Новина про оцінку Ramp у $60 млрд може здаватися далеким сюжетом з американського венчурного ринку. Та для власника бізнесу тут є дуже практичний сенс. Компанії вже витрачають гроші не тільки на людей, софт і рекламу, а й на AI-інструменти, агентів, токени та автоматизації. І рано чи пізно хтось має зрозуміти, що саме купили, навіщо і чи воно окупається.

Скажімо, в інтернет-магазині маркетинг підключив кілька AI-сервісів для контенту, підтримка тестує чатбота, а операційний менеджер збирає сценарії в Make чи n8n. На перший погляд, усе добре: команда експериментує. Але фіндиректор швидко втрачає прозорість. Хто що оплачує? Який сервіс справді допомагає, а який просто висить у підписках? Де дублювання? І тут починається найцікавіше.

Ramp уже продає не просто контроль витрат, а контроль AI-грошей

Як пише TechCrunch Startups, Ramp залучила $1,85 млрд у новому раунді, який оцінив компанію в $60 млрд. Це сталося лише через чотири місяці після попереднього раунду на $750 млн з оцінкою $44 млрд.

Раунд очолили Dragoneer Investment Group, Thrive Capital, Founders Fund, Sands Capital та Avenir Growth. Загалом Ramp уже залучила близько $5 млрд.

Операційні цифри теж промовисті. Компанія заявляє, що її річний дохід у перерахунку перевищив $2 млрд. У червні вона повідомляла про $1,5 млрд. Клієнтська база зросла до 85 000 компаній проти 70 000 у червні. Серед клієнтів названі Visa, Uber, Shopify, Robinhood, Anduril, Notion, Cursor і Figma. Ramp також каже, що проводить понад $275 млрд річного обсягу покупок, на 175% більше, ніж роком раніше.

Та головне не сама оцінка. Ramp давно вийшла за межі класичного expense management. Компанія заходить у платежі, виявлення шахрайства, закупівлі, управління постачальниками й бухгалтерію. Паралельно вона вбудовує AI-агентів у закупівлі, витрати, бюджетування та інші продукти.

Окремий сигнал для ринку: Ramp запустила корпоративну картку, розраховану на використання AI-агентами. У серпні компанія також зайшла в model routing, щоб працювати з ринком AI inference. Логіка зрозуміла: допомогти клієнтам керувати використанням моделей, контролювати AI-токени й витрати на них.

Ще один продукт, Glass, збирає та запам’ятовує AI-автоматизації, промпти й навички, які працівники створюють усередині компанії. Тобто знання не губляться в особистих чатах і документах, а стають спільним активом.

Що з цього корисно малому й середньому бізнесу

Українській агенції, клініці чи службі доставки не обов’язково вже завтра заводити корпоративну картку для AI-агента. Але напрям зрозумілий: AI-витрати треба обліковувати так само уважно, як рекламу, зарплати чи складські залишки.

Уявімо маркетингову агенцію. Один спеціаліст платить за генерацію зображень, інший тестує AI для аналітики, третій купує доступ до моделі, яка допомагає робити звіти. Без правил це швидко стає хаосом із підписок. З правилами видно, які інструменти економлять години, а які просто добре виглядають на демо.

Почати можна без складної системи:

  • зібрати всі AI-сервіси й автоматизації, якими вже користується команда;
  • прив’язати витрати до процесів: підтримки, продажів, маркетингу, фінансів;
  • визначити, хто має право запускати платні інтеграції та AI-агентів;
  • налаштувати базовий моніторинг результату: час, гроші, якість, ризики.

Є й неприємна частина, про яку краще подумати до першої помилки. AI-агент із доступом до платежів або закупівель не має працювати без лімітів і журналу дій. Автоматизація фінансів без погоджень може створити більше проблем, ніж користі. А model routing і контроль токенів мають сенс тоді, коли компанія вже реально використовує LLM у процесах, а не просто експериментує раз на місяць.

Наша позиція проста: історія Ramp не про те, що всім треба копіювати американський фінтех. Вона про дорослішання AI в бізнесі. Спершу компанії захоплюються можливостями. Потім приходить питання контролю. І виграють ті, хто вміє поєднати автоматизацію з фінансовою дисципліною.