Magentic ने औद्योगिक संचालन के लिए AI कार्यबल बनाने हेतु $18M Series A फंडिंग जुटाई

Magentic ने $18 million Series A फ़ंडिंग जुटाई ताकि वह प्रोक्योरमेंट और सप्लाई चेन संचालन में अपने AI एजेंटों का विस्तार कर सके, और बड़े औद्योगिक कंपनियों के भीतर सबसे जटिल कार्यप्रवाहों को लक्षित कर सके।

यह फंडिंग राउंड Felicis द्वारा नेतृत्व किया गया, जबकि मौजूदा निवेशकों Sequoia Capital और The Westly Group ने भी भाग लिया। यह कंपनी के लंदन और न्यूयॉर्क स्थित होने के लगभग एक वर्ष बाद आया, जब उसने $5.5 million की सीड राउंड लॉन्च की थी, जिससे कुल रिपोर्टेड फंडिंग $23.5 million हो गई।

सीईओ रॉबिन वैन एकेन, जो पहले मैकिन्ज़ी में थे, और सीटीओ ओड्रान ओ’डोनोह्यू, एक OpenAI पूर्व छात्र, द्वारा स्थापित Magentic का मानना है कि एंटरप्राइज़ AI का अगला चरण प्रश्नों के उत्तर देने या सामग्री उत्पन्न करने वाले सहायक से आगे बढ़ेगा। इसके बजाय, इसके एजेंट उन परिचालन कार्यों को करने के लिए डिज़ाइन किए गए हैं जो निर्माताओं द्वारा पहले से उपयोग किए जाने वाले सिस्टम्स में चलते हैं।

यह कंपनी को दो प्रमुख रुझानों के संगम पर रखता है: एजेंटिक AI का तेज़ विस्तार और व्यापक AI अर्थव्यवस्था को समर्थन देने के लिए आवश्यक भौतिक बुनियादी ढांचे का पूँजी‑गहन निर्माण।

क्यों औद्योगिक प्रोक्योरमेंट AI लक्ष्य के रूप में उभर रहा है

जेनरेटिव AI बूम का अधिकांश भाग सॉफ्टवेयर विकास, ग्राहक सेवा, मार्केटिंग और अन्य मुख्यतः डिजिटल कार्यप्रवाहों पर केंद्रित रहा है। Magentic एक कम दिखाई देने वाले लेकिन आर्थिक रूप से महत्वपूर्ण लक्ष्य पर ध्यान दे रहा है: वे प्रक्रियाएँ जो निर्धारित करती हैं कि कंपनियाँ क्या खरीदती हैं, किससे, किस कीमत पर, और किन अनुबंधीय शर्तों के तहत।

वे प्रक्रियाएँ वैश्विक निर्माताओं के भीतर विशेष रूप से कठिन हो जाती हैं। प्रोक्योरमेंट डेटा एंटरप्राइज़ रिसोर्स प्लानिंग (ERP) प्लेटफ़ॉर्म, आपूर्तिकर्ता समझौते, स्प्रेडशीट, चालान, ईमेल सिस्टम और वर्षों के अधिग्रहण और प्रौद्योगिकी परिवर्तन के माध्यम से संचित डेटाबेस में बिखरा हो सकता है।

इसी समय, प्रोक्योरमेंट संगठनों पर दबाव बढ़ रहा है। The Hackett Group आँकड़ा लगाता है कि 2026 में प्रोक्योरमेंट कार्यभार 8% बढ़ेगा, जबकि कर्मचारियों की संख्या और संचालन बजट घट रहे हैं, जिससे टीमों को केवल बढ़ाए बिना अधिक कार्य को स्वचालित करने का प्रोत्साहन मिलता है।

एक बहुत बड़ा बुनियादी ढांचा चक्र भी चल रहा है। Goldman Sachs अनुमान लगाता है कि 2026 से 2031 के बीच लगभग $7.6 ट्रिलियन का कुल AI‑संबंधित पूँजी व्यय होगा, जिसमें कंप्यूट, डेटा सेंटर और पावर इन्फ्रास्ट्रक्चर शामिल हैं। यह खर्च अंततः उपकरण, सामग्री, निर्माण, आपूर्तिकर्ता संबंधों और अनुबंधों की विशाल मात्रा में परिवर्तित हो जाता है, जिन्हें प्रबंधित करने की आवश्यकता होती है।

Magentic का सिद्धांत है कि AI इन निर्णयों में धीरे‑धीरे अधिक भाग ले सकता है, न कि केवल मनुष्यों को उनका विश्लेषण करने में मदद करना।

AI कोपायलट से आगे बढ़ते हुए

Magentic अपने एजेंटों को “डिजिटल वर्कर्स” के रूप में वर्णित करता है, लेकिन अधिक महत्वपूर्ण अंतर प्लेटफ़ॉर्म द्वारा प्रदान की जाने वाली स्वायत्तता की डिग्री है।

कर्मचारियों को एक और डैशबोर्ड या संवादात्मक इंटरफ़ेस प्रदान करने के बजाय, Magentic को मौजूदा एंटरप्राइज़ इन्फ्रास्ट्रक्चर के ऊपर बैठने के लिए डिज़ाइन किया गया है। इसकी आर्किटेक्चर में डेटा इनजेशन, एक सामंजस्यपूर्ण डेटा लेयर, एक एजेंटिक इंजन, प्रोक्योरमेंट‑विशिष्ट ज्ञान, रियल‑टाइम मॉनिटरिंग, फीडबैक लूप और एंड‑टू‑एंड निष्पादन शामिल हैं।

सिस्टम ERP, स्प्रेडशीट, PDF, अनुबंध और अन्य स्रोतों से टुकड़े‑टुकड़े जानकारी को इनजेस्ट कर सकता है, फिर उसे ऐसी संरचना में बदलता है जिसे AI एजेंट उपयोग कर सकें। Magentic यह भी कहता है कि प्लेटफ़ॉर्म कार्य के अनुसार विभिन्न अंतर्निहित AI मॉडल चुन सकता है, बजाय एकल बड़े भाषा मॉडल पर निर्भर रहने के।

यह महत्वपूर्ण है क्योंकि प्रोक्योरमेंट केवल जानकारी प्राप्त करने से कहीं अधिक शामिल करता है।

एक एजेंट यह पहचान सकता है कि वही घटक विभिन्न कारखानों में अलग-अलग कीमतों पर खरीदा जा रहा है, उन आपूर्तिकर्ताओं को खोज सकता है जो ओवरलैप कर रहे हैं और जिन्हें समेकित किया जा सकता है, समझौते के बाहर किए गए खरीदारी का पता लगा सकता है, या उन रिबेट और अनुबंधीय छूटों को खोज सकता है जो कभी प्राप्त नहीं हुईं।

Magentic का लक्ष्य है कि एजेंट और आगे बढ़े और परिणामी कार्यप्रवाह को पूरा करने में मदद करे।

इसके डिजिटल वर्कर्स खर्च की समीक्षा कर सकते हैं, अनुबंधों की जांच कर सकते हैं, संभावित बचत की गणना कर सकते हैं, आपूर्तिकर्ता संचार तैयार कर सकते हैं, आदेशों को चालानों के विरुद्ध मिलान कर सकते हैं, और अधिक भुगतान वसूलने के लिए आवश्यक साक्ष्य एकत्र कर सकते हैं। कंपनी कहती है कि उसके एजेंट खर्च, सोर्सिंग, अनुबंध और चालानों में काम कर सकते हैं, न कि केवल एक अलग प्रोक्योरमेंट कार्य तक सीमित।

गंदे एंटरप्राइज़ डेटा के आसपास निर्मित AI एजेंट

अंतर्निहित डेटा समस्या AI मॉडलों जितनी ही महत्वपूर्ण साबित हो सकती है।

बड़े निर्माताओं के पास अक्सर AI सिस्टम के लिए तैयार शुद्ध डेटाबेस नहीं होते। आपूर्तिकर्ता नाम विभागों के बीच अलग हो सकते हैं, अनुबंध PDF के रूप में मौजूद हो सकते हैं, कीमतें विभिन्न ERP इंस्टेंस में अलग तरीके से दर्ज हो सकती हैं, और दशकों के अधिग्रहण कंपनियों को कई ओवरलैपिंग सिस्टम छोड़ सकते हैं।

परम्परागत एंटरप्राइज़ ट्रांसफ़ॉर्मेशन प्रोजेक्ट्स अक्सर नए अनुप्रयोगों को तैनात करने से पहले उस डेटा को साफ़ और मानकीकृत करने का प्रयास करते हैं।

Magentic एक अलग दृष्टिकोण अपना रहा है: AI एजेंटों को मौजूदा टुकड़े‑टुकड़े वातावरण में काम करने देना और क्रमशः कार्य पूर्ण करने के लिए आवश्यक जानकारी को व्यवस्थित करना।

यह प्लेटफ़ॉर्म इस तरह डिज़ाइन किया गया है कि वह कर्मचारियों द्वारा पहले से उपयोग किए जाने वाले उपकरणों, जैसे Microsoft Teams और ई‑मेल, के माध्यम से संवाद कर सके, जबकि आंतरिक एंटरप्राइज़ सिस्टम्स में भी काम करता है। इसका उद्देश्य एजेंट को एक अलग सॉफ़्टवेयर उत्पाद की बजाय मौजूदा प्रक्रिया के भीतर एक अन्य परिचालन प्रतिभागी बनाना है।

Magentic के अनुसार एक ग्राहक पहले ही अपने डिजिटल वर्कर्स के माध्यम से 1.2 मिलियन से अधिक ऑर्डर प्रोसेस कर रहा है, जबकि एक अन्य डिप्लॉयमेंट ने $4 मिलियन की बचत की पहचान की। अपने Global 500 ग्राहक आधार में कंपनी लगभग 2 % से 5 % की बचत, साथ ही डेटा गुणवत्ता में औसत 60 % सुधार की रिपोर्ट करती है। ये आंकड़े कंपनी‑द्वारा रिपोर्ट किए गए हैं, न कि स्वतंत्र रूप से ऑडिट किए गए प्रदर्शन मेट्रिक्स।

प्रोक्योरमेंट लूप में मानव को शामिल रखना

अधिक स्वायत्तता एक ऐसी समस्या भी उत्पन्न करती है जो प्रोक्योरमेंट में विशेष रूप से महत्वपूर्ण है: एक गलत AI निर्णय का तत्काल वित्तीय या परिचालन प्रभाव हो सकता है।

गलत आपूर्तिकर्ता संचार भेजना, चैटबॉट में एक असटीक पैराग्राफ उत्पन्न करने से काफी अलग है।

Magentic ने इसलिए अपने एजेंट वर्कफ़्लो में मानव समीक्षा बिंदु स्थापित किए हैं। कंपनी द्वारा वर्णित एक उदाहरण में, एक एजेंट आपूर्तिकर्ता अनुबंधों को स्कैन करके असामान्य भुगतान शर्तों को चिन्हित कर सकता है, लेकिन प्रोक्योरमेंट कार्यकारी यह तय करने की जिम्मेदारी रखता है कि वार्ता वास्तव में होनी चाहिए या नहीं।

कंपनी ने एक बहु‑एजेंट समीक्षा तंत्र का भी उल्लेख किया है, जिसमें एजेंट अन्य एजेंटों द्वारा निर्मित कार्य की जाँच कर सकते हैं, साथ ही लॉग और साक्ष्य ट्रेल्स जो यह दिखाते हैं कि निर्णय कैसे लिये गये।

यह मानव-इन-द-लूप मॉडल संभवतः महत्वपूर्ण बना रहेगा क्योंकि एंटरप्राइज़ एजेंट सिफ़ारिशों से कार्यान्वयन की ओर बढ़ रहे हैं।

सुरक्षा एजेंट आर्किटेक्चर का हिस्सा बनती है

AI सिस्टम को अनुबंधों, आपूर्तिकर्ता संबंधों, मूल्य जानकारी, चालानों और आंतरिक ERP सिस्टम्स तक पहुँच देना भी एंटरप्राइज़ आवश्यकताओं का एक अलग सेट प्रस्तुत करता है।

Magentic कहता है कि वह SOC 2 Type II और ISO 27001 प्रमाणित है, यूरोपीय संघ के जनरल डेटा प्रोटेक्शन रेगुलेशन (GDPR) के अनुरूप है, और EU AI Act के साथ संरेखित है।

प्लेटफ़ॉर्म में रिकॉर्ड सिस्टम्स के साथ नियंत्रित इंटरैक्शन और महत्वपूर्ण कार्यों के लिए मानव चेकपॉइंट शामिल हैं। Magentic यह भी कहता है कि ग्राहक डेटा को साझा या सार्वजनिक मॉडलों को प्रशिक्षित करने के लिए उपयोग नहीं किया जाता।

जैसे-जैसे एजेंट केवल जानकारी पुनः प्राप्त करने या सारांशित करने के बजाय कार्रवाई करने में सक्षम होते हैं, ये सुरक्षा उपाय अधिक महत्वपूर्ण हो जाते हैं।

भौतिक अर्थव्यवस्था के लिए AI कार्यबल बनाना

Magentic अपनी Series A का उपयोग प्रोक्योरमेंट और सप्लाई चेन वर्कफ़्लो की सीमा का विस्तार करने के लिए करेगा, साथ ही आधारभूत AI अनुसंधान में आगे निवेश करेगा।

एक तकनीकी चुनौती संदर्भ है।

औद्योगिक अनुकूलन समस्याओं में वर्षों के खरीद डेटा, हजारों आपूर्तिकर्ता अनुबंध, मूल्य इतिहास, इन्वेंटरी जानकारी, चालान, तकनीकी दस्तावेज़ और संचार रिकॉर्ड शामिल हो सकते हैं। Magentic कहता है कि वह ऐसे एजेंट विकसित कर रहा है जो समस्याओं का निदान, समाधान की योजना, कार्रवाई और टेराबाइट्स मल्टीमॉडल जानकारी के माध्यम से कार्य को पूरा कर सके।

“फ्रंटियर AI को भौतिक दुनिया में लाने के लिए सीमित कॉन्टेक्स्ट विंडो वाले AI सिस्टम्स से आगे बढ़ना आवश्यक है,” O’Donoghue ने कहा। “हम ऐसा AI बना रहे हैं जो समस्याओं का निदान, समाधान की योजना, कार्रवाई कर सके और टेराबाइट्स मल्टीमॉडल डेटा को एक साथ देख सके।”

विस्तृत परिवर्तन यह है कि AI अब कार्यप्रवाह के दौरान उपयोग किए जाने वाले उपकरण से विकसित होकर वह सॉफ़्टवेयर बन रहा है जो कार्यप्रवाह के बड़े हिस्सों को स्वयं संभाल सकता है।

प्रोक्योरमेंट एक रोचक परीक्षण केस प्रस्तुत करता है क्योंकि इसके परिणाम मापने योग्य होते हैं। सिस्टम या तो गलत मूल्य को पकड़ता है, अनुबंध‑बाहरी खर्च को रोकता है, अनदेखा रिबेट पहचानता है, चालान का मिलान करता है, या नहीं करता।

Magentic के लिए $18 मिलियन की Series A केवल एक और एंटरप्राइज़ AI उत्पाद का विस्तार नहीं है। कंपनी इस बात पर दांव लगा रही है कि सबसे मूल्यवान AI एजेंट अंततः चैटबॉट इंटरफ़ेस से दूर, जटिल प्रोक्योरमेंट सिस्टम्स के भीतर काम करेंगे जो वास्तविक अर्थव्यवस्था के निर्माण को निर्धारित करते हैं।