Loop Raises $95M Series C to Expand Its AI Platform Across the Supply Chain

Loop는 $95 million in Series C funding,을 Valor Equity Partners와 Valor Atreides AI Fund가 주도하여 조달하였으며, 이는 물류, 금융, 및 보다 넓은 공급망 운영에 걸쳐서 AI 플랫폼을 확장하기 위한 노력의 일환입니다. 이 라운드에는 8VC, Founders Fund, Index Ventures, J.P. Morgan Growth Equity Partners, 및 Tao Capital Partners의 참여가 포함되었습니다.

이 자금 조달은 공급망이 거래 역학의 변화, 비용 증가, 및 글로벌 운영의 복잡성 증가로 인해 점점 더 많은 긴장에 직면하고 있는 시기에 이루어졌습니다. 많은 기업에서는 근본적인 문제는 도구의 부족이 아니라 시스템 전반에 걸쳐 일관된 신뢰할 수 있는 데이터 기반의 부족입니다.

공급망은 왜 AI의 가장 어려운 문제 중 하나인지

공급망은 본질적으로 단편화되어 있습니다. 중요한 데이터는 송장, 배송 기록, 계약, 및 서로 깨끗하게 통신하지 않는 여러 기업 시스템에 걸쳐 분산되어 있습니다. 심지어 정기적인 프로세스인 조정 또는 비용 분석과 같은 것도 수동 개입에 의존하는 경우가 많습니다.

이로 인해 AI 배포에 구조적인 도전이 됩니다. 대부분의 모델은 구조화된, 높은 품질의 입력에 의존하지만 공급망 데이터는 종종 일관성이 없거나, 불완전하거나, 레거시 인프라 내에 잠겨 있습니다. 결과적으로, 잘 설계된 AI 시스템도 실제 물류 환경에서 효과적으로 작동하는 데 어려움을 겪습니다.

분리된 데이터에서 지능 시스템을 구축

Loop의 접근법은 이 단편화된 데이터를 자동화와 의사 결정 지원을 위한統一된 시스템으로 변환하는 것을 중심으로 합니다.

독립적인 분석 계층으로 작동하는 대신에, 플랫폼은 물류 워크플로우 전반에 걸쳐 운영 및 재무 데이터를 수집하여 표준화하고, 배송, 비용, 및 공급자 간의 관계를 해석하기 위한 도메인 특정 모델을 적용합니다. 이는 기업이 고립된 데이터 포인트에서보다 완전한 운영 그림으로 이동할 수 있도록 허용합니다.

이 아키텍처의 핵심 측면은 한 번에 여러 데이터 형식을 처리할 수 있는 능력입니다. 문서, 구조화된 시스템 데이터, 및 반구조화된 기록은 모두 동일한 파이프라인에서 처리되므로 이전에 분리된 시스템에 걸친 보다 넓은 가시성을 가능하게 합니다.

DUX의 역할: 물류 현실을 위한 모델

플랫폼의核心에는 DUX가 있습니다. 이는 공급망 환경을 위한 모델 및 에이전트家族입니다.

이 모델은 문서 이해, 구조화된 데이터 처리, 및 도메인 특정推論을 결합합니다. 이는 물류 데이터를 해석하고, 더 넓은 운영 컨텍스트를 유지하는 것을 가능하게 합니다.

DUX는 또한 행동을 취할 수 있도록 설계되었습니다. 해석과 실행을 연결함으로써, 시스템은 감사, 조정, 및 비용 할당과 같은 워크플로우를 자동화할 수 있으며, 이로 인해 수동 프로세스에 대한 의존도를 줄일 수 있습니다.

화물 감사에서 전체 공급망 지능까지

Loop의 플랫폼은 초기에 화물 감사 및 지불에 초점을 맞춘 것으로부터 진화했습니다. 이는 데이터 단편화 및 재무적 영향이 특히 두드러지는 영역입니다.

이 니치에 접근하면 높은 가치의 운영 데이터에 접근할 수 있으며, 실제 복잡성을 처리할 수 있는 시스템을 구축할 수 있습니다. 그곳에서 플랫폼은 조달, 공급자 관리, 규정 준수, 및 창고 운영과 같은 인접 영역으로 확장되었습니다.

이 진행은 기업 AI에서 더 넓은 운영 레이어로 확장하는 패턴을 반영합니다. 좁지만 중요한 문제를 해결하면 더 넓은 운영 레이어로 확장하는 기초를 제공합니다.

운영 AI 시스템으로의 더 넓은 전환

Loop의 기술과 같은 기술은 기업 내에서 AI가 적용되는 방식의 전환을 나타냅니다. 분석 또는 보고를 위한 주된 사용에서 벗어나, AI 시스템은 점점 더 직접적으로 운영 워크플로우에 통합되고 있습니다.

공급망에서 이는 재무 및 운영 데이터의 연속적인 조정, 비효율성의 자동 감지, 및 변경하는 조건에 대한 빠른 조정을 의미할 수 있습니다. 시간이 지남에 따라, 이러한 유형의 시스템은 주기적인 보고 주기를 줄이고, 더 연속적이고 실시간의 의사 결정 프로세스로 대체할 수 있습니다.

동시에, 이러한 시스템의 효과는 데이터 품질, 시스템 통합, 및 다양한 시나리오에서 신뢰할 수 있게 작동할 수 있는 능력에 크게 의존할 것입니다. 공급망은 동적인 환경이며, 규모에서 정확성을 유지하는 것은 여전히 중요한 기술적인 도전입니다.

기업 인프라에 대한 의미

Loop과 같은 플랫폼의 확장은 기업 아키텍처의 점진적인 전환을 시사합니다. 전통적인 시스템인 ERP, TMS, 및 WMS 플랫폼은 주로 기록 보관 및 트랜잭션 처리를 위해 설계되었습니다. AI 구동 레이어는 이러한 시스템 위에 위치하여 정적인 기록을 활성 입력으로 변환하여 의사 결정에 활용할 수 있습니다.

이 모델이 계속 발전한다면, 이는 재무 및 물류 데이터가 더 이상 별도로 처리되지 않고, 단일 시스템의 일부가 되어 지속적으로 업데이트되고, 조정되고, 비즈니스 결정에 정보를 제공하는 더統一된 운영 레이어로 이어질 수 있습니다.

그러나, 이 전환은 균일하지 않을 것입니다. 많은 조직은 여전히 깊이 뿌리 깊은 레거시 시스템에 의존하며, 이러한 환경에서 AI를 통합하는 것은 기술적 및 조직적 복잡성을 도입합니다. 채택의 속도는 회사들이 데이터 인프라를 현대화하면서 운영 안정성을 유지할 수 있는 정도에 따라 달라질 것입니다.