Loop Zbiera 95 Mln Dolarów W Ramach Serii C, Aby Rozwinąć Swoją Platformę AI Przez Cały Łańcuch Dostaw

Loop zebrało $95 milionów w ramach serii C, pod przewodnictwem Valor Equity Partners oraz funduszu Valor Atreides AI, przy pracy nad skalowaniem swojej platformy AI przez logistykę, finanse i szersze operacje łańcucha dostaw. W rundzie uczestniczyły również 8VC, Founders Fund, Index Ventures, J.P. Morgan Growth Equity Partners oraz Tao Capital Partners.

Zbiórka ta następuje w czasie, gdy łańcuchy dostaw są pod coraz większą presją ze względu na zmieniającą się dynamikę handlu, rosnące koszty oraz rosnącą złożoność globalnych operacji. Dla wielu przedsiębiorstw podstawowym problemem nie jest brak narzędzi, ale brak spójnej, niezawodnej bazy danych w systemach.

Dlaczego Łańcuchy Dostaw Nadal Są Jednym Z Najtrudniejszych Problemów AI

Łańcuchy dostaw są wewnętrznie fragmentowane. Krytyczne dane są rozproszone w fakturach, rekordach wysyłki, umowach oraz wielu systemach przedsiębiorstw, które rzadko komunikują się czysto ze sobą. Nawet rutynowe procesy, takie jak rekonsolidacja lub analiza kosztów, często zależą od interwencji manualnej.

To tworzy strukturalne wyzwanie dla wdrożenia AI. Większość modeli opiera się na strukturalnych, wysokiej jakości danych wejściowych, jednak dane łańcucha dostaw są często niespójne, niepełne lub zablokowane w infrastrukturze legacy. W rezultacie nawet dobrze zaprojektowane systemy AI mają trudności z efektywnym działaniem w środowiskach logistycznych.

Budowanie Systemu Inteligencji Z Rozłącznych Danych

Podejście Loop koncentruje się na przekształceniu tych fragmentowanych danych w zjednoczony system, który może wspierać zarówno automatyzację, jak i podejmowanie decyzji.

Zamiast działać jako warstwa analityczna, platforma pobiera dane operacyjne i finansowe z przepływów logistycznych, standaryzuje je i stosuje modele specyficzne dla danej dziedziny, aby zinterpretować relacje między przesyłkami, kosztami i dostawcami. To pozwala przedsiębiorstwom przechodzić od izolowanych punktów danych do bardziej kompletnego obrazu operacyjnego.

Kluczowym aspektem tej architektury jest możliwość obsługi wielu formatów danych jednocześnie. Dokumenty, strukturalne dane systemowe i półstrukturalne rekordy są wszystkie przetwarzane w tym samym potoku, umożliwiając szerszą widoczność w poprzednio rozłącznych systemach.

Rola DUX: Modele Zbudowane Dla Rzeczywistości Logistycznej

W sercu platformy znajduje się DUX, rodzina modeli i agentów zaprojektowanych specjalnie dla środowisk łańcucha dostaw.

Te modele łączą zrozumienie dokumentów, przetwarzanie strukturalnych danych i rozumowanie specyficzne dla danej dziedziny. To pozwala im interpretować złożone dane logistyczne, takie jak faktury i dokumenty wysyłki, przy jednoczesnym utrzymaniu świadomości szerszego kontekstu operacyjnego.

DUX jest również zaprojektowany do podejmowania działań, a nie tylko generowania spostrzeżeń. Łącząc interpretację z wykonaniem, system może automatyzować przepływy pracy, takie jak audyt, rekonsolidacja i alokacja kosztów, redukując uzależnienie od procesów manualnych, które historycznie dominowały w sektorze.

Od Audytu Frachtu Do Pełnej Inteligencji Łańcucha Dostaw

Platforma Loop ewoluowała od początkowego skupienia na audycie frachtu i płatności, obszarze, w którym fragmentacja danych i wpływ finansowy są szczególnie wyraźne.

Początkowe skupienie na tym obszarze zapewniło dostęp do wysoko wartościowych danych operacyjnych i pozwoliło firmie zbudować systemy zdolne do radzenia sobie z rzeczywistą złożonością. Stamtąd platforma rozszerzyła się na sąsiednie obszary, takie jak zakupy, zarządzanie dostawcami, zgodność i operacje magazynowe.

Ten postęp odzwierciedla szerszy wzorzec w przedsiębiorstwach AI, gdzie rozwiązywanie wąskiego, ale krytycznego problemu tworzy podstawę do rozszerzenia na szerszą warstwę operacyjną.

Szerszy Trend W Kierunku Systemów Operacyjnych AI

Technologie takie jak Loop wskazują na przesunięcie w tym, jak AI jest stosowany w przedsiębiorstwach. Zamiast być używany głównie do analizy lub raportowania, systemy AI są coraz częściej wbudowywane bezpośrednio w przepływy pracy operacyjne.

W łańcuchach dostaw może to oznaczać ciągłą rekonsolidację danych finansowych i operacyjnych, automatyczne wykrywanie nieefektywności oraz szybsze dostosowywanie się do zmieniających się warunków. Z czasem tego typu systemy mogą zmniejszyć uzależnienie od cykli raportowania okresowego i zastąpić je bardziej ciągłymi, rzeczywistymi procesami decyzyjnymi.

Jednocześnie skuteczność tych systemów będzie w dużej mierze zależała od jakości danych, integracji systemów oraz możliwości działania niezawodnie w szerokim zakresie scenariuszy. Łańcuchy dostaw są dynamicznymi środowiskami, a utrzymanie dokładności w skali pozostaje znaczącym wyzwaniem technicznym.

Co To Znaczy Dla Infrastruktury Przedsiębiorstw

Rozszerzanie się platform takich jak Loop sugeruje stopniową zmianę w architekturze przedsiębiorstw. Tradycyjne systemy, takie jak platformy ERP, TMS i WMS, zostały zaprojektowane głównie do prowadzenia rekordów i przetwarzania transakcji. Warstwy napędzane AI zaczynają być umieszczane na górze tych systemów, przekształcając statyczne rekordy w aktywne dane wejściowe do procesów decyzyjnych.

Jeśli ten model będzie się dalej rozwijał, może to doprowadzić do bardziej zjednoczonej warstwy operacyjnej, w której dane finansowe i logistyczne nie są już traktowane oddzielnie. Zamiast tego stają się częścią jednego systemu, który ciągle aktualizuje, rekonsoliduje i informuje decyzje biznesowe.

Jednak przejście to nie jest prawdopodobne, aby było jednolite. Wiele organizacji nadal opiera się na głęboko zakorzenionych systemach legacy, a integracja AI z tymi środowiskami wprowadza zarówno techniczną, jak i organizacyjną złożoność. Tempo przyjęcia będzie prawdopodobnie zależało od tego, jak skutecznie firmy będą mogły zmodernizować swoją infrastrukturę danych, utrzymując przy tym stabilność operacyjną.