Havedev
Pendanaan Besar EliseAI Bukan Sekadar Cerita AI, tetapi Cerita Operasional
EliseAI baru mengumumkan pendanaan sebesar 350 juta dolar AS dengan valuasi 4 miliar dolar AS. Putaran ini dipimpin bersama oleh Andreessen Horowitz dan Bessemer Ventures.
Angka ini besar, tetapi bagian yang lebih menarik bukan hanya valuasinya.
EliseAI membangun software untuk mengotomatisasi pekerjaan administratif dan operasional di sektor housing dan healthcare. Di housing, produknya dipakai untuk leasing, maintenance, renewals, dan pekerjaan property team lain. Di healthcare, EliseAI membantu pekerjaan seperti inbound call, referral, scheduling, insurance verification, chart prep, dan follow-up.
Dengan kata lain, EliseAI tidak menjual AI sebagai fitur tambahan yang terlihat menarik di demo. Mereka masuk ke pekerjaan yang setiap hari membuat tim operasional kewalahan.
The Core Update
EliseAI berdiri sejak 2017 dan kini mengatakan softwarenya digunakan oleh 1 dari 6 apartemen di Amerika Serikat. Perusahaan ini juga menyebut sudah melewati 200 juta dolar AS ARR.
Mereka baru meluncurkan Apollo, sebuah AI teammate yang bekerja di dalam platform EliseAI. Menurut CEO Minna Song, Apollo dibangun langsung di platform yang sudah menjalankan leasing, maintenance, dan renewals, sehingga bisa membantu berbagai peran di property team.
Di sisi healthcare, EliseAI membantu specialty physician groups mengelola pekerjaan administratif dari panggilan pertama sampai follow-up. Fokusnya jelas: mengurangi pekerjaan manual yang mudah tercecer, tetapi sangat berpengaruh pada pengalaman pelanggan dan pasien.
Ini membuat cerita EliseAI berbeda dari banyak startup AI lain.
Banyak produk AI mencoba masuk dari sisi produktivitas umum. EliseAI masuk dari sisi pekerjaan yang sudah punya volume tinggi, aturan jelas, dan dampak langsung terhadap pendapatan atau layanan.
The Reality Check
Pendanaan besar seperti ini mudah dibaca sebagai tanda bahwa semua bisnis harus segera memakai AI lebih banyak.
Padahal pelajaran yang lebih penting adalah sebaliknya: AI paling bernilai ketika masuk ke alur kerja yang sudah cukup jelas untuk dibantu.
Leasing apartemen punya tahapan. Maintenance punya permintaan, prioritas, penjadwalan, dan penyelesaian. Healthcare punya panggilan masuk, verifikasi, jadwal, dokumen, dan follow-up. Semua ini bukan pekerjaan abstrak. Ada status, pemilik, waktu tunggu, dan risiko jika terlambat.
Di banyak bisnis, masalahnya belum sampai ke level AI. Masalahnya masih lebih dasar.
Lead masuk, tetapi belum jelas siapa yang membalas. Form kontak terkirim, tetapi tidak membawa konteks yang cukup. Follow-up dilakukan manual, tetapi tidak ada status yang disepakati. Customer support dicatat, tetapi tidak jelas mana yang menunggu pelanggan dan mana yang menunggu tim internal.
Kalau kondisi seperti itu langsung diberi AI, hasilnya belum tentu lebih rapi. Bisa jadi hanya lebih cepat menghasilkan kebingungan.
AI tidak otomatis membuat proses menjadi jelas. AI mengikuti struktur yang tersedia. Jika struktur kerja masih kabur, automation cenderung memperbesar kekaburan itu.
Inilah alasan mengapa EliseAI menarik. Mereka tidak hanya menawarkan chatbot. Mereka masuk ke domain yang pekerjaan berulangnya jelas, volume masalahnya besar, dan nilai bisnisnya konkret.
Housing dan healthcare juga bukan sektor yang kecil. Keduanya dekat dengan kebutuhan utama rumah tangga. Ketika proses di dua sektor ini lambat, efeknya langsung terasa oleh pelanggan, tenant, pasien, dan tim internal.
The Havedev Way
Dari sudut pandang Havedev, berita EliseAI bukan sinyal bahwa setiap bisnis harus membangun AI teammate sendiri.
Sinyalnya lebih sederhana: bisnis perlu tahu bagian operasional mana yang paling sering bocor, lambat, atau bergantung pada ingatan orang tertentu.
Sebelum bicara AI, bisnis sebaiknya memetakan beberapa hal dasar:
- pekerjaan apa yang masuk setiap hari
- siapa pemilik respons pertama
- status apa saja yang dipakai tim
- bagian mana yang paling sering menunggu
- data apa yang sering kurang sejak awal
- follow-up mana yang sering terlambat
- keputusan apa yang masih terlalu sering ditanyakan lewat chat
Setelah itu, baru teknologi bisa dipilih dengan lebih sehat.
Mungkin cukup memperbaiki form website agar lead membawa konteks lebih lengkap. Mungkin cukup membuat status follow-up lebih jelas di CRM. Mungkin perlu automation sederhana untuk reminder. Mungkin perlu dashboard untuk owner. Mungkin, pada tahap tertentu, AI memang masuk akal.
Tetapi urutannya penting.
Jangan mulai dari pertanyaan “AI apa yang bisa dipakai?” Mulai dari pertanyaan “pekerjaan mana yang terlalu sering jatuh di antara orang, tool, dan status yang tidak jelas?”
EliseAI tumbuh karena mereka masuk ke pekerjaan operasional yang mahal jika terlambat dan melelahkan jika terus dilakukan manual. Itu pelajaran yang lebih berguna untuk banyak bisnis daripada sekadar mengikuti tren AI.
Bisnis tidak harus sebesar perusahaan housing atau healthcare Amerika untuk mengambil pelajaran ini. Banyak bisnis lokal juga punya pola yang sama dalam skala lebih kecil.
Lead dari website tidak langsung ditangani. Pesan WhatsApp tidak diberi label. Proposal tidak punya status. Follow-up tidak punya jadwal. Customer support bercampur dengan sales inquiry. Owner baru tahu masalah setelah pelanggan komplain.
Di titik itu, AI bukan langkah pertama. Kejelasan proses adalah langkah pertama.
Setelah proses terlihat, automation menjadi lebih masuk akal. Setelah status rapi, AI bisa membantu lebih akurat. Setelah data awal lebih lengkap, dashboard bisa memberi sinyal yang lebih berguna.
Pendanaan EliseAI menunjukkan bahwa pasar menghargai AI yang menyelesaikan pekerjaan nyata, bukan hanya AI yang terdengar canggih.
Untuk bisnis, pertanyaannya bukan apakah harus ikut membangun AI seperti EliseAI. Pertanyaannya: apakah pekerjaan operasional yang penting sudah cukup terlihat untuk dibantu teknologi?
Kalau belum, mulai dari sana.
Dapatkan Audit Teknis Gratis untuk meninjau alur website, lead, follow-up, dan proses operasional yang mungkin sudah siap dirapikan sebelum bisnis Anda menambah AI atau automation baru.
Sumber referensi berita: TechCrunch