Magentic Mengumpulkan $18M Seri A untuk Membangun Tenaga Kerja AI bagi Operasi Industri

Magentic telah mengumpulkan $18 juta dalam pendanaan Seri A untuk memperluas agen AI-nya di seluruh operasi pengadaan dan rantai pasokan, menargetkan beberapa alur kerja paling kompleks di dalam perusahaan industri besar.

Putaran ini dipimpin oleh Felicis, dengan investor yang sudah ada Sequoia Capital dan The Westly Group juga berpartisipasi. Ini terjadi kira-kira satu tahun setelah perusahaan yang berbasis di London dan New York meluncurkan dengan putaran pendanaan seed sebesar $5.5 juta, menjadikan total pendanaan yang dilaporkan menjadi $23.5 juta.

Didirikan oleh CEO Robin Van Aeken, mantan McKinsey, dan CTO Odhran O’Donoghue, alumni OpenAI, Magentic bertaruh bahwa tahap berikutnya dari AI perusahaan akan melampaui asisten yang menjawab pertanyaan atau menghasilkan konten. Sebaliknya, agen-agennya dirancang untuk melaksanakan pekerjaan operasional di seluruh sistem yang sudah digunakan oleh produsen.

Hal itu menempatkan perusahaan pada persimpangan dua tren utama: ekspansi cepat AI agenik dan pembangunan infrastruktur fisik yang intensif modal diperlukan untuk mendukung ekonomi AI yang lebih luas.

Mengapa Pengadaan Industri Muncul sebagai Target AI

Sebagian besar ledakan AI generatif telah terfokus pada pengembangan perangkat lunak, layanan pelanggan, pemasaran, dan alur kerja digital lainnya. Magentic menargetkan sasaran yang kurang terlihat namun signifikan secara ekonomi: proses yang menentukan apa yang dibeli perusahaan, dari siapa, dengan harga berapa, dan di bawah syarat kontrak apa.

Proses-proses tersebut menjadi terutama sulit di dalam produsen global. Data pengadaan dapat tersebar di seluruh platform perencanaan sumber daya perusahaan (ERP), perjanjian pemasok, spreadsheet, faktur, sistem email, dan basis data yang terkumpul selama bertahun-tahun akuisisi dan perubahan teknologi.

Pada saat yang sama, tekanan pada organisasi pengadaan semakin meningkat. The Hackett Group memproyeksikan bahwa beban kerja pengadaan akan tumbuh sebesar 8% pada tahun 2026 meskipun jumlah karyawan dan anggaran operasional menurun, menciptakan insentif untuk mengotomatisasi lebih banyak pekerjaan tanpa sekadar memperluas tim.

Selain itu, siklus infrastruktur yang jauh lebih besar sedang berlangsung. Goldman Sachs memperkirakan baseline sekitar $7.6 triliun dalam belanja modal kumulatif terkait AI antara 2026 dan 2031, mencakup komputasi, pusat data, dan infrastruktur listrik. Pengeluaran tersebut pada akhirnya diterjemahkan menjadi volume besar peralatan, material, konstruksi, hubungan pemasok, dan kontrak yang perlu dikelola.

Hipotesis Magentic adalah bahwa AI dapat semakin berpartisipasi dalam keputusan tersebut daripada sekadar membantu manusia menganalisisnya.

Melampaui Peran Copilot AI

Magentic menggambarkan agen-agennya sebagai “pekerja digital,” namun perbedaan yang lebih penting adalah tingkat otonomi yang coba disediakan platform ini.

Alih-alih menawarkan karyawan dasbor atau antarmuka percakapan lain, Magentic dirancang untuk berada di atas infrastruktur perusahaan yang ada. Arsitekturnya mencakup pengambilan data, lapisan data yang terharmonisasi, mesin agenik, pengetahuan khusus pengadaan, pemantauan waktu nyata, umpan balik, dan eksekusi ujung-ke-ujung.

Sistem dapat mengambil informasi terfragmentasi dari ERP, spreadsheet, PDF, kontrak, dan sumber lain sebelum mengubahnya menjadi struktur yang dapat dipakai oleh agen AI. Magentic juga menyatakan bahwa platform dapat memilih model AI dasar yang berbeda tergantung pada tugas, alih-alih mengandalkan satu model bahasa besar.

Hal itu penting karena pengadaan melibatkan jauh lebih dari sekadar mengambil informasi.

Seorang agen mungkin mengidentifikasi bahwa komponen yang sama dibeli dengan harga berbeda di berbagai pabrik, menemukan pemasok yang tumpang tindih yang dapat dikonsolidasikan, mendeteksi pembelian yang dilakukan di luar kontrak yang dinegosiasikan, atau menemukan rebate dan diskon kontraktual yang belum pernah dikumpulkan.

Tujuan Magentic adalah agar agen dapat melangkah lebih jauh dan membantu menyelesaikan alur kerja yang dihasilkan.

Pekerja digitalnya dapat meninjau pengeluaran, memeriksa kontrak, menghitung potensi penghematan, menyiapkan komunikasi pemasok, merekonsiliasi pesanan dengan faktur, dan mengumpulkan bukti yang diperlukan untuk memulihkan pembayaran berlebih. Perusahaan menyatakan bahwa agen-agennya dapat beroperasi di seluruh pengeluaran, sourcing, kontrak, dan faktur alih-alih terbatas pada satu tugas pengadaan terisolasi.

Agen AI Dibangun di Sekitar Data Perusahaan yang Berantakan

Masalah data yang mendasari dapat terbukti sama pentingnya dengan model AI itu sendiri.

Produsen besar jarang memiliki basis data yang bersih menunggu sistem AI. Nama pemasok dapat berbeda antar divisi, kontrak mungkin ada dalam bentuk PDF, harga dapat dicatat secara berbeda di berbagai instance ERP, dan puluhan tahun akuisisi dapat meninggalkan perusahaan dengan banyak sistem yang tumpang tindih.

Proyek transformasi perusahaan tradisional sering berupaya membersihkan dan menstandarisasi data tersebut sebelum meluncurkan aplikasi baru.

Magentic mengambil pendekatan yang berbeda: memungkinkan agen AI bekerja di seluruh lingkungan terfragmentasi yang sudah ada dan secara bertahap mengatur informasi yang diperlukan untuk menyelesaikan sebuah tugas.

Platform ini juga dirancang untuk berkomunikasi melalui alat yang sudah digunakan karyawan, termasuk Microsoft Teams dan email, sambil beroperasi di seluruh sistem internal perusahaan. Tujuannya adalah menjadikan agen tersebut tidak lagi seperti produk perangkat lunak mandiri, melainkan seperti peserta operasional lain di dalam proses yang sudah ada.

Magentic mengatakan satu pelanggan sudah memproses lebih dari 1,2 juta pesanan melalui pekerja digitalnya, sementara implementasi lain mengidentifikasi penghematan sebesar $4 juta. Di antara basis pelanggannya yang termasuk dalam Global 500, perusahaan melaporkan penghematan sekitar 2% hingga 5%, bersama dengan peningkatan kualitas data rata-rata sebesar 60%. Angka-angka ini dilaporkan oleh perusahaan, bukan merupakan metrik kinerja yang diaudit secara independen.

Menjaga Manusia dalam Lingkaran Pengadaan

Otonomi yang lebih besar juga menimbulkan masalah yang sangat penting dalam pengadaan: keputusan AI yang salah dapat menimbulkan konsekuensi finansial atau operasional secara langsung.

Mengirimkan komunikasi yang salah kepada pemasok jauh berbeda dengan menghasilkan paragraf yang tidak akurat dalam chatbot.

Magentic oleh karena itu menambahkan titik tinjauan manusia ke dalam alur kerja agen mereka. Dalam satu contoh yang dijelaskan perusahaan, sebuah agen dapat memindai kontrak pemasok dan menandai ketentuan pembayaran yang tidak biasa, namun eksekutif pengadaan tetap bertanggung jawab untuk memutuskan apakah negosiasi sebenarnya harus dilakukan.

Perusahaan juga menjelaskan mekanisme tinjauan multi-agen di mana agen-agen dapat memeriksa pekerjaan yang dihasilkan oleh agen lain, bersama dengan log dan jejak bukti yang dimaksudkan untuk menunjukkan bagaimana keputusan diambil.

Model manusia dalam loop ini kemungkinan akan tetap penting saat agen perusahaan beralih dari merekomendasikan tindakan menjadi mengeksekusinya.

Keamanan Menjadi Bagian dari Arsitektur Agen

Memberikan sistem AI akses ke kontrak, hubungan pemasok, informasi harga, faktur, dan sistem ERP internal juga menimbulkan serangkaian persyaratan perusahaan yang berbeda.

Magentic menyatakan bahwa mereka bersertifikat SOC 2 Tipe II dan ISO 27001, mematuhi Peraturan Perlindungan Data Umum (GDPR) Uni Eropa, serta selaras dengan Undang-Undang AI Uni Eropa.

Platform ini mencakup interaksi terkendali dengan sistem pencatatan dan titik pemeriksaan manusia untuk tindakan penting. Magentic juga menyatakan bahwa data pelanggan tidak digunakan untuk melatih model bersama atau publik.

Langkah-langkah pengamanan ini menjadi lebih penting seiring agen memperoleh kemampuan untuk bertindak, bukan sekadar mengambil atau merangkum informasi.

Membangun Tenaga Kerja AI untuk Ekonomi Fisik

Magentic berencana menggunakan pendanaan Seri A untuk memperluas cakupan alur kerja pengadaan dan rantai pasokan yang dapat dikelola oleh agen-agen mereka, sekaligus meningkatkan investasi dalam riset AI yang mendasarinya.

Salah satu tantangan teknis adalah konteks.

Masalah optimisasi industri dapat melibatkan data pembelian selama bertahun‑tahun, ribuan kontrak pemasok, riwayat harga, informasi inventaris, faktur, dokumen teknis, dan catatan komunikasi. Magentic menyatakan bahwa mereka sedang mengembangkan agen yang mampu mendiagnosis masalah, merencanakan solusi, mengambil tindakan, dan menindaklanjuti tindakan tersebut melalui terabyte data multimodal.

“Membawa AI frontier ke dunia fisik memerlukan dorongan melampaui sistem AI dengan jendela konteks terbatas,” kata O’Donoghue. “Kami sedang membangun AI yang dapat mendiagnosis masalah, merencanakan perbaikan, mengambil tindakan, dan menyelesaikan pekerjaan melalui terabyte data multimodal sekaligus.”

Perubahan yang lebih luas adalah dari AI sebagai alat yang digunakan selama alur kerja menuju AI sebagai perangkat lunak yang mampu menguasai bagian yang semakin besar dari alur kerja tersebut.

Pengadaan menawarkan kasus uji yang menarik karena hasilnya dapat diukur. Sebuah sistem dapat menangkap harga yang salah, mencegah pengeluaran di luar kontrak, mengidentifikasi rebate yang terlewat, merekonsiliasi faktur, atau tidak.

Bagi Magentic, Seri A senilai $18 juta ini bukan hanya tentang memperluas produk AI perusahaan lainnya. Perusahaan bertaruh bahwa beberapa agen AI paling berharga pada akhirnya akan beroperasi jauh dari antarmuka chatbot—di dalam sistem pengadaan yang rumit yang menentukan bagaimana ekonomi fisik sebenarnya dibangun.