Oumi、Larridin、Runwareが企業のAI請求額を削減するツールを構築

Why it matters

Enterprise AI adoption has moved from experimentation to cost control. The founders that own measurement and routing could influence which models companies buy and how much work reaches frontier labs.

Manos Koukoumidis は、企業のAI購買者たちが自ら作り出した問題にビジネスの機会を見出した。彼らは強力なモデルを素早く導入したが、その利便性には際限のない請求が伴うことに気づいたのだ。

Koukoumidisは、Oumiの共同創業者でCEOであり、狭いタスクに高価なフロンティアモデルを日常的に使うことを「広く非合理的かつ非効率的だ」とBusiness Insiderの報道（2026年8月2日掲載）で述べた。彼の処方箋は、すべてのリクエストをOpenAI、Anthropic、Googleの汎用システムに送るのではなく、特定の仕事に合わせた小型のモデルを企業に提供することだ。

その主張は、Koukoumidisが従来のスタック内で得た経験に基づいている。彼は以前Google Cloudで生成AIの業務を率いていたとOumiの2025年1月のローンチ発表は伝えている。KoukoumidisはPrincetonのPhDを持ち、AIにはLinuxに似たオープンな開発プラットフォームが必要だという論文を持つ。Oumiは現在、ローカルマシン、クラウドプロバイダ、商用API全体でモデルを構築、ファインチューニング、評価、デプロイするためのツールを提供している。

Oumiは2024年にVenrockとObvious Venturesが主導する1000万ドルのシードラウンドを調達し、Plug and PlayとAscendが参加した。その資金調達とOumiの2025年1月の公開ローンチは既に事実だ。現在の進展は、Koukoumidisの診断を軸にマーケットが形成されつつあることだ。コンサルタント、計測プラットフォーム、モデルルーター、推論プロバイダーがいずれも、どのAIに費用を払う価値があるかを企業に示すレイヤーになろうとしている。

The bill arrives after experimentation

初期の企業向けAIプログラムは採用を促進した。従業員はチャットボットやコーディングアシスタントにアクセスし、製品部門はモデルAPIを追加し、経営層は利用状況をAI戦略が浸透している証拠として見守った。コストの帰属や実証された生産性向上はしばしば後から明らかになった。

FinOps Foundationの2026年報告は、回答者の98%がAI支出を管理していると報告しており、2025年の63%から上昇していると指摘した。回答者は、トークン、モデルリクエスト、GPU使用の詳細な追跡を最も求められている不足ツール機能として挙げた。またコスト配分とAIのビジネス価値の決定を持続的な問題として特定した。

そのギャップはAdaptovateのような助言者に機会を生んだ。Michael Murphy、Deloitteでトランスフォーメーションプロジェクトを率いた経験のあるAdaptovateのパートナーは、Business Insiderに対し、作業は組織構造、人材、オペレーティングモデルに関する意思決定から始まると話した。Adaptovateの業務は、食品メーカーのサプライチェーンにAIを導入する支援から、3万人規模のプロフェッショナルサービス組織が生成AI製品を中心にチームを再設計する支援まで多岐にわたる。

AI導入がソフトウェア購入ではなく組織再設計になると、コンサルタントは利益を得る。彼らの課題は、導入コスト、トレーニング、基盤となるモデルの請求額を勘案した後に新しいオペレーティングモデルが測定可能な成果を生んだことを証明することだ。

Larridin wants to measure the return

Larridinの創業者 Russ Fradin と Jim Larrisonは、デジタル計測の分野からこの問題に取り組み、後にDynamic Signalの構築にも関わった。彼らは、LinkedIn、Coinbase、Grouponなどを経歴に持つエンジニアリングおよびデータの幹部であるAmeya Kanitkarを共同創業者兼CTOとして迎え、Larridinを立ち上げた。

彼らの製品であるLarridin Scoutは、従業員がどのAIアプリケーションを使用しているか、どれくらいの頻度で使用しているか、そして従業員が得られた生産性向上をどのように評価しているかを監視する。LarridinによればScoutは300以上のAIツールを認識し、使用データを15分ごとに更新する。Scoutは受動的なアクティビティ検出と従業員アンケートを組み合わせており、管理側に採用状況のビューを提供しつつ、生産性の計算の一部を自己申告結果に依存させる仕組みだ。

KanitkarはBusiness Insiderに対し、初期の買い手は支出にあまり関心がなかったためLarridinは立ち上がりが遅かったと語った。彼は、企業のコミットメントが増える中で2026年の初めからトラクションが四半期ごとに倍増していると述べた。その成長率はLarridin自身の運用指標でもある。

Larridinは2025年にScoutをローンチし、Andreessen Horowitz、Bloomberg Beta、GVなどから1700万ドルのシード資金を調達した。Larridinの創業者たちは、AI支出には商用ウェブに続いてできた分析インフラに似た計測レイヤーが必要になると賭けている。この比較は有用だが、AIの帰属はより難しい：クリックは直接数えられるが、モデルによって節約された時間や改善された作業はワークフロー、従業員の行動、経営が選ぶベースラインに依存する。

Builders go after the unit cost

他の創業者たちは、コストが財務ダッシュボードに到達する前にその費用に取り組んでいる。

Flaviu Radulescu、Runwareの創業者兼CEOは、Booking.com、Vodafone、Transport for London向けのシステムを含むデータとコンピュートインフラを20年以上にわたり構築してきた。彼は2023年にRunwareを創業し、GPUを中心にストレージ、冷却、その他ハードウェアコンポーネントを含むカスタム推論クラスタを設計した。

Runwareの共同創業者Ioana Hreninciucは、Homa Games、Huuuge Games、GameAnalyticsでのプロダクトとオペレーティングの経験を持ち込んだ。Business InsiderはRunwareを、インフラ層でAIコストを下げようとするビルダーの一例として扱っている。

Runwareは画像、ビデオ、音声、言語モデルにまたがる作業の切り替えとルーティングのための統一APIを販売している。2025年12月11日、RunwareはDawn Capitalが率いる5,000万ドルのシリーズAを発表したと述べ、Comcast Ventures、Speedinvest、Insight Partners、a16z Speedrunが参加したとした。Runwareは、自社のインフラがその時点で20万人以上の開発者に対して100億件を超える生成処理を行ったと述べている。これらの数字やRunwareの価格・性能改善の主張はRunware自身のものだ。

Junchen JiangはTensormeshでより狭い技術的切り口を追求している。JiangはUniversity of Chicagoのコンピュータサイエンス教授で、LMCacheという、プロンプト処理中にモデルが生成する中間データを保持するためのオープンソースプロジェクトを共同で作成した。Tensormeshはその研究を商業化し、繰り返し使われるコンテキストを各リクエストごとに再計算するのではなく再利用できるようにする。

Tensormeshは2026年5月に、AMD Ventures、CoreWeave、NVentures、Valley Capital Partners、Laude Venturesから2000万ドルの新たな資金調達を発表し、合計で2450万ドルに達したと述べた。TensormeshはそのキャッシングによりレイテンシとGPU支出を最大で10倍削減できると主張しているが、自社の開示では結果はワークロード、ハードウェア、インフラ構成によって変動するとしている。この資金調達は、Tensormeshがより生産的にしようとしているコンピュートを販売または融資する複数の支援者を有するという点で異例の投資家ラインアップを生んでいる。

Conifer starts with the cheapest model

カテゴリーの最も初期に位置するのは、Michael JeffordsとCharles MuehlbergerがY CombinatorのSummer 2026バッチで立ち上げたサンフランシスコの3人組の企業Coniferだ。

Jeffordsは以前、神経疾患の兆候を検出する臨床研究と機械学習システムに取り組んだ経験がある。MuehlbergerはPrincetonの工学研究者で、エッジデバイス上のマルチモーダル推論や物理的ニューラルネットワークに関する研究を含む業績を持つ。彼らの製品は、ユーザー自身のハードウェアから効率的なクラウドモデル、そしてタスクが要求する場合に最先端モデルへと各クエリをルーティングする。

ConiferはBusiness Insiderに対し、Demo Day前に約130万ドルを調達し、目標の約20%を達成したと述べた。

創業者たちのルーティング階層は、このカテゴリの中心的な賭けを示している。フロンティアモデルは難しい作業には依然として有用だが、より小型でローカルなシステムは日常的なリクエストを吸収できる。推論が始まる前にその違いを識別できる買い手は、単に利用制限を課すことなくコストを削減するチャンスを持つ。

持続可能なビジネスは、明確なベースラインに対して節約を実証し、モデル価格が下がっても顧客を維持する必要がある。計測プロバイダーはアクティビティを事業成果に結びつける必要がある。ルーターはモデルを正確に選択するための十分なワークロードデータを必要とする。インフラプロバイダーは、チップ、オープンモデル、既存APIが改善しても自らのコスト優位を維持し続けなければならない。

エンタープライズの購買担当者はかつて、最大限のモデルアクセスを最も安全なAI戦略と見なしていた。Koukoumidis, Kanitkar, Hreninciuc, Jiang, Jeffords and Muehlbergerは、すべてのトークン、GPUサイクル、エンタープライズライセンスが請求書に載る価値を証明しなければならない次の段階に向けて構築している。