Loop recauda 95 millones de dólares en financiación de Serie C para expandir su plataforma de inteligencia artificial en la cadena de suministro

Loop ha recaudado $95 millones en financiación de Serie C, liderada por Valor Equity Partners y el Fondo de Inteligencia Artificial Valor Atreides, mientras trabaja para ampliar su plataforma de inteligencia artificial en logística, finanzas y operaciones de cadena de suministro en general. La ronda también incluyó la participación de 8VC, Founders Fund, Index Ventures, J.P. Morgan Growth Equity Partners y Tao Capital Partners.

La recaudación de fondos se produce en un momento en que las cadenas de suministro están sometidas a una creciente presión debido a la evolución de las dinámicas comerciales, el aumento de los costos y la creciente complejidad de las operaciones globales. Para muchas empresas, el problema subyacente no es la falta de herramientas, sino la ausencia de una base de datos consistente y fiable en todos los sistemas.

Por qué las cadenas de suministro siguen siendo uno de los problemas más difíciles de la inteligencia artificial

Las cadenas de suministro son inherentemente fragmentadas. Los datos críticos se distribuyen en facturas, registros de envío, contratos y múltiples sistemas empresariales que rara vez se comunican limpiamente entre sí. Incluso los procesos rutinarios, como la reconciliación o el análisis de costos, a menudo dependen de la intervención manual.

Esto crea un desafío estructural para la implementación de la inteligencia artificial. La mayoría de los modelos dependen de entradas estructuradas y de alta calidad, pero los datos de la cadena de suministro a menudo son inconsistentes, incompletos o están bloqueados dentro de infraestructuras legadas. Como resultado, incluso los sistemas de inteligencia artificial bien diseñados luchan por operar de manera efectiva en entornos logísticos del mundo real.

Construir un sistema de inteligencia a partir de datos desconectados

El enfoque de Loop se centra en transformar estos datos fragmentados en un sistema unificado que pueda respaldar tanto la automatización como la toma de decisiones.

En lugar de operar como una capa de análisis independiente, la plataforma ingiere datos operativos y financieros de todo el flujo de trabajo logístico, los estandariza y aplica modelos específicos del dominio para interpretar las relaciones entre envíos, costos y proveedores. Esto permite a las empresas pasar de puntos de datos aislados a una imagen operativa más completa.

Un aspecto clave de esta arquitectura es la capacidad de manejar múltiples formatos de datos al mismo tiempo. Los documentos, los datos estructurados del sistema y los registros semiestructurados se procesan dentro de la misma canalización, lo que permite una visibilidad más amplia en sistemas previamente desconectados.

El papel de DUX: Modelos construidos para la realidad logística

En el núcleo de la plataforma se encuentra DUX, una familia de modelos y agentes diseñados específicamente para entornos de cadena de suministro.

Estos modelos combinan la comprensión de documentos, el procesamiento de datos estructurados y el razonamiento específico del dominio. Esto les permite interpretar datos logísticos complejos, como facturas y documentos de envío, mientras mantienen la conciencia del contexto operativo más amplio.

DUX también está diseñado para tomar medidas, no solo generar información. Al vincular la interpretación con la ejecución, el sistema puede automatizar flujos de trabajo como la auditoría, la reconciliación y la asignación de costos, reduciendo la dependencia de los procesos manuales que históricamente han dominado el sector.

De la auditoría de fletes a la inteligencia de cadena de suministro de pila completa

La plataforma de Loop evolucionó a partir de un enfoque inicial en la auditoría y el pago de fletes, un área donde la fragmentación de datos y el impacto financiero son particularmente pronunciados.

Comenzar en ese nicho proporcionó acceso a datos operativos de alto valor y permitió a la empresa construir sistemas capaces de manejar la complejidad del mundo real. Desde allí, la plataforma se expandió a áreas adyacentes como la compra, el manejo de proveedores, el cumplimiento y las operaciones de almacén.

Esta progresión refleja un patrón más amplio en la inteligencia artificial empresarial, donde resolver un problema estrecho pero crítico crea la base para expandirse a una capa operativa más amplia.

El cambio más amplio hacia sistemas de inteligencia artificial operativos

Tecnologías como la de Loop apuntan hacia un cambio en la forma en que se aplica la inteligencia artificial dentro de las empresas. En lugar de usarse principalmente para el análisis o la informes, los sistemas de inteligencia artificial se están integrando cada vez más directamente en los flujos de trabajo operativos.

En las cadenas de suministro, esto podría significar la reconciliación continua de datos financieros y operativos, la detección automatizada de ineficiencias y ajustes más rápidos a las condiciones cambiantes. Con el tiempo, este tipo de sistema puede reducir la dependencia de los ciclos de informes periódicos y reemplazarlos con procesos de toma de decisiones más continuos y en tiempo real.

Al mismo tiempo, la efectividad de estos sistemas dependerá en gran medida de la calidad de los datos, la integración del sistema y la capacidad de operar de manera confiable en una amplia gama de escenarios. Las cadenas de suministro son entornos dinámicos, y mantener la precisión a escala sigue siendo un desafío técnico significativo.

Qué significa esto para la infraestructura empresarial

La expansión de plataformas como la de Loop sugiere un cambio gradual en la arquitectura empresarial. Los sistemas tradicionales, como las plataformas ERP, TMS y WMS, se diseñaron principalmente para el registro y el procesamiento de transacciones. Las capas impulsadas por la inteligencia artificial están comenzando a situarse sobre estos sistemas, transformando registros estáticos en entradas activas para la toma de decisiones.

Si este modelo continúa desarrollándose, podría conducir a una capa operativa más unificada donde los datos financieros y logísticos ya no se tratan por separado. En su lugar, se convierten en parte de un sistema que actualiza, reconcilia e informa continuamente las decisiones comerciales.

Sin embargo, la transición es poco probable que sea uniforme. Muchas organizaciones todavía dependen en gran medida de sistemas legados profundamente arraigados, y la integración de la inteligencia artificial en esos entornos introduce complejidad técnica y organizativa. El ritmo de adopción probablemente variará dependiendo de qué tan efectivamente las empresas puedan modernizar su infraestructura de datos mientras mantienen la estabilidad operativa.