Parallel Loop ได้ทุน 6.6 ล้านดอลลาร์—ทีมกรุงเทพฯขาย AI แบบส่งวิศวกรถึงองค์กร

|ผู้เขียน: กองบรรณาธิการ QUASA|2 นาทีในการอ่าน
Parallel Loop ได้ทุน 6.6 ล้านดอลลาร์—ทีมกรุงเทพฯขาย AI แบบส่งวิศวกรถึงองค์กร

ตามประกาศของ Parallel Loop วันที่ 14 ตุลาคม 2026 บริษัทเปิดตัวอย่างเป็นทางการพร้อมทุน Seed 6.6 ล้านดอลลาร์ โดย 3one4 Capital นำรอบลงทุน และ Prateek Jogani ผู้ร่วมก่อตั้งอธิบายโจทย์ของธุรกิจด้วยคำว่า “Intelligence has become abundant” เงินทุนรอบนี้รองรับการขยายธุรกิจที่นำแพลตฟอร์ม AI ไปทำงานร่วมกับระบบเดิมของลูกค้า โดยมีวิศวกรเข้าไปช่วยสร้างและเชื่อมกระบวนการทำงาน

Moneycontrol ระบุว่า Parallel Loop มีพนักงาน 30 คนกระจายในสิงคโปร์ เบงกาลูรู กรุงเทพฯ ลอนดอน และดูไบ และนับ Tokio Marine Safety Insurance (Thailand) เป็นลูกค้าในไทย ผู้ก่อตั้ง Prateek Jogani และ Yujun Chean เคยร่วมสร้าง FairDee ธุรกิจเทคโนโลยีประกันภัยในไทยซึ่งต่อมาถูก Qoala ซื้อกิจการ ความเกี่ยวข้องกับไทยจึงมีทั้งทีมงาน ประวัติของผู้ก่อตั้ง และชื่อลูกค้าองค์กรที่เปิดเผยแล้ว แม้ขอบเขตโครงการของลูกค้ารายนั้นยังไม่ถูกเปิดเผย

ใครลงทุน และเงินทุนจะไปขยายส่วนใด

นอกจาก 3one4 Capital ผู้ร่วมลงทุนในรอบนี้มี Picus Capital, Flourish Ventures และ Economic Development Innovations Singapore รวมถึง Vijay Shekhar Sharma ผู้ก่อตั้ง Paytm, Kunal Shah ผู้ก่อตั้ง CRED และ Philip Yeo อดีตประธานหน่วยงานพัฒนาเศรษฐกิจของสิงคโปร์ รายชื่อดังกล่าวบอกว่า Parallel Loop มีผู้สนับสนุนทั้งกองทุนและนักลงทุนรายบุคคล แต่ยังไม่บอกว่ารายได้จากซอฟต์แวร์กับงานวิศวกรรมมีสัดส่วนเท่าใด

จากข้อมูลที่ Jogani ให้ Inc42 บริษัทจะใช้เงินเพิ่มทีม ขยายงานหาลูกค้า และเพิ่มกำลังดำเนินงาน โดยให้ความสำคัญกับตลาดตะวันตก เขาระบุด้วยว่าบริษัทมีสำนักงานใหญ่ในสหรัฐฯ มีนิติบุคคลในเบงกาลูรู และพนักงานราว 85–90% อยู่ในอินเดีย ภาพนี้ทำให้ตำแหน่งของกรุงเทพฯ ชัดขึ้น: ไทยเป็นหนึ่งในพื้นที่ที่มีทีมและลูกค้า แต่แผนใช้เงินไม่ได้ระบุว่าจะนำมาขยายทีมในกรุงเทพฯ โดยเฉพาะ

การหาลูกค้าองค์กรในหลายประเทศต้องขยายทั้งงานขายและกำลังส่งมอบ เพราะวิศวกรต้องเข้าใจระบบ สิทธิการเข้าถึงข้อมูล และขั้นตอนอนุมัติของแต่ละแห่งก่อนเชื่อม AI เข้ากับงานจริง ซอฟต์แวร์ส่วนกลางอาจใช้ซ้ำได้ระหว่างลูกค้า แต่งานสำรวจและปรับระบบเดิมยังขึ้นอยู่กับสภาพแวดล้อมขององค์กรนั้น ความสามารถในการรับโครงการเพิ่มจึงผูกกับจำนวนคนและเวลาที่ใช้ส่งมอบด้วย

สำหรับผู้ลงทุน คำถามสำคัญของโมเดลนี้คือส่วนใดขยายตามจำนวนลูกค้าได้โดยใช้แพลตฟอร์มเดิม และส่วนใดต้องเพิ่มวิศวกรตามโครงการ เงินทุนช่วยให้บริษัทสร้างทีมรองรับความต้องการได้ในระยะใกล้ ส่วนต้นทุนและรายได้ต่อโครงการจะชัดขึ้นก็ต่อเมื่อบริษัทเปิดเผยรูปแบบสัญญาหรือผลประกอบการ ซึ่งยังไม่มีรายละเอียดดังกล่าวในประกาศรอบนี้

แพลตฟอร์มกับวิศวกรทำงานร่วมกันอย่างไร

โมเดลของ Parallel Loop ประกอบด้วยแพลตฟอร์ม AI และวิศวกรที่เชื่อมระบบเดิมขององค์กร

Parallel Loop เสนอสิ่งที่พึ่งพากันสองด้าน: AI Stack เป็นฐานซอฟต์แวร์สำหรับเชื่อมระบบและบริบทขององค์กร ส่วน Forward-Deployed Engineers คือวิศวกรที่ทำงานร่วมกับทีมลูกค้าเพื่อเปลี่ยนฐานนั้นให้เป็นลำดับงานหรือแอปพลิเคชันที่ใช้ในองค์กรได้ จุดต่างจากการซื้อเครื่องมือ AI สำเร็จรูปอยู่ที่งานเชื่อมต่อและปรับกระบวนการเดิม ซึ่งเป็นส่วนหนึ่งของข้อเสนอของบริษัทตั้งแต่ต้น

หากวาดเส้นทางของงานที่ลูกค้าได้รับ โมเดลจะเป็นดังนี้:

  • ซอฟต์แวร์: AI Stack เชื่อมระบบ ข้อมูล และบริบทที่องค์กรใช้อยู่ เพื่อรองรับแดชบอร์ดและลำดับงานอัตโนมัติภายใต้การกำกับดูแล
  • บริการวิศวกรรม: วิศวกรทำงานกับทีมลูกค้าเพื่อเลือกกรณีใช้งาน เชื่อมระบบเดิม และสร้างลำดับงานหรือแอปพลิเคชันให้เข้ากับขั้นตอนขององค์กร
  • ผลที่ส่งมอบ: ลูกค้าได้ระบบงานที่สร้างบนแพลตฟอร์มและปรับเข้ากับสภาพแวดล้อมของตน ไม่ใช่เพียงบัญชีสำหรับเข้าใช้เครื่องมือกลาง

แผนภาพนี้อธิบายองค์ประกอบของข้อเสนอ ไม่ใช่สัดส่วนรายได้ที่บริษัทเปิดเผย Parallel Loop ยังไม่ได้ระบุราคาซอฟต์แวร์ วิธีคิดค่าบริการวิศวกร หรือส่วนแบ่งรายได้ของแต่ละด้าน จึงไม่อาจสรุปได้ว่ารายได้ส่วนใหญ่จะมาจากค่าสิทธิใช้แพลตฟอร์มหรือค่าพัฒนาโครงการ

งานของบริษัทเริ่มได้ตั้งแต่ AI Enablement ซึ่งช่วยผู้บริหารหากรณีใช้งานและวางแผน ต่อด้วย AI Stack ที่เชื่อมระบบและบริบท และ Software Factory ที่ใช้วิศวกรกับเครื่องมือ AI ปรับระบบเก่าหรือสร้างแอปพลิเคชันใหม่ การแบ่งงานเช่นนี้ทำให้บทบาทของวิศวกรครอบคลุมมากกว่าการติดตั้งครั้งแรก เพราะการเลือกลำดับงานและการปรับซอฟต์แวร์ต้องอาศัยความรู้เฉพาะของลูกค้า

ตัวอย่างที่บริษัทเปิดเผยจากอินเดียคือ Havells ซึ่งผู้บริหารด้านเทคโนโลยีระบุว่าพนักงานหลายร้อยคนใช้แพลตฟอร์มกับลำดับงาน งานอัตโนมัติ และแดชบอร์ด กรณีนี้แสดงลักษณะการใช้งานที่บริษัทนำเสนอได้ชัดกว่าคำอธิบายผลิตภัณฑ์ แต่เป็นข้อมูลจากลูกค้าในอินเดีย ไม่ใช่ผลลัพธ์ของ Tokio Marine Safety Insurance (Thailand)

องค์กรควบคุมข้อมูลและขั้นตอนของ AI ได้แค่ไหน

AI Stack รองรับการติดตั้งในคลาวด์ของลูกค้าหรือภายในองค์กร โดยให้ลูกค้ากำหนดที่ตั้งข้อมูลและสิทธิการเข้าถึงตามข้อกำหนดของตน ทางเลือกนี้เกี่ยวข้องโดยตรงกับองค์กรที่ต้องเชื่อม AI เข้ากับระบบภายใน เพราะสถานที่ติดตั้งและผู้มีสิทธิเข้าถึงเป็นส่วนของการออกแบบโครงการ ไม่ใช่การตั้งค่าที่แยกจากงานวิศวกรรม

แพลตฟอร์มรองรับโมเดลจากผู้ให้บริการหลายราย รวมถึงโมเดลแบบเปิดที่เปิดเผยค่าน้ำหนัก องค์กรจึงมีทางเลือกในการจัดวางโมเดลให้เหมาะกับสภาพแวดล้อมของตน โดยไม่จำเป็นต้องผูกการออกแบบทั้งระบบไว้กับผู้ให้บริการโมเดลรายเดียว อย่างไรก็ตาม ตัวเลือกที่รองรับในระดับแพลตฟอร์มไม่ได้บอกว่าลูกค้าแต่ละรายใช้โมเดลใดจริง

อีกส่วนของระบบคือบันทึกตรวจสอบย้อนหลัง ซึ่งครอบคลุมพรอมป์ คำตอบ การเปลี่ยนแปลงบริบท และการกระทำของระบบ สำหรับงานที่ AI ส่งผลต่อขั้นตอนขององค์กร บันทึกเหล่านี้ช่วยให้ผู้รับผิดชอบย้อนดูได้ว่าระบบใช้บริบทใดก่อนเสนอคำตอบหรือดำเนินการต่อ ประโยชน์ที่เกิดขึ้นจริงยังขึ้นอยู่กับวิธีตั้งค่าสิทธิ ระยะเวลาเก็บข้อมูล และกระบวนการตรวจทานของลูกค้า

บริษัทอธิบายว่ารองรับลำดับงานแบบกำหนดขั้นตอนไว้ล่วงหน้า แนวทางนี้เหมาะกับงานที่องค์กรมีเกณฑ์หรือผู้อนุมัติชัดเจน เพราะสามารถกำหนดว่าเมื่อใดให้ระบบใช้กฎ เมื่อใดให้ AI ช่วยตีความ และเมื่อใดต้องส่งต่อให้คนตัดสินใจ การมี AI อยู่ในกระบวนการจึงไม่ได้หมายความว่าทุกขั้นตอนถูกปล่อยให้โมเดลตัดสินใจเอง

สำหรับลูกค้าในไทยที่ถูกระบุชื่อ ยังไม่มีรายละเอียดว่าเลือกติดตั้งในคลาวด์ของตนหรือภายในองค์กร ใช้โมเดลใด หรือเชื่อมข้อมูลประเภทใด จึงควรมองความสามารถเหล่านี้เป็นทางเลือกของผลิตภัณฑ์โดยรวม ขอบเขตการใช้งานจริงของแต่ละองค์กรต้องแยกออกจากรายการคุณสมบัติที่แพลตฟอร์มรองรับ

ทีมกรุงเทพฯ ลูกค้าประกันภัย และประสบการณ์จาก FairDee

กรุงเทพฯ เป็นที่ตั้งทีมของ Parallel Loop และมี Tokio Marine Safety Insurance (Thailand) เป็นลูกค้าที่บริษัทระบุชื่อ

การมีทีมในกรุงเทพฯ และการระบุ Tokio Marine Safety Insurance (Thailand) เป็นลูกค้าทำให้เรื่องนี้เกี่ยวข้องกับตลาดองค์กรไทยโดยตรง บริษัทไม่ได้เพียงระบุไทยเป็นตลาดเป้าหมายในอนาคต แต่แสดงทั้งร่องรอยของทีมงานและความสัมพันธ์กับลูกค้าที่มีชื่อ อย่างไรก็ดี ชื่อลูกค้ายังไม่บอกขนาดสัญญา จำนวนผู้ใช้งาน หรือผลลัพธ์ของโครงการในไทย

ภูมิหลังของ Jogani และ Chean ช่วยอธิบายเหตุผลที่ธุรกิจใหม่นี้เน้นงานเชื่อมระบบ ทั้งคู่เคยร่วมสร้าง FairDee ก่อนกิจการถูก Qoala ซื้อไป ต่อมา Jogani ทำหน้าที่ประธานเจ้าหน้าที่เทคโนโลยีระดับกลุ่ม ส่วน Chean เป็นประธานเจ้าหน้าที่ฝ่ายปฏิบัติการระดับกลุ่ม ประสบการณ์ในธุรกิจประกันภัยที่ต้องประสานข้อมูลและกระบวนการหลายฝ่ายเป็นบริบทของผู้ก่อตั้ง แต่ยังไม่ใช่หลักฐานว่าผลิตภัณฑ์ใหม่ให้ผลลัพธ์แบบเดียวกันกับลูกค้าไทย

สำหรับองค์กรไทยที่ต้องเก็บข้อมูลไว้ในคลาวด์ของตนหรือภายในองค์กร ข้อเสนอของ Parallel Loop รวมทางเลือกด้านสถานที่ติดตั้งเข้ากับทีมที่ช่วยเชื่อมระบบเดิม นั่นทำให้การสนทนากับผู้ขายครอบคลุมทั้งสถาปัตยกรรมข้อมูลและงานที่วิศวกรต้องรับผิดชอบ ผลกระทบต่อแต่ละองค์กรจะต่างกันตามระบบที่มีอยู่ สิทธิที่อนุญาตให้เชื่อม และจำนวนขั้นตอนที่ต้องปรับร่วมกับทีมภายใน

ข้อมูลที่จะทำให้บทบาทในไทยชัดกว่าเดิมคือรายละเอียดโครงการของลูกค้าที่ถูกระบุชื่อแล้ว เช่น ระบบใดถูกเชื่อม งานใดเริ่มใช้งาน และวิธีจัดวางข้อมูลที่ลูกค้าเลือก เมื่อรายละเอียดเหล่านั้นเปิดเผย ตลาดจึงจะเห็นได้ว่าทีมวิศวกรกับแพลตฟอร์มแบ่งหน้าที่กันอย่างไรในสภาพแวดล้อมขององค์กรไทยจริง

อ่านเพิ่มเติม:

แชร์:

สมัครรับจดหมายข่าวของเรา

รับข่าวสารล่าสุดเกี่ยวกับ Web3, AI และคริปโตส่งตรงถึงกล่องจดหมายของคุณ

0