Sapien jako system finansowo-operacyjny, który łączy liczby ze sprawozdań finansowych firmy z jej faktyczną działalnością. Chodzi o to, aby pomóc zespołom finansowym i operacyjnym badać zmiany przychodów, marż i przepływów pieniężnych, identyfikować ich przyczyny, a następnie działać na podstawie tych ustaleń.
To inna propozycja niż dodanie kolejnego pulpitu czy automatyzacja kolejnego raportu. Sapien zakłada, że AI może przejąć więcej pracy badawczej tradycyjnie wykonywanej przez zespoły finansowe i operacyjne.
Carlex rozszerzył następnie wykorzystanie Sapien na ceny, zapasy, zamówienia klientów, wyceny OEM, łańcuch dostaw i operacje — powiedział Nachum. Cooper Standard i Blink Charging korzystają z platformy w podobny sposób, zgodnie ze studiami przypadku: analizy, które wcześniej zajmowały godziny lub dni, są skracane do minut, a zespoły używają wyników do identyfikowania potencjalnych oszczędności i poprawy marż.
Czynnik zaufania
Według Nachuma największą przeszkodą we wdrażaniu AI w finansach niekoniecznie jest to, czy technologia potrafi wygenerować odpowiedź.
„Każda duża firma jest bogata w dane, ale uboga w analizy” — powiedział. Trudniejszą częścią jest — jego zdaniem — zdobycie zaufania zespołów finansowych do odpowiedzi: czy podstawowe liczby są poprawne, czy analiza jest wiarygodna i czy dane firmy pozostają bezpieczne. To obawa wykraczająca poza Sapien: ryzyko halucynacji i zarządzanie danymi pozostają powszechnie cytowanymi barierami wdrażania generatywnej AI w przedsiębiorstwach, szczególnie w funkcjach takich jak finanse, gdzie wyniki zasilają decyzje o bezpośrednich konsekwencjach finansowych.
Dlatego zaufanie stanowi centralny element podejścia Sapien. Gdy zespoły poczują się komfortowo korzystając z platformy do analiz finansowych — powiedział Nachum — jej użycie może rozszerzyć się na takie funkcje jak łańcuch dostaw, sprzedaż i księgowość.
Ekspansja odzwierciedla też szersze odejście Sapien od roli narzędzia FP&A. Zamiast traktować finanse jako samodzielną funkcję, firma próbuje powiązać wyniki finansowe z decyzjami operacyjnymi, które je generują.
Jednym z kluczowych założeń Nachuma jest uniknięcie przekształcenia firmy w to, co nazywa „kopilotem do Excela”. Celem jest zbudowanie systemu, który potrafi badać działalność przedsiębiorstwa, znajdować istotne wzorce i ostatecznie pomagać zespołom przekształcać te ustalenia w powtarzalne procesy.
Dla Sapien to ostatecznie większa okazja: wykorzystanie AI nie tylko do przyspieszania istniejących prac finansowych, ale do znajdowania decyzji operacyjnych, które mogą istotnie zmienić wyniki finansowe firmy. To, jak szeroko to podejście rozprzestrzeni się poza wczesnych klientów, takich jak Carlex i Cooper Standard, będzie kluczową miarą tego, czy nowa wycena 180 mln USD utrzyma się wraz ze skalowaniem firmy.
Autor: Sheryl Estrada (Sheryl.Estrada@fortune.com). Artykuł ukazał się pierwotnie na Fortune.com.