Loop מרים 95 מיליון דולר בסבב C כדי להרחיב את פלטפורמת האינטליגנציה המלאכותית שלה לאורך השרשרת הלוגיסטית

Loop הרימה $95 מיליון בסבב C, בהובלת Valor Equity Partners ו-Valor Atreides AI Fund, כאשר היא עובדת כדי להרחיב את פלטפורמת האינטליגנציה המלאכותית שלה לאורך הלוגיסטיקה, הפיננסים והשרשרת הלוגיסטית הרחבה יותר. הסבב כלל גם השתתפות של 8VC, Founders Fund, Index Ventures, J.P. Morgan Growth Equity Partners ו-Tao Capital Partners.

הגיוס מתרחש בעת ששרשרות אספקה נתונות בלחץ גובר מדינמיקה משתנה של סחר, עלויות עולות וגידול במורכבות של פעולות גלובליות. עבור רבות מהחברות, הבעיה העומדת בבסיס היא לא חוסר בכלים, אלא היעדרה של בסיס נתונים עקבי ואמין לאורך מערכות.

למה שרשרות אספקה נותרות אחד מהבעיות הקשות ביותר של אינטליגנציה מלאכותית

שרשרות אספקה הן פרגמנטריות מטבען. נתונים קריטיים מפוזרים על חשבונות, רשומות משלוח, חוזים ומערכות תאגידיות רבות שנדירות מתקשרות באופן נקי זו עם זו. אפילו תהליכים שגרתיים כגון פיון או ניתוח עלויות תלויים לעיתים קרובות בהתערבות ידנית.

זה יוצר אתגר מבני ליישום אינטליגנציה מלאכותית. רוב המודלים מסתמכים על קלטים מובנים, באיכות גבוהה, אך נתוני שרשרת האספקה הם לעיתים קרובות לא עקביים, חסרים או נעולים בתשתית מורשת. כתוצאה מכך, אפילו מערכות אינטליגנציה מלאכותית מוצלחות מאבדות את יכולתן לפעול באופן יעיל בסביבות לוגיסטיות אמיתיות.

בניית מערכת מודיעין מנתונים מנותקים

גישת Loop מתרכזת בהפיכת נתונים מפורקים אלה למערכת מאוחדת שיכולה לתמוך הן באוטומציה והן בקבלת החלטות.

במקום לפעול כשכבת ניתוח עצמאית, הפלטפורמה בולעת נתונים אופרטיביים ופיננסיים מכלל זרמי העבודה הלוגיסטיים, מסטנדרטים אותם ומיישמת מודלים ספציפיים לתחום כדי לפרש את היחסים בין משלוחים, עלויות וספקים. זה מאפשר לחברות לעבור מנקודות נתונים מבודדות לתמונה אופרטיבית שלמה יותר.

היבט מרכזי בארכיטקטורה הזו הוא היכולת לטפל במספר פורמטים של נתונים בו-זמנית. מסמכים, נתונים מובנים של מערכות ורשומות חצי-מובנות עובדים כולם בתוך אותו צינור, מאפשרים ראות רחבה יותר לאורך מערכות שהיו מנותקות קודם.

תפקידו של DUX: מודלים שנבנו למציאות הלוגיסטית

בליבת הפלטפורמה נמצא DUX, משפחה של מודלים וסוכנים שתוכננו במיוחד עבור סביבות שרשרת אספקה.

מודלים אלו משלבים הבנת מסמכים, עיבוד נתונים מובנים ותימוכין ספציפי לתחום. זה מאפשר להם לפרש נתוני לוגיסטיקה מורכבים, כגון חשבונות ומסמכי משלוח, בעודם שומרים על הכרת ההקשר האופרטיבי הרחב יותר.

DUX תוכנן גם לנקוט פעולה, ולא רק לייצר תובנות. על ידי קישור פירוש עם ביצוע, המערכת יכולה לאוטומט את זרימות העבודה כגון אודיט, פיון וחלוקת עלויות, ובכך להפחית את התלות בתהליכים ידניים ששלטו בענף.

מאודיט משלוחים לאינטליגנציה שרשרת אספקה מלאה

פלטפורמת Loop התפתחה ממוקד ראשוני באודיט משלוחים ותשלום, תחום שבו פרגמנטציה של נתונים והשפעה פיננסית הן במיוחד מודגשות.

התחלה בנישה זו סיפקה גישה לנתונים אופרטיביים בעלי ערך גבוה ואיפשרה לחברה לבנות מערכות המסוגלות להתמודד עם מורכבות אמיתית. משם, הפלטפורמה התרחבה לתחומים סמוכים כגון רכישות, ניהול ספקים, ציות וניהול מחסנים.

התקדמות זו משקפת תבנית רחבה יותר באינטליגנציה מלאכותית של חברות, שבה פתרון בעיה צרה אך קריטית יוצר את היסוד להרחבה לשכבה אופרטיבית רחבה יותר.

המעבר הרחב יותר למערכות אינטליגנציה מלאכותית אופרטיביות

טכנולוגיות כגון Loop מצביעות על מעבר באופן שבו אינטליגנציה מלאכותית מוחלת בתוך חברות. במקום להיעשות בעיקר לניתוח או דו”חות, מערכות אינטליגנציה מלאכותית הולכות ונשתלבות ישירות לתוך זרימות עבודה אופרטיביות.

בשרשרות אספקה, זה יכול להוביל לפיון רציף של נתונים פיננסיים ואופרטיביים, גילוי אוטומטי של אינפיסיינציות והתאמות מהירות יותר לתנאים משתנים. במהלך הזמן, סוג זה של מערכת עשויה להפחית את התלות במחזורי דו”חות תקופתיים ולהחליפם בתהליכי קבלת החלטות רציפים ואמיתיים יותר.

בו-זמנית, יעילותן של מערכות אלו תלויה במידה רבה באיכות הנתונים, אינטגרציה של מערכות ויכולת לפעול באופן אמין לאורך מגוון רחב של תרחישים. שרשרות אספקה הן סביבות דינאמיות, ושמירה על דיוק בקנה מידה גדול נותרה אתגר טכני משמעותי.

מה זה אומר עבור תשתית חברתית

ההרחבה של פלטפורמות כגון Loop מרמזת על מעבר הדרגתי בארכיטקטורה של חברות. מערכות מסורתיות כגון פלטפורמות ERP, TMS ו-WMS תוכננו בעיקר עבור רישום ועיבוד טרנסאקציות. שכבות המונעות על ידי אינטליגנציה מלאכותית מתחילות לשבת מעל מערכות אלו, הופכות רשומות סטטיות לקלטים פעילים עבור קבלת החלטות.

אם המודל הזה ממשיך להתפתח, הוא עשוי להוביל לשכבה אופרטיבית מאוחדת יותר, שבה נתונים פיננסיים ולוגיסטיים אינם נתפסים עוד בנפרד. במקום זאת, הם הופכים לחלק ממערכת אחת שמעדכנת, מפייסת ומודיעה החלטות עסקיות באופן רציף.

עם זאת, המעבר אינו סביר שיהיה אחיד. רבות מהארגונים עדיין מסתמכים על מערכות מורשת עמוקות, ואינטגרציה של אינטליגנציה מלאכותית לסביבות אלו מציגה גם מורכבות טכנית וגם ארגונית. קצב האימוץ כנראה יושפע מהיכולת של חברות למודרניזציה של תשתית הנתונים שלהן בעודן שומרות על יציבות אופרטיבית.