Dodge AI raccoglie $2,65 M per togliere il software aziendale dalla modalità di spegnimento incendi

Dodge AI ha raccolto $2,65 milioni per automatizzare una delle parti meno affascinanti ma più costose della tecnologia aziendale: mantenere operativo il software critico dopo la sua installazione.

Il finanziamento è stato guidato da Accel e Google AI Futures Fund, con la partecipazione di NewBuild Venture Capital, Antler, Schema Ventures e investitori angelici dell’ecosistema SAP. Dodge AI non ha divulgato lo stadio del round.

L’azienda di San Francisco sta costruendo quello che descrive come un piano di controllo AI per la manutenzione delle applicazioni aziendali. I suoi agenti operano su sistemi come SAP, Salesforce, Microsoft Dynamics, Kinaxis e Oracle JDE per investigare gli incidenti, raccomandare o eseguire correzioni e preservare il ragionamento alla base di ogni modifica.

Questa ultima funzione potrebbe essere la più importante. Le grandi aziende raramente operano il software esattamente come è stato consegnato dal fornitore. Anni di regole personalizzate, integrazioni, soluzioni alternative, processi in background e eccezioni isolate si integrano nei sistemi di registro. Quando qualcosa si rompe, la risposta può essere sparsa tra ticket, file di configurazione, consulenti e i ricordi dei dipendenti presenti al momento della decisione.

Perché la manutenzione è un problema di IA

Dodge AI afferma che le imprese spendono più di $600 billion all’anno per mantenere le applicazioni aziendali. L’approccio tradizionale è stato intensivo in termini di manodopera: i grandi integratori di sistemi assegnano team per risolvere i ticket, implementare richieste di modifica, monitorare i processi e rispondere ai guasti operativi. quel modello può ripristinare il servizio, ma spesso non riesce a trasformare ogni riparazione in una conoscenza istituzionale duratura.

Il risultato è un problema di contesto cumulativo. Le correzioni vengono effettuate, le personalizzazioni si accumulano e l’organizzazione diventa più dipendente dalle persone che ricordano perché il sistema si comporta in quel modo. Il debito tecnico non è solo codice vecchio; è il divario tra ciò che un sistema fa e ciò che l’azienda può spiegare in modo affidabile.

Questo è anche il motivo per cui gli agenti AI di produzione hanno bisogno di più di un semplice accesso a modelli di base capaci. Come ha recentemente esaminato Unite.AI nella sua copertura di contesto nell’automazione aziendale, gli agenti diventano utili quando possono ragionare con le politiche, le eccezioni e la storia operativa che circondano un compito. In un ambiente ERP, una risposta plausibile non è sufficiente. Un agente deve capire perché un magazzino assegna le scorte in modo diverso, perché una regola di prezzo ne sovrascrive un’altra, o perché un lavoro può essere eseguito solo a un determinato orario.

Dodge AI mira a costruire quel contesto risolvendo al contempo le attività di manutenzione quotidiane. La sua piattaforma collega i processi aziendali, le personalizzazioni ERP, i sistemi di gestione dei servizi IT e le configurazioni legacy, per poi utilizzare l’“intelligenza delle eccezioni” risultante per identificare le cause radice e creare una fonte di verità per gli agenti futuri.

Dai ticket a una memoria operativa

«Per molto tempo, l’unico modo per mantenere i sistemi aziendali era aggiungere più persone», ha dichiarato Rebhav Bharadwaj, cofondatore e CEO di Dodge AI. Sostiene che gli agenti a lungo orizzonte possono aiutare le imprese a migliorare e curare continuamente i sistemi mission-critical, risolvendo gli incidenti più rapidamente e catturando la conoscenza normalmente persa nel lavoro di manutenzione.

Questo approccio ricolloca la manutenzione da centro di costo a livello di raccolta dati. Ogni incidente contiene informazioni su come l’azienda opera realmente. Conservando la causa, la correzione e l’eccezione pertinente, Dodge AI può rendere la successiva indagine più veloce e fornire agli agenti di produzione un manuale operativo più affidabile.

L’azienda afferma di collaborare già con più di una dozzina di imprese, metà delle quali quotate in borsa. La sua piattaforma gestisce centinaia di richieste all’ora nei flussi di lavoro di gestione degli incidenti e di ottimizzazione dei processi.

In un caso, un camion non poteva caricare in un magazzino perché una Nota di Ricevimento Merci stampava informazioni errate. Dodge AI ha tracciato il problema attraverso SAP, Kinaxis e il software interno del magazzino, fornendo una correzione in pochi minuti. In un’altra implementazione, un cliente eseguiva la pianificazione dell’inventario durante la notte perché SAP si bloccava quando il processo veniva avviato al mattino. Dodge AI afferma di aver modernizzato il flusso di lavoro, rendendolo 132 volte più veloce, liberando un team di 10 persone dalla sua manutenzione e migliorando il tempo di assegnazione degli ordini di otto ore.

Perché gli investitori sostengono il livello di manutenzione

L’opportunità è più ampia della risoluzione dei ticket. Le imprese vogliono distribuire agenti AI all’interno di finanza, catena di approvvigionamento, operazioni clienti e altre funzioni critiche, ma quegli agenti non possono agire in modo sicuro su sistemi che non comprendono. Le regole non documentate che rendono difficili da mantenere le applicazioni legacy sono le stesse regole di cui un sistema autonomo ha bisogno prima di poter effettuare una modifica affidabile.

«La manutenzione delle applicazioni è una delle categorie più grandi e meno modernizzate nella tecnologia aziendale», ha dichiarato Prayank Swaroop, investitore di Accel. Iniziando dalla manutenzione, ha affermato, Dodge AI sta costruendo il livello di contesto di cui le imprese hanno bisogno prima che gli agenti possano operare in produzione in modo sicuro.

Il team combina Bharadwaj con il co-fondatore e CTO Aditya Thakur e il COO Aditya Patil. La loro sfida a breve termine sarà dimostrare che uno strato di manutenzione agentico può generalizzarsi in ambienti altamente personalizzati senza introdurre nuovi rischi operativi. Ogni stack aziendale presenta permessi diversi, requisiti di governance e modalità di guasto, e il successo dipenderà tanto dall’auditabilità e dall’esecuzione controllata quanto dalle prestazioni del modello.

La Scommessa Più Grande

La tesi di Dodge AI è che la manutenzione sia il punto di ingresso alla trasformazione aziendale, non semplicemente un problema da automatizzare. I CIO spesso faticano a modernizzare perché budget e attenzione sono assorbiti dagli incidenti quotidiani, mentre il rischio di interrompere sistemi già funzionanti rende difficile giustificare progetti di sostituzione su larga scala.

Se Dodge AI riuscisse a risolvere quegli incidenti documentando la logica nascosta che li sottende, potrebbe offrire alle aziende un percorso più sicuro dal supporto reattivo alla modernizzazione continua. Lo stesso grafo della conoscenza che spiega il guasto di ieri potrebbe aiutare un agente a valutare la richiesta di modifica di domani, identificare una dipendenza rischiosa o automatizzare un processo senza violare una regola sepolta anni prima.

Il round da 2,65 milioni di dollari è modesto rispetto alla portata del mercato a cui Dodge AI punta. Tuttavia, l’azienda sta facendo una scommessa strategicamente importante: prima che gli agenti IA possano gestire l’impresa, qualcuno deve insegnare loro come funziona realmente l’azienda.