Rippling прагне стати вашим повним стеком даних

• Новий продукт Rippling Data Cloud інтегрує аналітику даних безпосередньо в системи управління людським капіталом, прагнучи замінити окремі інструменти BI.
• Функціонал дозволяє виявляти неефективність витрат на AI-інструменти, оптимізувати розподіл ресурсів та аналізувати продуктивність команд.
• Компанія також запускає Business Banking, пропонуючи бізнес-рахунки та обробку зарплат у день виплати, конкуруючи з фінтех-гравцями.

Ідея, яку активно просуває Паркер Конрад, полягає в тому, що значна частина аналітики даних має бути інтегрована в системи управління людським капіталом. Це стратегічний хід, який дозволяє Rippling, компанії, що стартувала як розробник HR-софту, напряму конкурувати з платформами для бізнес-аналітики.

Сучасний стек даних — це складна екосистема інструментів від різних постачальників, яку компанії змушені поєднувати. Процес простого перенесення даних із різних бізнес-систем у сховище вже сам по собі є величезною індустрією, яку охоплюють такі гравці, як Fivetran та Airbyte. Потім потрібне місце для зберігання та обробки запитів, наприклад, Snowflake, інструмент для трансформації та очищення даних, як dbt Labs, і, нарешті, шар візуалізації, як Tableau.

Аргумент Конрада полягає в тому, що Rippling об’єднує всі ці компоненти в єдину систему, додаючи те, чого бракує іншим: глибоке розуміння структури організації, її постійно мінливих звітних ланцюжків та всього, що залежить від коливань ключових показників. Саме для цього розроблено Rippling Data Cloud, офіційний запуск якого відбувся у четвер.

Щоб продемонструвати можливості продукту, Конрад ділиться екраном зі свого офісу в Сан-Франциско, а потім показує, які інсайти Rippling отримав, проаналізувавши дані власного персоналу.

«Ми виявили співробітників, які активно використовували інструменти на кшталт «Claude», що аналізує їхній календар та електронну пошту, складаючи плани роботи, — розповідає Конрад. — Це обходилося компанії в 30 000 доларів на рік».

Він швидко додає, що ніхто не діяв навмисно неправильно, але повернення інвестицій було вкрай низьким. Це той тип знахідок, які більшість компаній наразі не мають можливості виявити.

Далі він демонструє живу панель приладів, створену шляхом простого запиту до Rippling AI для аналізу останнього циклу оцінки компенсацій у компанії: розподіл рейтингів продуктивності, показники підвищення за відділами, співвідношення заробітних плат — все це з можливістю деталізації до окремого співробітника. Потім він відкриває іншу панель, яка перехресно зіставляє обсяг звернень до служби підтримки з Salesforce з даними про розклад співробітників. Це дозволяє миттєво визначити, які команди перевантажені, а які ні. Наприклад, команда з реєстрації має значний недолік персоналу, тоді як команда подорожей обробляє більш ніж удвічі більше незакритих запитів, ніж команда платформи.

Однак приклад, який, здається, найбільше захоплює Конрада, стосується проблеми, що хвилює багатьох керівників сьогодні: витрати на AI-токени. Він демонструє панель, що поєднує дані про використання від Anthropic, інформацію з GitHub та власні рейтинги продуктивності Rippling, щоб оцінити, які інженери дійсно отримують користь від своїх AI-інструментів, а які просто марнують кошти без видимих результатів.

«Найбільш продуктивні співробітники витрачають найбільше, що, в принципі, очікувано», — зазначає Конрад. Але панель також виділяє інженерів з високими витратами та частими відхиленнями коду в рецензіях від колег. «Якщо ваші колеги постійно просять вас переробити роботу, можливо, ви генеруєте багато неякісного коду», — додає він.

Цей аналіз вже спонукав Rippling до зниження лімітів витрат для певних співробітників. Продукт також може бути налаштований для сповіщення менеджерів або автоматичного блокування доступу, коли співробітники перевищують встановлені ліміти витрат.

Щодо впливу на власну прибутковість Rippling, коли клієнти перевищують свої ліміти токенів, Конрад не надає конкретних цифр, посилаючись на те, що «це ще досить рано». Однак він спростовує ідею, що Rippling субсидує використання послуг клієнтами. «Ми не втрачаємо грошей, — запевняє він, — але наша мета — зберегти ціни якомога доступнішими для клієнтів». Базовий тарифний план, що включає Rippling AI, коштує близько 20 доларів на місяць, а за інтенсивне використання стягується додаткова плата. Наразі продуктом користуються близько 560 компаній, а щомісячний дохід від нього становить приблизно від 5 до 7 мільйонів доларів.

Стосовно того, які AI-моделі лежать в основі зростаючого пакету AI-рішень Rippling, Конрад зазначає, що компанія має нового фаворита. «Ми нещодавно перенесли значну частину нашої інфраструктури з Anthropic на OpenAI», — говорить він, вважаючи модель 5.5 від OpenAI «кращою та економічно вигіднішою» для завдань Rippling. Він також підкреслює, що баланс постійно змінюється, і компанія використовує різні моделі для різних завдань.

Rippling Data Cloud є найпомітнішим запуском цього тижня, але не єдиним. Раніше компанія також представила Business Banking — послугу, що пропонує ощадний рахунок з високою процентною ставкою та обробку зарплати в той же день. Ця функція, за словами Конрада, усуває ментальне навантаження від управління двома часовими шкалами одночасно. Більшість систем розрахунку заробітної плати вимагають попередньої обробки за 2-4 дні; банківський продукт Rippling дозволяє компаніям проводити виплати в день оплати праці, приймаючи зміни до 13:00 дня виплати.

Це прямий виклик фінтех-компаніям, таким як Ramp, яка нещодавно залучила 750 мільйонів доларів при оцінці в 44 мільярди доларів — майже втричі більше, ніж 16,8 мільярда доларів, визначених інвесторами Rippling минулого року. Ramp позиціонує себе як фінансову операційну систему для компаній, що працюють з витратами на AI. Конрад вітає порівняння, зазначаючи, що банківський бізнес Rippling наразі значно менший за Ramp, але «дуже швидко зростає і демонструє чудові результати», а «централізація всього цього має певні переваги».

Конрад зазначає, що Rippling, в цілому, ще приблизно два роки до досягнення точки беззбитковості, витрачаючи 45-50% свого доходу на дослідження та розробки, порівняно з приблизно 8-9%, які витрачають публічні HR-компанії, такі як Paylocity та Paycom. Тобто, вартість розробки всього власними силами є ключовою, а перевагою — система, яка може легко відповідати на запитання, не вдаючись до складних комбінацій інструментів від чотирьох різних постачальників.

Щодо IPO, Конрад чітко дає зрозуміти, що він не поспішає, навіть незважаючи на сприятливий момент на ринку. «Публічні ринки стали свого роду будинком для пенсіонерів компаній з повільним зростанням», — говорить він, додаючи, що він «не є релігійним щодо цього, ані за, ані проти», хоча це звучить протилежно. Наразі, категорично заявляє він: «Ми не виходимо на IPO. Навіть з натяком «підморгни, підморгни»».

Інформація підготовлена на основі матеріалів: techcrunch.com