Dodge AI získává $2.65M, aby vyvedl podnikového softwaru z režimu hašení požárů

Dodge AI získala $2.65 million na automatizaci jedné z nejméně okouzlujících, ale nejdražších částí podnikových technologií: udržování kritického softwaru v provozu po jeho instalaci.

Financování vedly Accel a Google AI Futures Fund, s účastí NewBuild Venture Capital, Antler, Schema Ventures a andělských investorů z ekosystému SAP. Dodge AI nezveřejnila fázi kola.

Společnost se sídlem v San Franciscu vyvíjí to, co popisuje jako AI řídící rovinu pro údržbu podnikových aplikací. Její agenti pracují napříč systémy jako SAP, Salesforce, Microsoft Dynamics, Kinaxis a Oracle JDE, aby vyšetřovali incidenty, navrhovali nebo prováděli opravy a zachovávali zdůvodnění každé změny.

Tato poslední funkce může být nejdůležitější. Velké společnosti zřídka provozují software přesně tak, jak jej dodal výrobce. Léta vlastních pravidel, integrací, obejití, úloh na pozadí a jednorázových výjimek se vtisknou do systémů záznamů. Když se něco rozbije, odpověď může být rozptýlena mezi tikety, konfiguračními soubory, konzultanty a vzpomínkami zaměstnanců, kteří byli přítomni, když bylo rozhodnutí učiněno.

Proč je údržba problém AI

Dodge AI uvádí, že podniky utrácejí ročně více než $600 billion na údržbu obchodních aplikací. Tradiční přístup byl pracně náročný: velcí systémoví integrátoři přidělují týmy k řešení tiketů, implementaci změnových požadavků, monitorování úloh a reakci na provozní selhání. Tento model může obnovit služby, ale často nedokáže proměnit každou opravu v trvalé institucionální znalosti.

Výsledkem je narůstající problém kontextu. Opravy jsou prováděny, přizpůsobení se hromadí a organizace se stává více závislou na lidech, kteří si pamatují, proč se systém chová tak, jak se chová. Technický dluh není jen starý kód; je to mezera mezi tím, co systém dělá, a tím, co společnost dokáže spolehlivě vysvětlit.

To je také důvod, proč produkční AI agenti potřebují více než jen přístup k výkonným základním modelům. Jak nedávno zkoumal Unite.AI ve svém přehledu o kontextu v podnikovém automatizaci, agenti se stávají užitečnými, když dokážou uvažovat o zásadách, výjimkách a provozní historii související s úkolem. V prostředí ERP není dostačující jen pravděpodobná odpověď. Agent musí pochopit, proč jeden sklad alokuje zásoby jinak, proč cenové pravidlo přebije jiné, nebo proč může úloha běžet jen v určitou dobu.

Dodge AI si klade za cíl vybudovat tento kontext při řešení každodenní údržby. Jeho platforma propojuje obchodní procesy, přizpůsobení ERP, systémy řízení IT služeb a staré konfigurace, a následně využívá vzniklou „inteligenci výjimek“ k identifikaci příčin a vytvoření pravdivého zdroje pro budoucí agenty.

Od tiketů k provozní paměti

„Po dlouhou dobu byl jediný způsob, jak udržovat podnikovou infrastrukturu, přidávat více lidí,“ řekl Rebhav Bharadwaj, spoluzakladatel a CEO společnosti Dodge AI. Tvrdí, že dlouhodobí agenti mohou pomoci podnikům neustále zlepšovat a opravovat kritické systémy, řešit incidenty rychleji a zároveň zachytávat znalosti, které se běžně ztrácejí při údržbě.

Tento přístup přetváří údržbu z nákladového centra na vrstvu sběru dat. Každý incident obsahuje informace o tom, jak podnik skutečně funguje. Zachováním příčiny, opravy a relevantní výjimky může Dodge AI urychlit další vyšetřování a poskytnout produkčním agentům spolehlivější provozní manuál.

Společnost uvádí, že již spolupracuje s více než tucetem podniků, z nichž polovina je veřejně obchodovaná. Její platforma zpracovává stovky dotazů za hodinu napříč workflow pro správu incidentů a optimalizaci procesů.

V jednom případě nemohl kamion naložit ve skladu, protože doklad o přijetí zboží tiskl nesprávné informace. Dodge AI problém sledovala napříč SAP, Kinaxis a interním skladovým softwarem a během několika minut dodala opravu. V jiném nasazení zákazník prováděl plánování zásob přes noc, protože SAP spadl, když proces běžel ráno. Dodge AI uvádí, že modernizovala workflow, zrychlila jej 132‑krát, uvolnila tým o 10 lidech od jeho údržby a zlepšila dobu alokace objednávek o osm hodin.

Proč investoři podporují vrstvu údržby

Příležitost přesahuje pouhé řešení tiketů. Podniky chtějí nasadit AI agenty ve financích, dodavatelském řetězci, zákaznických operacích a dalších kritických funkcích, ale tito agenti nemohou bezpečně zasahovat do systémů, které neznají. Nedokumentovaná pravidla, která ztěžují údržbu starých aplikací, jsou stejná pravidla, která autonomní systém potřebuje před provedením spolehlivé změny.

„Údržba aplikací je jednou z největších a nejméně modernizovaných kategorií v podnikovém technologiím,“ řekl Prayank Swaroop, investor v Accelu. Podle něj tím, že Dodge AI začíná s údržbou, buduje vrstvu kontextu, kterou podniky potřebují, než mohou agenti bezpečně fungovat v produkci.

Tým spojuje Bharadwaja s spoluzakladatelem a CTO Adityou Thakurem a COO Adityou Patilem. Jejich krátkodobou výzvou bude prokázat, že agentní údržbová vrstva dokáže generalizovat napříč silně přizpůsobenými prostředími, aniž by zaváděla nové provozní riziko. Každý podnikový stack má odlišná oprávnění, požadavky na správu a režimy selhání a úspěch bude záviset stejně na auditovatelnosti a řízeném provádění jako na výkonnosti modelu.

Větší sázka

Teze Dodge AI je, že údržba je vstupním bodem k transformaci podniku, nikoli jen problém, který lze automatizovat. CIOové často bojují s modernizací, protože rozpočty a pozornost jsou pohlceny každodenními incidenty, zatímco riziko narušení již fungujících systémů ztěžuje ospravedlnění rozsáhlých projektů nahrazení.

Pokud Dodge AI dokáže tyto incidenty vyřešit a zároveň zdokumentovat skrytou logiku za nimi, může firmám poskytnout bezpečnější cestu od reaktivní podpory k kontinuální modernizaci. Stejný znalostní graf, který vysvětluje včerejší selhání, by mohl agentovi pomoci vyhodnotit zítřejší žádost o změnu, identifikovat rizikovou závislost nebo automatizovat proces, aniž by porušil pravidlo ukryté před lety.

Kolo ve výši 2,65 milionu dolarů je skromné ve srovnání s rozsahem trhu, na který Dodge AI cílí. Společnost však činí strategicky důležitou sázku: než budou AI agenti schopni řídit podnik, musí jim někdo ukázat, jak podnik ve skutečnosti funguje.