Dodge AI pozyskuje $2,65 miliona, aby wyciągnąć oprogramowanie korporacyjne z trybu gaszenia pożarów

Dodge AI pozyskało $2,65 miliona, aby zautomatyzować jedną z najmniej efektownych, ale najdroższych części technologii korporacyjnej: utrzymanie krytycznego oprogramowania w działaniu po jego instalacji.

Finansowanie poprowadziły Accel i Google AI Futures Fund, przy udziale NewBuild Venture Capital, Antler, Schema Ventures oraz inwestorów aniołów z ekosystemu SAP. Dodge AI nie ujawniło etapu rundy.

Firma z San Francisco buduje to, co określa jako płaszczyznę sterowania AI dla utrzymania aplikacji korporacyjnych. Jej agenci działają w różnych systemach, takich jak SAP, Salesforce, Microsoft Dynamics, Kinaxis i Oracle JDE, aby badać incydenty, rekomendować lub wdrażać poprawki oraz zachowywać uzasadnienie każdej zmiany.

Ta ostatnia funkcja może być najważniejsza. Duże firmy rzadko używają oprogramowania dokładnie w takiej formie, w jakiej otrzymały od dostawcy. Lata niestandardowych reguł, integracji, obejść, zadań w tle i jednorazowych wyjątków zostają wbudowane w systemy rekordowe. Gdy coś się zepsuje, odpowiedź może być rozproszona w zgłoszeniach, plikach konfiguracyjnych, u konsultantów i w pamięci pracowników, którzy byli obecni, gdy podjęto decyzję.

Dlaczego utrzymanie jest problemem AI

Dodge AI twierdzi, że przedsiębiorstwa wydają ponad $600 miliardów rocznie na utrzymanie aplikacji biznesowych. Tradycyjne podejście było pracochłonne: duże integratory systemów przydzielają zespoły do rozwiązywania zgłoszeń, wdrażania żądań zmian, monitorowania zadań i reagowania na awarie operacyjne. Ten model może przywrócić usługę, ale często nie przekształca każdej naprawy w trwałą wiedzę instytucjonalną.

Wynikiem jest narastający problem kontekstu. Wprowadzane są poprawki, gromadzą się dostosowania, a organizacja staje się coraz bardziej zależna od osób, które pamiętają, dlaczego system zachowuje się w określony sposób. Dług techniczny to nie tylko stary kod; to luka między tym, co system robi, a tym, co firma może wiarygodnie wyjaśnić.

To jest również powód, dla którego agenci AI w produkcji potrzebują więcej niż dostęp do zdolnych modeli bazowych. Jak niedawno zbadało Unite.AI w swoim opracowaniu o kontekst w automatyzacji przedsiębiorstw, agenci stają się użyteczni, gdy potrafią rozumować w oparciu o polityki, wyjątki i historię operacyjną otaczającą zadanie. W środowisku ERP nie wystarczy wiarygodna odpowiedź. Agent musi rozumieć, dlaczego jeden magazyn przydziela zapasy inaczej, dlaczego reguła cenowa nadpisuje inną lub dlaczego zadanie może być uruchomione tylko w określonym czasie.

Dodge AI dąży do zbudowania tego kontekstu, jednocześnie rozwiązując codzienne zadania utrzymania. Ich platforma łączy procesy biznesowe, dostosowania ERP, systemy zarządzania usługami IT oraz starsze konfiguracje, a następnie wykorzystuje powstałą „inteligencję wyjątków” do identyfikacji przyczyn źródłowych i stworzenia źródła prawdy dla przyszłych agentów.

Od zgłoszeń do pamięci operacyjnej

„Przez długi czas jedynym sposobem utrzymania systemów korporacyjnych było dodawanie kolejnych osób” – powiedział Rebhav Bharadwaj, współzałożyciel i dyrektor generalny Dodge AI. Twierdzi, że agenci o długim horyzoncie mogą pomóc przedsiębiorstwom w ciągłym doskonaleniu i naprawie systemów krytycznych dla misji, szybciej rozwiązywać incydenty, jednocześnie rejestrując wiedzę, która zwykle ginie w trakcie prac utrzymaniowych.

To podejście przekształca utrzymanie z centrum kosztów w warstwę zbierania danych. Każdy incydent zawiera informacje o tym, jak firma faktycznie działa. Zachowując przyczynę, naprawę i odpowiedni wyjątek, Dodge AI może przyspieszyć kolejne dochodzenie i dostarczyć agentom produkcyjnym bardziej wiarygodny podręcznik operacyjny.

Firma twierdzi, że współpracuje już z ponad tuzinem przedsiębiorstw, z których połowa jest notowana na giełdzie. Ich platforma obsługuje setki zapytań na godzinę w ramach zarządzania incydentami i procesami optymalizacji.

W jednym przypadku ciężarówka nie mogła załadować się w magazynie, ponieważ dowód przyjęcia towaru drukował nieprawidłowe informacje. Dodge AI zlokalizowało problem w systemach SAP, Kinaxis i wewnętrznym oprogramowaniu magazynowym i dostarczyło poprawkę w ciągu kilku minut. W innym wdrożeniu klient prowadził planowanie zapasów nocą, ponieważ SAP zawieszał się, gdy proces uruchamiał się rano. Dodge AI twierdzi, że zmodernizowało przepływ pracy, uczyniło go 132‑krotnie szybszym, uwolniło zespół 10 osób od jego utrzymania i skróciło czas przydzielania zamówień o osiem godzin.

Dlaczego inwestorzy wspierają warstwę utrzymania

Możliwość wykracza poza rozwiązywanie zgłoszeń. Przedsiębiorstwa chcą wdrażać agenty AI w finansach, łańcuchu dostaw, operacjach obsługi klienta i innych kluczowych funkcjach, ale agenci ci nie mogą bezpiecznie działać w systemach, których nie rozumieją. Nieudokumentowane reguły, które utrudniają utrzymanie starszych aplikacji, są tymi samymi regułami, których potrzebuje autonomiczny system, zanim będzie mógł wprowadzić wiarygodną zmianę.

„Utrzymanie aplikacji jest jedną z największych i najmniej zmodernizowanych kategorii w technologii korporacyjnej” – powiedział Prayank Swaroop, inwestor w Accel. Rozpoczynając od utrzymania, jak twierdzi, Dodge AI buduje warstwę kontekstu, której potrzebują przedsiębiorstwa, zanim agenci będą mogli bezpiecznie działać w środowisku produkcyjnym.

Zespół łączy Bharadwaja z współzałożycielem i CTO Adityą Thakur oraz COO Adityą Patilem. Ich krótkoterminowe wyzwanie będzie polegało na udowodnieniu, że warstwa agentowej konserwacji może uogólnić się w silnie dostosowanych środowiskach, nie wprowadzając nowego ryzyka operacyjnego. Każdy stos przedsiębiorstwa posiada różne uprawnienia, wymagania dotyczące zarządzania i tryby awarii, a sukces będzie zależał tak samo od audytowalności i kontrolowanego wykonania, jak od wydajności modelu.

Większy zakład

Tezą Dodge AI jest to, że konserwacja jest punktem wyjścia do transformacji przedsiębiorstwa, a nie jedynie problemem do zautomatyzowania. CIO często mają trudności z modernizacją, ponieważ budżety i uwaga są pochłaniane przez codzienne incydenty, a ryzyko zakłócenia działających już systemów utrudnia uzasadnienie szeroko zakrojonych projektów wymiany.

Jeśli Dodge AI uda się rozwiązać te incydenty, jednocześnie dokumentując ukrytą logikę stojącą za nimi, może zapewnić firmom bezpieczniejszą drogę od reaktywnego wsparcia do ciągłej modernizacji. Ten sam graf wiedzy, który wyjaśnia wczorajszy błąd, mógłby pomóc agentowi ocenić jutrzejsze żądanie zmiany, zidentyfikować ryzykowne zależności lub zautomatyzować proces, nie naruszając reguły ukrytej lata temu.

Runda o wartości 2,65 mln USD jest skromna w porównaniu do skali rynku, na który celuje Dodge AI. Jednak firma podejmuje strategicznie ważny zakład: zanim agenci AI będą mogliby zarządzać przedsiębiorstwem, ktoś musi ich nauczyć, jak naprawdę funkcjonuje przedsiębiorstwo.