루프, 공급망 전반에 걸친 AI 플랫폼 확장 위해 9,500만 달러의 시리즈 C 자금 조달

루프는 9,500만 달러의 시리즈 C 자금을 조달하였으며, 발로어 에쿼티 파트너스와 발로어 아트레이드 AI 펀드가 주도하였다. 이는 로직스, 금융, 그리고 더 넓은 공급망 운영에 걸쳐서 자신의 AI 플랫폼을 확장하기 위한 노력의 일환으로 이루어졌다. 이번 라운드에는 8VC, 파운더스 펀드, 인덱스 벤처스, JP 모간 성장 에쿼티 파트너스, 그리고 타오 캐피탈 파트너스가 참여하였다.

이 자금 조달은 공급망이 교역 역학의 변화, 비용 증가, 그리고 글로벌 운영의 복잡성으로 인해 점점 더 많은 압력을 받고 있는 시기에 이루어졌다. 많은 기업들에게서 근본적인 문제는 도구의 부족이 아니라, 시스템 전반에 걸쳐 일관된 데이터 기반이 부족하다는 것이다.

공급망이 여전히 AI의 가장 어려운 문제 중 하나인 이유

공급망은 본질적으로 단편화되어 있다. 중요한 데이터는 송장, 배송 기록, 계약, 그리고 서로가 깔끔하게 통신하지 않는 여러 엔터프라이즈 시스템에 걸쳐 분산되어 있다. 심지어 정산이나 비용 분석과 같은 일상적인 프로세스도 종종 수동 개입에 의존한다.

이것은 AI 배포에 구조적인 도전을 제기한다. 대부분의 모델은 구조화된, 높은 품질의 입력을 의존하지만, 공급망 데이터는 종종 일관성이 없거나, 불완전하거나, 레거시 인프라 내에 잠겨 있다. 결과적으로, 잘 설계된 AI 시스템도 실제 로직스 환경에서 효과적으로 작동하기 위해 어려움을 겪는다.

단편화된 데이터에서 지능 시스템 구축

루프의 접근 방식은 이 단편화된 데이터를 자동화와 의사 결정 지원이 가능한통합된 시스템으로 변환하는 것을 중심으로 한다.

단독 분석 레이어로서 작동하는 것이 아니라, 플랫폼은 로직스 워크플로우 전반에 걸쳐서 운영 및 금융 데이터를 섭취하고, 표준화하고, 도메인 특정 모델을 적용하여 배송, 비용, 공급자 간의 관계를 해석한다. 이것은 기업이 분리된 데이터 포인트에서 더 완전한 운영 그림으로 이동할 수 있게 한다.

이 아키텍처의 핵심은 여러 데이터 형식을 동시에 처리할 수 있는 능력이다. 문서, 구조화된 시스템 데이터, 그리고 반구조화된 기록은 모두 동일한 파이프라인에서 처리되며, 이전에 분리된 시스템에 걸쳐 더 넓은 가시성을 제공한다.

DUX의 역할: 로직스 현실을 위한 모델

플랫폼의 핵심에는 DUX가 있다. 이는 로직스 환경을 위해 특별히 설계된 모델과 에이전트의 집합이다.

이 모델은 문서 이해, 구조화된 데이터 처리, 그리고 도메인 특정추론을 결합한다. 이것은 송장이나 배송 문서와 같은 복잡한 로직스 데이터를 해석할 수 있게 하며, 동시에 더 넓은 운영 맥락을 유지한다.

DUX는 또한 행동을 취할 수 있도록 설계되었으며, 해석만을 생성하는 것이 아니다. 해석과 실행을 연결함으로써, 시스템은 감사, 정산, 비용 할당과 같은 워크플로우를 자동화할 수 있으며, 이 분야에서 역사적으로 지배적이었던 수동 프로세스에 대한 의존도를 줄일 수 있다.

화물 감사에서 전체 공급망 지능으로

루프의 플랫폼은 초기에 화물 감사와 결제에 초점을 맞춘 것으로부터 진화했다. 이는 데이터 단편화와 금융적 영향이 특히 두드러진 분야이다.

이 니치에서 시작함으로써, 높은 가치의 운영 데이터에 대한 접근이 가능해졌으며, 실제 세계의 복잡성을 처리할 수 있는 시스템을 구축할 수 있었다. 그곳에서 플랫폼은 조달, 공급자 관리, 컴플라이언스, 그리고 창고 운영과 같은 인접 영역으로 확장되었다.

이 진행은 엔터프라이즈 AI에서 더 넓은 패턴을 반영한다. 좁은 nhưng 중요한 문제를 해결하는 것은 더 넓은 운영 레이어로 확장하는 기초를 제공한다.

운영 AI 시스템으로의 더 넓은 전환

루프와 같은 기술은 엔터프라이즈 내에서 AI가 적용되는 방식에 대한 전환을 가리킨다. 분석이나 보고서 작성에 주로 사용되는 것이 아니라, AI 시스템은 직접 운영 워크플로우에 내장되고 있다.

공급망에서 이것은 금융 및 운영 데이터의 연속적인 정산, 비효율성의 자동 감지, 그리고 변화하는 조건에 대한 빠른 조정이 가능할 수 있다. 시간이 지나면, 이러한 시스템은 주기적인 보고 주기를 줄이고, 더 연속적이고 실시간의 의사 결정 프로세스로 대체할 수 있다.

동시에, 이러한 시스템의 효과는 데이터 품질, 시스템 통합, 그리고 다양한 시나리오에서 안정적으로 작동할 수 있는 능력에 크게 의존할 것이다. 공급망은 동적인 환경이며, 규모에서 정확도를 유지하는 것은 여전히 중요한 기술적인 도전이다.

엔터프라이즈 인프라에 대한 의미

루프와 같은 플랫폼의 확장은 엔터프라이즈 아키텍처의점진적인 전환을 암시한다. 전통적인 시스템인 ERP, TMS, WMS 플랫폼은 주로 기록 보관과 트랜잭션 처리를 위해 설계되었다. AI 구동 레이어는 이러한 시스템 위에 위치하며, 정적인 기록을 활성화된 입력으로 변환하여 의사 결정에 기여한다.

이 모델이 계속 발전한다면, 이것은 금융 및 로직스 데이터가 더 이상 별도로 처리되지 않고, 단일 시스템의 일부가 되어 연속적으로 업데이트되고, 정산되고, 비즈니스 결정에 영향을 미치는 방향으로 나아갈 수 있다.

그러나, 이 전환은 균일하게 진행되지 않을 것이다. 많은 조직은 여전히 깊이 뿌리박힌 레거시 시스템에 의존하며, 이러한 환경에서 AI를 통합하는 것은 기술적 및 조직적 복잡성을 도입한다. 채택의 속도는 기업이 데이터 인프라를 현대화하면서 동시에 운영 안정성을 유지하는 능력에 따라 달라질 것이다.