Проєкт, що зазнав невдачі, оживляється: чому a16z виписує чек на 35 мільйонів доларів цій «стягнення» компанії?

Написано: Leo

Уявіть собі таку ситуацію: ви CFO відомого споживчого бренду, і продукція вашої компанії продається в таких великих ритейлерах, як Target, Walmart, Amazon тощо. На папері все виглядає ідеально. Але щомісяця під час розрахунків ви виявляєте дивну річ: сума, яку ці ритейлери сплачують, завжди приблизно на 20% менша, ніж зазначено в рахунках. Не раз і не два — це відбувається щомісяця. Ви хочете довести, що вони недоплатили, але щоб зробити це, вашій команді потрібно переглядати сотні сторінок відвантажувальних записів, заходити на десятки різних ритейлерських порталів, звіряти тисячі позицій у деталях інвойсів. Який це масштаб роботи? Вашій фінансовій команді взагалі не під силу це опрацювати, і врешті-решт їм доводиться відмовитися від стягнення тих відрахувань, які менші за сумою, і дивитися, як кілька мільйонів доларів прослизають крізь пальці.

Це не вигаданий сюжет, а реальна історія, яка щодня трапляється в індустрії товарів повсякденного попиту. Нещодавно я детальніше розібрався в компанії під назвою Glimpse: вони щойно залучили 35 млн доларів серії A, яку очолив Andreessen Horowitz. Ця компанія — випускник Y Combinator — вирішує за допомогою AI больову точку для галузі вартістю понад тисячу мільярдів доларів: суперечки щодо retail deductions (відрахувань). Коли я побачив їхні дані, мене вразило: споживчий бренд на $1 млрд — AI agent Glimpse — менш ніж за 24 години перевірив 17 000 записів про відрахування, виявивши дохід, який можна повернути на мільйони доларів. А якби це робити вручну, цей обсяг роботи потребував би майже два роки.

Найдорогоцінніші приховані витрати ритейлу

Перш ніж зануритися в рішення Glimpse, я хочу пояснити, наскільки серйозна проблема відрахувань у ритейлі. Багато хто може не знати, що транзакції між споживчими брендами та ритейлерами не такі прості, як уявляє пересічна людина. Бренд виставляє рахунок ритейлеру, ритейлер оплачує — ніби все прямо й зрозуміло. Але в реальності ритейлери майже завжди під час оплати віднімають частину суми, а потім надають причину — наприклад, пошкодження товару, дефіцит відвантажень, невідповідність пакування вимогам тощо.

Деякі відрахування є обґрунтованими — так, інколи це справді проблема з боку бренду. Але значна частина відрахувань є недійсними, тобто бренд не робив нічого неправильно, однак ритейлер все одно забрав гроші. Проблема в тому, що щоб довести такі відрахування як недійсні, потрібен надзвичайно рутинний і виснажливий процес. Фінансова команда має заходити в кілька систем ритейлерів, витягати розкидані документи, послідовно перевіряти деталі, звіряти їх із внутрішніми записами, а потім керувати всім процесом суперечок. Цей процес настільки складний і тривалий, що більшість брендів може обиратиково працювати лише з тими відрахуваннями, які мають великі суми, а інші — просто приймають як втрати від витрат.

Один показник, який я побачив, справив на мене сильне враження: аналітики галузі оцінюють, що споживчі компанії щороку втрачають 8 млрд доларів потенційно ефективних суперечок через недостатність операційних можливостей — і ці суми не встигають стягнути. Це не дрібниця. Для компанії середнього масштабу недійсні відрахування можуть становити 5% і навіть більше від retail-виручки. Уявіть: якщо ваша річна ритейл-виручка — 100 млн доларів, то 5 млн доларів випаровуються в цьому процесі, і ви не можете їх повернути, бо вам бракує людей і систем для опрацювання.

Ще гірше, що складність цієї проблеми постійно зростає. Наприклад, у Amazon Vendor Central є понад 30 різних категорій відрахувань — від затримок відвантаження до порушень вимог до пакування; і в кожній категорії свої правила та процеси суперечок. Фінансові команди середнього розміру споживчих компаній зазвичай складаються лише з кількох людей — і їм просто не вистачає ресурсів, щоб обробити навіть половину суперечок по відрахуваннях. Саме тому ця проблема роками існувала, аж доки сьогоднішнє дозрівання технологій AI не зробило її вирішення можливим.

Наскільки потужне AI-рішення Glimpse

Коли я дізнався, як саме працює Glimpse, я зрозумів: вони знайшли дуже розумний напрям для входу. Вони не намагалися будувати універсальне фінансове ПЗ — вони зосередилися на вирішенні конкретної, але масштабної проблеми: автоматизації аудиту та процесу суперечок щодо retail deductions. Їхня платформа використовує AI agents, щоб виконувати весь процес — від збору даних до розв’язання суперечок — повністю автоматизовано.

Конкретно: спочатку система автоматично заходить у портали різних ритейлерів, знаходить усі релевантні документи та збирає їх в одному місці. Це звучить просто, але на практиці дуже складно, бо системи кожного ритейлера різні, а формати даних — цілком відмінні. Десь EDI (Electronic Data Interchange), десь PDF-документи, десь листи, десь заховано глибоко на сторінках сайту. AI Glimpse має розуміти всі ці різні джерела даних і об’єднувати їх в єдиний зріз.

Далі система класифікує кожне відрахування. Цей крок виглядає простим, але насправді він потребує глибокого розуміння бізнес-логіки. AI має знати, який це тип відрахування, які продукти задіяні, коли сталася подія, і до якого саме замовлення це відноситься. Потім він звіряє ці відрахування з внутрішніми даними бренду — наприклад, записами зі supply chain, промо-календарями, відвантажувальними листами тощо. Через такі перехресні перевірки AI може визначити, які відрахування є обґрунтованими, а які — недійсними.

Найголовніше: коли система виявляє недійсні відрахування, вона не зупиняється на цьому — автоматично подає заявку на суперечку, супроводжує весь процес, відстежує прогрес повернення готівки та синхронізує всю інформацію з ERP-системою бренду. Увесь процес від початку до кінця автоматизований і не потребує ручного втручання. Звісно, Glimpse також зберігає елементи участі людей — переважно для забезпечення якості результатів, наприклад, щоб супроводжувати суперечки для просування їхнього вирішення та повернення готівки, а також для контролю якості на ключових етапах, зокрема в класифікації й витяганні даних.

Найкрутіше, на мою думку, те, що система стає розумнішою в міру використання. Після кожної обробки відрахування вона навчається й удосконалює свої можливості — оптимізує класифікацію, валідацію та розв’язання. З часом це створює комбіновану перевагу на базі даних: кожна нова інтеграція, кожен новий клієнт робить всю мережу розумнішою та ефективнішою. Саме тому Glimpse досягає 91% win-rate у суперечках і водночас скорочує до 80% часу ручної праці.

Є один кейс клієнта, який особливо добре ілюструє це. Evermark — материнська компанія бренду Suave та Chapstick. Їхній директор з FP&A, Sean Quinn, каже: “Як і більшість великих споживчих брендів, Evermark раніше змушений був встановлювати мінімальний поріг суми для тих відрахувань, які можна розглядати, бо просто не вистачало часу або людей, щоб перевіряти кожне відрахування. Використовуючи AI-автоматизацію аудиту та процесів звірки від Glimpse, ми не лише скасували цей поріг, а й відкрили нове джерело грошового потоку — це принесе мільйони доларів виручки, які раніше вважалися ‘списанням’ або витратами ведення бізнесу”. Ключова думка тут — “скасували поріг”: раніше вони могли обробляти лише ті відрахування, що перевищували певне число, а тепер перевіряється кожне відрахування. Це означає, що величезна кількість невеликих відрахувань, які раніше ігнорувалися, тепер може бути повернена.

Від провалу до успіху: трансформаційна історія трьох друзів із Purdue University

Сама історія засновників Glimpse дуже цікава — вона демонструє одну з найважливіших речей в підприємництві: здатність швидко тестувати гіпотези й рішуче змінювати напрям. Засновники Akash Raju, Anuj Mehta та Kushal Negi — однокурсники в Purdue University. Спочатку їхні проєкти були абсолютно іншими, ніж зараз: компанія, що вбудовувала продукти для Airbnb. Цей проєкт стартував у 2020 році, але до 2024 року засновники зрозуміли, що product-market fit недостатній, і вирішили повністю здійснити pivot.

У словами Akash Raju: “Зрештою ми відчули, що product-market fit нам не підходить, тож вирішили зробити жорсткий перезапуск. У процесі ми доторкнулися до бек-офісів брендів і до хаосу в тому, як усе продається в роздробі — і це зрештою підштовхнуло нас створити сьогоднішній Glimpse”. Такий pivot вимагає неймовірної сміливості, адже це означає відмовитися від усієї попередньої роботи й почати з нуля. Але саме це рішення привело їх до по-справжньому цінної проблеми.

Ще більше мене вражає: під час трансформації засновницька команда інколи навіть не виплачувала зарплату — повністю тримаючись на пристрасті до продукту та вірі в нього. Цей принцип “не здаватись, поки не досягнеш мети” проходив крізь усе, що вони робили. І ця наполегливість була також визнана інвесторами. Вони познайомилися з інвесторами Andreessen Horowitz через спільного друга-засновника, а зі зростанням бізнесу вибудували глибокі стосунки — що зрештою і призвело до цього раунду на 35 млн доларів.

Цікаво, що в цій сесії фінансування є ще й своя історія в назві. Минулого року Glimpse, після pivot у бізнесі, отримав 10 млн доларів фінансування, очолюваного 8 VC, і тоді це називали серією A. Тепер цей раунд на 35 млн доларів теж називається серією A, а попередні 10 млн доларів були перекатегоризовані як seed-раунд. Додатково до фінансування до pivot компанія загалом уже залучила 52 млн доларів. Така гнучкість у найменуванні раундів в стартап-середовищі не є чимось рідкісним — особливо для компаній, які пережили значний pivot.

Спроможність команди до виконання видно ще з їхніх результатів у 2025 році. Коли вони входили в 2025 рік, вони вже визначили чітку стратегію: наймати сильних людей і працювати разом, глибоко вбудовуватися в робочі процеси клієнтів, використовувати офлайн-орієнтовані ринкові стратегії. Внутрішній слоган команди — “повсюдність”: будувати довіру через регулярну присутність і допомогу. Ця стратегія спрацювала. У 2025 році вони досягли 10-кратного зростання виручки; збільшили на 10x суму повернених клієнтами доходів; обсяг оброблених інвойсів зріс у 5 разів до 1 млрд доларів; чисельність команди зросла у 5 разів до понад 25 людей; кількість клієнтів збільшилася у 3 рази до понад 150 споживчих брендів.

Справжня цінність AI Agent у фінансовій автоматизації

Кейс Glimpse змусив мене глибше усвідомити цінність AI agent у корпоративних застосуваннях. У минулому році всі говорили про AI agent, але часто це залишалося на рівні концепцій або demo-стадії. Натомість Glimpse показав реальну цінність, яку AI agent може створювати в живих бізнес-сценаріях: він напряму впливає на маржу прибутку.

Я вважаю, що ключ успіху Glimpse у виборі ідеального entry-point. У суперечок щодо відрахувань є кілька характеристик, які роблять їх особливо придатними для вирішення за допомогою AI. Це високоповторювана задача: кожного місяця генеруються тисячі подій. Тут треба обробляти багато неструктурованих даних — від PDF до веб-даних і електронної пошти. Потрібні валідація й зіставлення даних через кілька систем. І є чіткі критерії успіху: чи завершиться суперечка перемогою, чи повернуть гроші. Усі ці фактори в сумі дозволяють AI agent реалізувати свій максимум.

Ще важливіше: у цієї проблеми швидка окупність інвестицій. Один із інвесторів Glimpse казав, що вони шукають “програмне забезпечення, яке повертає витрати вже в першому кварталі” — і інструменти для повернення відрахувань повністю відповідають цій вимозі. Коли бренд щороку повертає через Glimpse кілька мільйонів доларів, підписна плата за софт стає в порівнянні майже незначною. Ця прозора ціннісна пропозиція дозволяє Glimpse швидко залучати клієнтів і підтримувати дуже високий рівень утримання.

Я також помітив, що Glimpse не зупинився на суперечках щодо відрахувань. У 2025 році вони запустили кілька важливих розширень можливостей платформи. Окрім початкових KeHE і UNFI, вони тепер підтримують Target, Walmart, Amazon, Sam’s Club та інших ритейлерів. Вони випустили end-to-end AI revenue recovery agents, які обробляють повний цикл: пошук відрахувань, кодування, валідацію та подачу претензії. Вони також розробили автоматизовану функцію applied cash, автоматизувавши один із найболючіших для фінансової команди робочих процесів — роботу на кінець місяця під час закриття рахунків.

Окремо варто згадати AI-функцію детального розкриття відрахувань (AI deductions detailization). Кожне відрахування має супровідні документи — зазвичай понад 100 сторінок — наповнені хаотичними даними ритейлерів, SKU, посередників і неструктурованих деталей. Більшість брендів не використовують ці дані не тому, що вони не мають цінності, а тому, що ручне масштабне опрацювання таких даних просто неможливе. AI Glimpse може витягувати всі релевантні деталі у структуровані табличні формати — і це розкриває зовсім новий рівень інтелекту: точний розрахунок комісії посередників, аналіз прибутковості за ритейлерами, торгова аналітика, оцінка ефективності промо, стратегії покращення маржі тощо.

Це змушує мене замислитися над глибшим питанням: що саме Glimpse дійсно будує? На поверхні вони — автоматизований інструмент для суперечок щодо відрахувань. Але насправді вони будують AI-інфраструктуру для CPG-брендів. Їхній CEO Akash Raju каже: “Наша візія — стати AI-інфраструктурою для CPG та ритейл-брендів”. Це дуже розумне позиціонування. Суперечки щодо відрахувань — лише точка входу, клин, який дозволяє швидко довести цінність. Але вирішуючи цю задачу, Glimpse отримує глибокий доступ до даних ритейл-операцій брендів — і це дає змогу розширюватися в більш широку сферу автоматизації retail compliance.

За повідомленнями, їхня дорожня карта включає модулі на кшталт промо-звірки, оптимізації торгових витрат, прогнозного аналізу поведінки ритейлерів щодо платежів тощо. Один інвестор, близький до цієї угоди, сказав, що в підсумку компанія може побудувати повноцінну “retail finance operations platform”, розташовану між ERP-системою та порталами ритейлерів, яка автоматизуватиме весь цикл order-to-cash для CPG-брендів. Якщо ця візія реалізується, Glimpse буде не просто інструментом, а стане ключовою інфраструктурою для операцій CPG-брендів.

Що це означає для всієї індустрії

Швидке зростання Glimpse і успішне залучення фінансування, на мою думку, означають, що корпоративні застосування AI переходять на новий етап. У 2025 році consumer AI захопив усі заголовки, але інвестори тепер починають масово ставити на AI-інструменти, які вирішують непомітні, але дорогі бізнес-проблеми. Відстеження відрахувань, звірка інвойсів, моніторинг відповідності — це не створює надто яскравих demo, але напряму впливає на EBITDA. Саме такого типу ціннісна пропозиція дає змогу переживати періоди економічного спаду, і саме тому Andreessen Horowitz готовий платити високі multipliers для enterprise SaaS.

Я помітив цікаву тенденцію: конкурентне поле швидко розігрівається. Claimify торік залучив 12 млн доларів у серії A для схожої автоматизації ритейл-суперечок, а традиційні гравці на кшталт HighRadius і Billtrust додають AI-модулі до своїх платформ для accounts receivable. Але бекграунд Glimpse із Y Combinator і ранній traction у middle-market CPG-брендах дали йому перевагу в процесі збору коштів. За повідомленнями, дохід компанії зріс у 14 разів рік-до-року, хоча конкретні значення ARR не розкривали.

Постійна участь 8 VC теж багато про що говорить. Вони очолювали seed-раунд Glimpse у 2024 році і продовжили брати участь у цьому раунді серії A. У 8 VC є історія інвестицій у вертикальний SaaS для автоматизації ручних фінансових процесів. Їхній партнер Alex Kolicich раніше говорив для Forbes, що 8 VC шукає “програмне забезпечення, яке повертає витрати вже в першому кварталі”. Коли бренди щороку можуть повертати шестизначні або семизначні суми, інструменти для повернення суперечок ідеально підходять під таку ROI-модель.

Якщо дивитися ширше, успіх Glimpse підтвердив простий аргумент: автоматизація тих непримітних middle-office задач, які щороку змушують CPG-бренди втрачати мільйони доларів, — це великий бізнес. За підтримки Andreessen Horowitz і продукту, який дає вимірювану інвест-окупність уже з першого дня, компанія має дуже сильну позицію, щоб стати лідером у категорії вирішення retail deductions.

Справжній тест буде попереду впродовж наступних 12 місяців: чи зможе Glimpse масштабуватися, вийшовши за межі своєї початкової групи клієнтів, і чи доведе, що платформа справляється з операційною складністю на рівні enterprise — коли треба керувати тисячами SKU та десятками retail-партнерів. Якщо продукт виконає обіцянку щодо повернення маржі, цей раунд серії A під час наступного залучення коштів може виглядати як справжня вигідна угода.

Я особливо погоджуюся з думкою партнерa Andreessen Horowitz Joe Schmidt: “Протягом десятиліть retail back-office покладався на електронні таблиці та фрагментовані процеси. Ми вражені рекомендаціями від клієнтів — Glimpse надає чітку, вимірювану інвест-окупність. Вбудовуючи AI безпосередньо в основні фінансові й операційні робочі процеси, вони розширюють цей ринок — від інструментів ‘на додачу’ до інфраструктури для сучасних брендів”. Ця цитата точно підсумовує, чому Glimpse важливий: це не просто покращення процесів на периферії, а переосмислення того, як ці процеси мають працювати — з AI.

Мої міркування про те, як AI трансформує традиційні галузі

Історія Glimpse глибше пояснила мені, як саме AI може трансформувати традиційні індустрії. Споживчі товари — один із найбільших ринків у світі, але він майже не був охоплений сучасним софтом. Коли бренди продають основним ритейлерам, їм зазвичай доводиться мати справу з фрагментованими, неструктурованими даними, розкиданими по десятках ритейлерських порталів і legacy-систем. Аналітики витрачають нескінченні години на те, щоб витягувати дані з порталів, діставати рядкові елементи з документів, працювати в електронних таблицях — щоб підтримувати такі процеси, як звірка по відрахуваннях, виявлення недійсних витрат, ручне застосування готівки тощо. Ці задачі напряму впливають на маржу, але майже не дають стратегічного важеля.

Уся індустрія щороку витрачає понад 100 млрд доларів на бек-офісну робочу силу, і приріст продуктивності від попередніх хвиль корпоративного ПЗ був надзвичайно обмеженим. Вперше AI зробив end-to-end автоматизацію цієї складності реально можливою. Я вважаю, що саме в цьому полягає найважливіше усвідомлення: не всі проблеми можна вирішити традиційним софтом; деякі проблеми потребують, щоб технологія досягла певного критичного порогу, перш ніж їх можна буде ефективно розв’язати.

Я також думаю, чому зараз — найкращий час для того, щоб AI трансформував ці традиційні індустрії. Технічно великі мовні моделі вже достатньо сильні, щоб розуміти й обробляти неструктуровані дані. З бізнес-сторони компанії стикаються з тиском на прибуток і потребують захисту маржі, особливо коли ритейлери консолідують владу та висувають жорсткіші вимоги відповідності. У Vendor Central Amazon уже є понад 30 різних категорій відрахувань — від затримок відвантаження до порушень вимог до пакування. Фінансові команди середніх CPG-компаній часто не мають достатньо людей, щоб сперечатися щонайменше з половиною таких випадків. Саме тому AI-орієнтовані платформи на кшталт Glimpse стають критичною інфраструктурою, а не “приємною опцією”.

Я вірю, що ми побачимо все більше компаній на кшталт Glimpse — таких, що фокусуються на вирішенні конкретних больових точок у конкретних галузях за допомогою AI. Вони не намагатимуться будувати універсальний AI; вони занурюватимуться в певний вертикальний напрям, по-справжньому розумітимуть бізнес-процеси, а потім пере-дизайнюватимуть ці процеси за допомогою AI. Такий підхід складніший, ніж створення універсальних інструментів, бо він вимагає глибоких знань індустрії. Але якщо він спрацьовує, бар’єри входу вищі, а цінність — більша.

Фандрейзинг Glimpse серії A на 35 млн доларів — це лише початок. Я очікую, що в найближчі роки в цей простір зайде багато капіталу, який підштовхуватиме застосування AI у бек-офісних операціях традиційних індустрій. Компанії, здатні, як Glimpse, знайти high-value entry-point, швидко довести ROI, а потім розширювати можливості платформи, матимуть шанс стати гравцями інфраструктурного рівня у своїх доменах. А для CPG-брендів прийняття цих AI-інструментів більше не є вибором — це вимога виживання. Ті бренди, які зможуть раніше впроваджувати та краще використовувати AI для оптимізації операцій, отримають суттєву перевагу в конкуренції.