Runable ने AI एजंट्सना 'व्यवसाय उभारण्यापासून' ते 'व्यवसाय वाढवण्याकडे' वळवण्यासाठी $21M उभारले

बेंगळुरूस्थित AI स्टार्टअप Runable ने आपल्या AI-आधारित वेबसाइट बिल्डरकडून लहान व्यवसायांसाठी 'फुल-स्टॅक ग्रोथ टास्क' (full-stack growth tasks) हाताळणाऱ्या स्वायत्त एजंट्सच्या (autonomous agents) संचाकडे वळण्यासाठी $21 दशलक्षच्या Series A राउंडची घोषणा केली आहे. मार्चमध्ये आपली पेमेंट सिस्टीम लाँच केल्यानंतर अवघ्या तीन आठवड्यांत कंपनीने $2 दशलक्षचा वार्षिक महसूल (annualised revenue run-rate) नोंदवला आहे, त्यानंतर हे फंडिंग मिळाले आहे.

कोड जनरेशनपासून रेव्हेन्यू जनरेशनपर्यंत

बहुतेक प्रमुख AI टूल्स—सॉफ्टवेअर लिहिणारे किंवा डीबग करणारे कोडिंग असिस्टंट्स—डेव्हलपर्सना उत्पादने तयार करण्यास मदत करतात. Runable चे संस्थापक उमेश कुमार आणि सक्षम सारडा यांनी २०२५ मध्ये कंपनी सुरू केली, जेणेकरून तांत्रिक ज्ञान नसलेले संस्थापक नैसर्गिक भाषेतील प्रॉम्प्ट्स (natural-language prompts) टाईप करून वेबसाइट्स, मोबाईल ॲप्स आणि स्लाईड डेक्स तयार करू शकतील. नवीन भांडवलामुळे त्यांना तो "no-code" चा शब्द आता "grow" (वाढवणे) टप्प्यापर्यंत नेणे शक्य होईल: AI एजंट्स सर्च-इंजिन व्हिजिबिलिटी ऑप्टिमाइझ करतील, सोशल मीडिया मोहिमा चालवतील, मार्केटिंग कॉपी तयार करतील आणि AI चॅटबॉट निकालांमध्ये ब्रँडची उपस्थिती वाढवतील.

त्यांचे उद्दिष्ट साधे आहे: आउटसोर्स केलेली एजन्सी किंवा अर्धवेळ मार्केटर्सना एका अशा 'ऑलवेज-ऑन' असिस्टंटने बदलणे, जो मानवी हस्तक्षेपाशिवाय वाढीच्या प्रयोगांचे नियोजन, अंमलबजावणी आणि सुधारणा करू शकेल.

वास्तविक मागणी दर्शवणारी प्रगती

Runable चे मेट्रिक्स सूचित करतात की बाजार तयार आहे. प्लॅटफॉर्मवर आता अंदाजे १७ लाख नोंदणीकृत वापरकर्ते आहेत आणि गेल्या ९० दिवसांत या वापरकर्त्यांनी एक ट्रिलियनपेक्षा जास्त टोकन्स (tokens) वापरले आहेत—जे लार्ज लँग्वेज मॉडेल्सना चालवणारी कामाची एक युनिट आहे. या टोकन वापरापैकी ६० ते ७० टक्के वापर सशुल्क (paying) ग्राहकांकडून होतो, ज्यावरून असे दिसून येते की वापरकर्त्यांचा एक मोठा हिस्सा AI च्या आउटपुटसाठी पैसे खर्च करण्यास तयार आहे.

पेमेंट गेटवे सुरू झाल्यानंतर महसुलात झालेली झपाट्याने वाढ ही "pay-as-you-go" AI सेवांच्या मागणीकडे निर्देश करते. कंपनी सध्या 'नेगेटिव्ह ग्रॉस मार्जिन' (negative gross margins) नोंदवत आहे कारण ती आपल्या ग्राहकांसाठी AI वापरासाठी सबसिडी देते. संस्थापकांचे म्हणणे आहे की जसे 'इन्फरन्स कॉस्ट' (inference costs)—म्हणजेच सर्व्हरवर मॉडेल चालवण्याचा खर्च—कमी होत जाईल आणि ते थर्ड-पार्टी लार्ज लँग्वेज मॉडेल्ससोबत स्वतःची प्रोप्रायटरी मॉडेल्स (proprietary models) देखील आणतील, तसे आर्थिक गणित सुधारेल.

गर्दीच्या क्षेत्रात Runable स्वतःला वेगळे कसे ठरवते

AI एजंट मार्केटमध्ये आधीच मोठे मॉडेल प्रदाते आणि स्पेशालिस्ट एजंट्सची संख्या वाढत आहे. Runable चे वैशिष्ट्य म्हणजे त्याचा "all-in-one" दृष्टिकोन. अनेक कोडिंग एजंट्स ॲनालिटिक्स, डिप्लॉयमेंट पाईपलाईन्स आणि जाहिरात प्लॅटफॉर्म्सचे एकत्रीकरण वापरकर्त्यावर सोडतात, परंतु Runable हे सर्व घटक अंतर्गतरीत्या हाताळण्याचा प्रयत्न करत आहे. सिद्धांतानुसार, एखादा छोटा व्यवसाय एकाच डॅशबोर्डवरून वेबसाइट लाँच करू शकतो, तिचे SEO ऑप्टिमाइझ करू शकतो, पेड-सर्च मोहीम राबवू शकतो आणि कामगिरीवर लक्ष ठेवू शकतो.

एक व्यावहारिक अडथळा अजूनही कायम आहे: जाहिरात ऑटोमेशन. सध्याचे प्रोटोटाइप्स जटिल जाहिरात क्रिएटिव्ह्स तयार करू शकतात, परंतु ते प्रकाशित करण्यासाठी अजूनही Meta किंवा Google सारख्या प्लॅटफॉर्मसाठी वापरकर्त्याच्या क्रेडेंशियल्सची (credentials) आवश्यकता असते. Runable म्हणते की ते भागीदारीद्वारे "soft wedges" चाचणी करत आहेत, ज्यामुळे ChatGPT सारख्या संवादात्मक AI इंटरफेसमध्ये थेट जाहिराती लावता येतील, ज्यामुळे पारंपारिक ॲड-अकाउंट सेटअपची गरज टाळता येईल. हे उपाय प्लॅटफॉर्मच्या धोरणांचे उल्लंघन न करता मोठ्या प्रमाणावर वापरता येतील का, हे अद्याप सिद्ध झालेले नाही.

जोखीम आणि प्रतिवाद

या बदलामुळे (pivot) काही प्रश्न निर्माण होतात. पहिले म्हणजे, थर्ड-पार्टी लार्ज लँग्वेज मॉडेल्सवरील अवलंबित्व Runable ला किंमतीतील बदल किंवा प्रवेशावरील निर्बंधांच्या जोखमीत टाकते, ज्यामुळे त्याचे युनिट इकॉनॉमिक्स (unit economics) बिघडू शकते. दुसरे म्हणजे, "soft wedge" जाहिरात धोरणाला प्रमुख ॲड नेटवर्क्सकडून विरोध होऊ शकतो, जे त्यांच्या इकोसिस्टमचे काटेकोरपणे रक्षण करतात. तिसरे म्हणजे, नेगेटिव्ह ग्रॉस मार्जिनवरून असे दिसते की कंपनी वापरकर्ते मिळवण्यासाठी अजूनही मोठ्या प्रमाणात पैसा खर्च (burn cash) करत आहे; नफा मिळवण्याच्या प्रयत्नात हा खर्च टिकवून ठेवणे हे कोणत्याही नवीन व्यवस्थापन टीमसाठी आव्हानात्मक असेल.

शेवटी, स्पर्धात्मक दबाव तीव्र आहे. मॉडेल प्रदाते त्यांच्या स्वतःच्या प्लॅटफॉर्ममध्ये एजंट क्षमतांचा समावेश करू शकतात आणि विशिष्ट चॅनेलवर (उदा. ईमेल किंवा SEO) लक्ष केंद्रित करणारे स्पेशालिस्ट एजंट्स त्या क्षेत्रात जनरललिस्टपेक्षा सरस ठरू शकतात. Runable ला हे सिद्ध करावे लागेल की त्यांच्या कामाचा विस्तार (breadth) करताना गुणवत्तेत (depth) घट होणार नाही.

काय पाहावे

  • उत्पादन रोलआउट: वाढीवर लक्ष केंद्रित करणारे एजंट्स लाँच करण्याची कालमर्यादा हे दर्शवेल की Runable प्रोटोटाइपच्या पलीकडे जाऊन बाजारपेठेतील हिस्सा मिळवण्यासाठी पुरेसा वेगवान निर्णय घेऊ शकेल का.
  • युनिट-इकोनॉमिक्समधील बदल: ग्रॉस मार्जिन आणि टोकन-खर्चातील कपातीवरील त्रैमासिक अपडेट्स हे स्पष्ट करतील की खर्चाच्या वक्राबाबतची (cost-curve) गृहितके खरी ठरतील का.
  • भागीदारीचे परिणाम: वापरकर्त्याच्या क्रेडेंशियल्सशिवाय जाहिरात प्लेसमेंट सक्षम करणारे ठोस करार हे एक संरक्षण कवच (moat) ठरू शकतात—किंवा कायदेशीर पेच देखील बनू शकतात.
  • स्पर्धात्मक प्रतिसाद: मोठ्या AI लॅब्सद्वारे इंटिग्रेटेड ग्रोथ एजंट्स लाँच करण्याच्या हालचाली Runable ला एका विशिष्ट क्षेत्रात (niche) मर्यादित करू शकतात किंवा स्वतःच्या वैशिष्ट्यांचा विस्तार जलद करण्यास भाग पाडू शकतात.

निष्कर्ष

Runable कडून उभारण्यात आलेले $२१ दशलक्ष हे गुंतवणूकदारांचा असा विश्वास दर्शवते की, AI केवळ उत्पादकता वाढवणारा सहाय्यक न राहता लहान व्यवसायांसाठी महसूल वाढवणारे इंजिन बनू शकते. कंपनीची सुरुवातीची प्रगती—कोट्यवधी वापरकर्ते, ट्रिलियन टोकन्सवर झालेली प्रक्रिया आणि बहु-मिलियन डॉलर्सचा महसूल रन-रेट—अशा ऑटोमेशनची मागणी दर्शवते. तरीही, शाश्वत नफाक्षमतेचा मार्ग तांत्रिक, आर्थिक आणि स्पर्धात्मक अडथळ्यांनी भरलेला आहे. हे स्टार्टअप जाहिरात एकत्रीकरण, मार्जिनचा दबाव आणि स्वायत्त बिझनेस एजंट्स तयार करण्याच्या व्यापक स्पर्धेचा सामना कसा करते, यावरून ते केवळ AI च्या लाटेचा फायदा घेणार की लहान कंपन्या ऑनलाइन कशा वाढतात याचे स्वरूप बदलणार, हे ठरवले जाईल.