Meridian mengumpulkan dana sebesar $17 juta untuk merombak spreadsheet agenik

Russell Brandom

Rabu, 11 Februari 2026 pukul 23:00 WIB 2 menit baca

CTO Meridian George Fang, CEO John Ling, dan COO Zach Kirshner

Pertarungan untuk mengendalikan spreadsheet dengan AI belum berakhir. Sebuah perusahaan baru bernama Meridian muncul dari mode stealth dengan pendekatan berbasis IDE yang lebih komprehensif untuk pemodelan keuangan agenik — dan dana yang cukup untuk membangunnya. Pada hari Rabu, perusahaan mengumumkan pendanaan seed sebesar $17 juta dengan valuasi pasca uang sebesar $100 juta.

“Tujuan kami adalah membuat pemodelan keuangan dan spreadsheet jauh lebih dapat diprediksi dan dapat diaudit,” kata CEO dan co-founder John Ling kepada TechCrunch. “Bagaimana Anda bisa mengambil proses yang secara tradisional mungkin memakan waktu berjam-jam dan mereduksinya menjadi sekitar 10 menit?”

Putaran pendanaan ini dipimpin oleh Andressen Horowitz dan General Partnership, dengan partisipasi dari QED Investors, FPV Ventures, dan Litquidity Ventures. Perusahaan mengatakan saat ini sedang bekerja dengan tim di Decagon dan OffDeal, dan menandatangani kontrak senilai $5 juta hanya pada bulan Desember.

Agen Excel telah menjadi target populer bagi startup AI, sebagian karena biaya analisis keuangan yang dilakukan manusia yang tinggi. Tetapi di mana agen Excel sebelumnya seperti Shortcut AI membangun agen langsung ke dalam Excel, Meridian beroperasi sebagai ruang kerja mandiri, lebih mirip Cursor. Ini memungkinkan aplikasi berfungsi seperti IDE, mengintegrasikan sumber data dan referensi luar lainnya yang mungkin sebaliknya menimbulkan hambatan.

Berbasis di New York, tim Meridian terdiri dari alumni perusahaan AI seperti Scale AI dan Anthropic serta veteran keuangan dari perusahaan seperti Goldman Sachs.

Seperti yang dijelaskan Ling, tantangan terbesar Meridian adalah persyaratan ketat dari klien keuangan, yang sering bertentangan dengan sifat AI yang tidak deterministik.

“Jika Anda pergi ke sepuluh insinyur perangkat lunak berbeda di Google, dan Anda ingin menambahkan fitur baru ke sebuah aplikasi, Anda mungkin akan mendapatkan sepuluh implementasi yang benar-benar berbeda. Dan itu sepenuhnya oke,” kata Ling. “Tapi jika Anda pergi ke sepuluh analis perbankan di Goldman Sachs dan meminta sepuluh model penilaian untuk sebuah perusahaan, Anda mungkin akan mendapatkan sepuluh buku kerja yang hampir identik.”

Akibatnya, tim Meridian telah melakukan pekerjaan signifikan untuk membuat output mereka lebih dapat diaudit dan deterministik, sambil mempertahankan fleksibilitas alat berbasis LLM. Hasilnya adalah campuran AI agenik dan alat konvensional lainnya, meminimalkan halusinasi yang memperlambat banyak penerapan perusahaan.

“Tujuan kami adalah benar-benar menghilangkan lapisan keraguan langsung dari proses LLM,” kata Li. “Anda tahu persis bagaimana alur logika berjalan, dan semua asumsi atau apa pun yang masuk ke dalam model, Anda dapat melihat dari mana asalnya.”