Magentic recauda $18M de Serie A para crear una fuerza laboral de IA para operaciones industriales

Magentic ha recaudado $18 millones en financiación de Serie A para expandir sus agentes de IA a lo largo de las operaciones de aprovisionamiento y cadena de suministro, apuntando a algunos de los flujos de trabajo más complejos dentro de grandes empresas industriales.

La ronda fue liderada por Felicis, con los inversores existentes Sequoia Capital y The Westly Group también participando. Llega aproximadamente un año después de que la empresa con sede en Londres y Nueva York se lanzara con una ronda semilla de $5.5 millones, elevando su financiación total reportada a $23.5 millones.

Fundada por el CEO Robin Van Aeken, ex McKinsey, y el CTO Odhran O’Donoghue, exalumno de OpenAI, Magentic apuesta a que la siguiente etapa de la IA empresarial irá más allá de los asistentes que responden preguntas o generan contenido. En cambio, sus agentes están diseñados para realizar trabajo operativo a través de los sistemas que los fabricantes ya utilizan.

Eso sitúa a la empresa en la intersección de dos tendencias principales: la rápida expansión de la IA agente y la construcción intensiva en capital de la infraestructura física necesaria para respaldar la economía más amplia de la IA.

Por qué el aprovisionamiento industrial está emergiendo como objetivo de IA

Gran parte del boom de IA generativa se ha centrado en el desarrollo de software, servicio al cliente, marketing y otros flujos de trabajo predominantemente digitales. Magentic apunta a un objetivo menos visible pero económicamente significativo: los procesos que determinan qué compran las empresas, de quién, a qué precio y bajo qué términos contractuales.

Esos procesos se vuelven particularmente difíciles dentro de los fabricantes globales. Los datos de aprovisionamiento pueden estar dispersos entre plataformas de planificación de recursos empresariales (ERP), acuerdos con proveedores, hojas de cálculo, facturas, sistemas de correo electrónico y bases de datos acumuladas a lo largo de años de adquisiciones y cambios tecnológicos.

Al mismo tiempo, la presión sobre las organizaciones de aprovisionamiento está aumentando. The Hackett Group proyecta que la carga de trabajo de aprovisionamiento crecerá un 8 % en 2026 incluso cuando el número de empleados y los presupuestos operativos disminuyan, creando un incentivo para automatizar más trabajo sin simplemente ampliar los equipos.

También hay un ciclo de infraestructura mucho mayor en marcha. Goldman Sachs estima una línea base de aproximadamente $7.6 billones en gasto de capital acumulado relacionado con IA entre 2026 y 2031, abarcando cómputo, centros de datos e infraestructura eléctrica. Ese gasto se traduce en última instancia en un enorme volumen de equipos, materiales, construcción, relaciones con proveedores y contratos que deben gestionarse.

La tesis de Magentic es que la IA puede participar cada vez más en esas decisiones en lugar de simplemente ayudar a los humanos a analizarlas.

Más allá del copiloto de IA

Magentic describe sus agentes como “trabajadores digitales“, pero la distinción más importante es el grado de autonomía que la plataforma intenta proporcionar.

En lugar de ofrecer a los empleados otro panel de control o una interfaz conversacional, Magentic está diseñada para situarse sobre la infraestructura empresarial existente. Su arquitectura incluye ingestión de datos, una capa de datos armonizada, un motor agente, conocimiento específico de aprovisionamiento, monitoreo en tiempo real, bucles de retroalimentación y ejecución de extremo a extremo.

El sistema puede ingerir información fragmentada de ERPs, hojas de cálculo, PDFs, contratos y otras fuentes antes de convertirla en una estructura con la que los agentes de IA puedan trabajar. Magentic también afirma que la plataforma puede seleccionar diferentes modelos de IA subyacentes según la tarea, en lugar de depender de un único modelo de lenguaje extenso.

Eso es importante porque el aprovisionamiento implica mucho más que la recuperación de información.

Un agente podría identificar que el mismo componente se compra a diferentes precios en distintas fábricas, encontrar proveedores superpuestos que podrían consolidarse, detectar compras realizadas fuera de los contratos negociados o descubrir reembolsos y descuentos contractuales que nunca se cobraron.

El objetivo de Magentic es que el agente vaya más allá y ayude a completar el flujo de trabajo resultante.

Sus trabajadores digitales pueden revisar el gasto, examinar contratos, calcular ahorros potenciales, preparar comunicaciones con proveedores, conciliar órdenes con facturas y reunir la evidencia necesaria para recuperar pagos en exceso. La empresa afirma que sus agentes pueden operar en gasto, abastecimiento, contratos y facturas, en lugar de limitarse a una única tarea aislada de aprovisionamiento.

Agentes de IA construidos alrededor de datos empresariales desordenados

El problema subyacente de los datos podría resultar tan importante como los propios modelos de IA.

Los grandes fabricantes rara vez disponen de bases de datos impecables esperando a un sistema de IA. Los nombres de proveedores pueden variar entre divisiones, los contratos pueden existir como PDFs, los precios pueden registrarse de manera diferente en distintas instancias de ERP, y décadas de adquisiciones pueden dejar a las empresas con numerosos sistemas superpuestos.

Los proyectos tradicionales de transformación empresarial a menudo intentan limpiar y estandarizar esos datos antes de desplegar nuevas aplicaciones.

Magentic está adoptando un enfoque diferente: permitir que los agentes de IA trabajen a través del entorno fragmentado que ya existe y organicen progresivamente la información necesaria para completar una tarea.

La plataforma también está diseñada para comunicarse a través de las herramientas que los empleados ya utilizan, incluidos Microsoft Teams y el correo electrónico, mientras opera en los sistemas internos de la empresa. Esto pretende que el agente sea menos como un producto de software independiente y más como otro participante operativo dentro de un proceso existente.

Magentic afirma que un cliente ya está procesando más de 1,2 millones de pedidos mediante sus trabajadores digitales, mientras que otra implementación identificó $4 millones en ahorros. En su base de clientes Global 500, la compañía informa ahorros de aproximadamente entre el 2 % y el 5 %, junto con una mejora promedio del 60 % en la calidad de los datos. Estas son cifras reportadas por la empresa y no métricas de rendimiento auditadas de forma independiente.

Manteniendo a los humanos en el ciclo de aprovisionamiento

Una mayor autonomía también genera un problema que es particularmente importante en la adquisición: una decisión incorrecta de IA puede tener consecuencias financieras u operativas inmediatas.

Enviar la comunicación equivocada a un proveedor es considerablemente diferente de generar un párrafo inexacto en un chatbot.

Por ello, Magentic ha incorporado puntos de revisión humana en los flujos de trabajo de sus agentes. En un ejemplo descrito por la compañía, un agente puede escanear los contratos de proveedores y señalar condiciones de pago inusuales, pero un ejecutivo de aprovisionamiento mantiene la responsabilidad de decidir si realmente debe llevarse a cabo una negociación.

La empresa también ha descrito un mecanismo de revisión multiactor en el que los agentes pueden verificar el trabajo producido por otros agentes, junto con registros y rastros de evidencia destinados a mostrar cómo se tomaron las decisiones.

Este modelo humano en el bucle probablemente seguirá siendo importante a medida que los agentes empresariales pasen de recomendar acciones a ejecutarlas.

La seguridad se vuelve parte de la arquitectura del agente

Permitir que un sistema de IA acceda a contratos, relaciones con proveedores, información de precios, facturas y sistemas ERP internos también plantea un conjunto diferente de requisitos empresariales.

Magentic afirma que cuenta con certificaciones SOC 2 Tipo II e ISO 27001, cumple con el Reglamento General de Protección de Datos (GDPR) de la Unión Europea y está alineada con la Ley de IA de la UE.

La plataforma incluye interacciones controladas con sistemas de registro y puntos de control humanos para acciones importantes. Magentic también indica que los datos de los clientes no se utilizan para entrenar modelos compartidos o públicos.

Estas salvaguardas se vuelven más relevantes a medida que los agentes adquieren la capacidad de actuar en lugar de simplemente recuperar o resumir información.

Construyendo una fuerza laboral de IA para la economía física

Magentic planea utilizar la ronda Serie A para ampliar la gama de flujos de trabajo de aprovisionamiento y cadena de suministro que sus agentes pueden gestionar, al mismo tiempo que invierte más en la investigación subyacente de IA.

Un desafío técnico es el contexto.

Los problemas de optimización industrial pueden involucrar años de datos de compras, miles de contratos de proveedores, historiales de precios, información de inventario, facturas, documentos técnicos y registros de comunicaciones. Magentic afirma que está desarrollando agentes capaces de diagnosticar problemas, planificar soluciones, tomar acciones y seguir esas acciones a través de terabytes de información multimodal.

“Llevar la IA de vanguardia al mundo físico requiere ir más allá de los sistemas de IA con ventanas de contexto limitadas,” dijo O’Donoghue. “Estamos construyendo IA que pueda diagnosticar problemas, planificar las soluciones, tomar medidas y ver el trabajo completado a través de terabytes de datos multimodales de una sola vez.”

El cambio más amplio es pasar de la IA como una herramienta utilizada durante un flujo de trabajo a la IA como software capaz de asumir cada vez más partes de ese flujo de trabajo.

La adquisición ofrece un caso de prueba interesante porque sus resultados son medibles. Un sistema o detecta un precio incorrecto, evita gastos fuera de contrato, identifica un reembolso pasado por alto, concilia una factura, o no lo hace.

Para Magentic, la Serie A de $18 millones, por lo tanto, es más que expandir otro producto de IA empresarial. La compañía apuesta a que algunos de los agentes de IA más valiosos operarán finalmente lejos de la interfaz de chatbot, dentro de los complejos sistemas de adquisición que determinan cómo se construye realmente la economía física.