Dodge AI samler inn $2,65 M for å ta bedriftsprogramvare ut av brannslukningsmodus

Dodge AI har samlet inn $2,65 millioner for å automatisere en av de minst glamorøse, men dyreste delene av bedrifts‑teknologi: å holde kritisk programvare i drift etter at den er installert.

Finansieringen ble ledet av Accel og Google AI Futures Fund, med deltakelse fra NewBuild Venture Capital, Antler, Schema Ventures og engelinvestorer fra SAP‑økosystemet. Dodge AI oppga ikke hvilken rundestadium det var.

Selskapet fra San Francisco bygger det det beskriver som et AI‑kontrollplan for vedlikehold av bedriftsapplikasjoner. Agentene deres arbeider på tvers av systemer som SAP, Salesforce, Microsoft Dynamics, Kinaxis og Oracle JDE for å undersøke hendelser, anbefale eller utføre rettelser, og bevare begrunnelsen bak hver endring.

Den siste funksjonen kan være den viktigste. Store selskaper driver sjelden programvare akkurat slik den ble levert av leverandøren. År med tilpassede regler, integrasjoner, omveier, bakgrunnsjobber og engangsunntak blir innlemmet i registrede systemer. Når noe går i stykker, kan svaret være spredt over saker, konfigurasjonsfiler, konsulenter og minnet til ansatte som var til stede da beslutningen ble tatt.

Hvorfor vedlikehold er et AI‑problem

Dodge AI sier at bedrifter bruker mer enn $600 milliarder årlig på vedlikehold av forretningsapplikasjoner. Den tradisjonelle tilnærmingen har vært arbeidsintensiv: store systemintegratorer tildeler team for å løse saker, implementere endringsforespørsler, overvåke jobber og svare på driftsfeil. Den modellen kan gjenopprette tjenesten, men den lykkes ofte ikke i å omdanne hver reparasjon til varig institusjonell kunnskap.

Resultatet er et forsterkende kontekstproblem. Rettelser blir gjort, tilpasninger akkumuleres, og organisasjonen blir mer avhengig av de som husker hvorfor systemet oppfører seg som det gjør. Teknisk gjeld er ikke bare gammel kode; det er gapet mellom hva et system gjør og hva selskapet pålitelig kan forklare.

Dette er også grunnen til at produksjons‑AI‑agenter trenger mer enn tilgang til kapable grunnmodeller. Som Unite.AI nylig undersøkte i sin dekning av kontekst i bedriftsautomatisering, blir agenter nyttige når de kan resonere med policyer, unntak og operasjonshistorikk rundt en oppgave. I et ERP‑miljø er et plausibelt svar ikke nok. En agent må forstå hvorfor ett lager allokerer lagerbeholdning annerledes, hvorfor en prisregel overstyrer en annen, eller hvorfor en jobb kun kan kjøres på et bestemt tidspunkt.

Dodge AI har som mål å bygge den konteksten samtidig som de løser det daglige vedlikeholdsarbeidet. Plattformen deres kobler forretningsprosesser, ERP‑tilpasninger, IT‑service‑management‑systemer og eldre konfigurasjoner, og bruker den resulterende «unntaksintelligensen» til å identifisere rotårsaker og skape en sannhetskilde for fremtidige agenter.

Fra saker til en operativ hukommelse

“I mange år var den eneste måten å vedlikeholde bedriftsystemer på å ansette flere folk,” sier Rebhav Bharadwaj, medgründer og administrerende direktør i Dodge AI. Han argumenterer for at langsiktige agenter kan hjelpe bedrifter med kontinuerlig forbedring og helbredelse av kritiske systemer, ved å løse hendelser raskere samtidig som de fanger kunnskapen som vanligvis går tapt i vedlikeholdsarbeidet.

Den tilnærmingen omdefinerer vedlikehold fra et kostnadssenter til et datainnsamlingslag. Hver hendelse inneholder informasjon om hvordan virksomheten faktisk opererer. Ved å bevare årsaken, rettelsen og det relevante unntaket, kan Dodge AI gjøre neste undersøkelse raskere og gi produksjonsagenter en mer pålitelig driftsmanual.

Selskapet sier at de allerede samarbeider med mer enn et dusin bedrifter, hvorav halvparten er børsnoterte. Plattformen deres håndterer hundrevis av forespørsler per time på tvers av hendelsesstyring og prosessoptimaliserings‑arbeidsflyter.

I ett tilfelle klarte ikke en lastebil å laste på et lager fordi en vare mottaksnota skrev ut feil informasjon. Dodge AI sporet problemet gjennom SAP, Kinaxis og intern lagerprogramvare og leverte en rettelse innen minutter. I en annen utrulling hadde en kunde kjørt lagerplanlegging over natten fordi SAP krasjet når prosessen ble kjørt om morgenen. Dodge AI sier de moderniserte arbeidsflyten, gjorde den 132 ganger raskere, frigjorde et 10‑personers team fra vedlikehold, og forbedret ordre‑allokeringstiden med åtte timer.

Hvorfor investorer støtter vedlikeholdslaget

Muligheten er bredere enn saks‑løsning. Bedrifter ønsker å distribuere AI‑agenter innen finans, forsyningskjede, kundedrift og andre kritiske funksjoner, men disse agentene kan ikke trygt handle på systemer de ikke forstår. De udokumenterte reglene som gjør eldre applikasjoner vanskelige å vedlikeholde, er de samme reglene et autonomt system trenger før det kan foreta en pålitelig endring.

“Applikasjonsvedlikehold er en av de største og minst moderniserte kategoriene innen bedrifts‑teknologi,” sier Prayong Swaroop, investor i Accel. Ved å starte med vedlikehold, sier han, bygger Dodge AI kontekstlaget bedrifter trenger før agenter trygt kan operere i produksjon.

Teamet kombinerer Bharadwaj med medgründer og CTO Aditya Thakur og COO Aditya Patil. Deres kortsiktige utfordring vil være å bevise at et agentbasert vedlikeholdslag kan generalisere seg over sterkt tilpassede miljøer uten å introdusere ny operasjonell risiko. Hver bedriftsstabel har ulike tillatelser, styringskrav og feilmoduser, og suksess vil avhenge like mye av sporbarhet og kontrollert utførelse som av modellens ytelse.

Det Større Veddemålet

Dodge AI’s tese er at vedlikehold er inngangspunktet til bedriftstransformasjon, ikke bare et problem som skal automatiseres bort. CIO-er sliter ofte med modernisering fordi budsjetter og oppmerksomhet blir oppslukt av daglige hendelser, mens risikoen for å forstyrre systemer som allerede fungerer gjør omfattende utskiftingsprosjekter vanskelige å rettferdiggjøre.

Hvis Dodge AI kan løse disse hendelsene samtidig som de dokumenterer den skjulte logikken bak dem, kan de gi selskaper en tryggere vei fra reaktiv støtte til kontinuerlig modernisering. Det samme kunnskapsgrafet som forklarer gårsdagens feil, kan hjelpe en agent med å vurdere morgendagens endringsforespørsel, identifisere en risikabel avhengighet eller automatisere en prosess uten å bryte en regel som ble lagt ned for år tilbake.

$2,65 millioner‑runden er beskjeden i forhold til størrelsen på markedet Dodge AI sikter mot. Men selskapet gjør et strategisk viktig veddemål: før AI‑agenter kan drive virksomheten, må noen lære dem hvordan virksomheten egentlig fungerer.