Dodge AI arrecada $2,65M para tirar o software empresarial do modo de combate a incêndios

Dodge AI arrecadou $2.65 milhões para automatizar uma das partes menos glamorosas, porém mais caras, da tecnologia empresarial: manter o software crítico em funcionamento após sua instalação.

O financiamento foi liderado por Accel e Google AI Futures Fund, com participação de NewBuild Venture Capital, Antler, Schema Ventures e investidores-anjo do ecossistema SAP. Dodge AI não divulgou a fase da rodada.

A empresa de São Francisco está construindo o que descreve como um plano de controle de IA para a manutenção de aplicações empresariais. Seus agentes operam em sistemas como SAP, Salesforce, Microsoft Dynamics, Kinaxis e Oracle JDE para investigar incidentes, recomendar ou executar correções e preservar o raciocínio por trás de cada alteração.

Essa última função pode ser a mais importante. Grandes empresas raramente operam o software exatamente como o receberam do fornecedor. Anos de regras personalizadas, integrações, soluções alternativas, jobs de fundo e exceções pontuais ficam incorporados aos sistemas de registro. Quando algo falha, a resposta pode estar espalhada por tickets, arquivos de configuração, consultores e nas memórias dos funcionários que estavam presentes quando a decisão foi tomada.

Por que a manutenção é um problema de IA

A Dodge AI afirma que as empresas gastam mais de $600 bilhões anualmente na manutenção de aplicações de negócios. A abordagem tradicional tem sido intensiva em mão de obra: grandes integradores de sistemas designam equipes para resolver tickets, implementar solicitações de mudança, monitorar jobs e responder a falhas operacionais. Esse modelo pode restaurar o serviço, mas frequentemente falha em transformar cada reparo em conhecimento institucional durável.

O resultado é um problema de contexto cumulativo. Correções são feitas, personalizações se acumulam e a organização passa a depender mais das pessoas que lembram por que o sistema se comporta da maneira que faz. Dívida técnica não é apenas código antigo; é a lacuna entre o que um sistema faz e o que a empresa pode explicar de forma confiável.

Isso também explica por que agentes de IA em produção precisam de mais do que acesso a modelos de base capazes. Como a Unite.AI examinou recentemente em sua cobertura de contexto na automação empresarial, os agentes se tornam úteis quando conseguem raciocinar com as políticas, exceções e histórico operacional que cercam uma tarefa. Em um ambiente ERP, uma resposta plausível não basta. Um agente deve entender por que um armazém aloca estoque de forma diferente, por que uma regra de precificação substitui outra ou por que um job só pode ser executado em determinado horário.

A Dodge AI pretende construir esse contexto enquanto resolve o trabalho de manutenção cotidiano. Sua plataforma conecta processos de negócios, personalizações de ERP, sistemas de gerenciamento de serviços de TI e configurações legadas, e então utiliza a “inteligência de exceção” resultante para identificar causas raiz e criar uma fonte de verdade para agentes futuros.

De tickets a uma memória operacional

“Por muito tempo, a única maneira de manter sistemas empresariais era adicionar mais pessoas”, disse Rebhav Bharadwaj, cofundador e CEO da Dodge AI. Ele argumenta que agentes de longo horizonte podem ajudar as empresas a melhorar continuamente e curar sistemas críticos, resolvendo incidentes mais rapidamente enquanto capturam o conhecimento normalmente perdido no trabalho de manutenção.

Essa abordagem reconceitua a manutenção de um centro de custos para uma camada de coleta de dados. Cada incidente contém informações sobre como o negócio realmente opera. Ao preservar a causa, a correção e a exceção relevante, a Dodge AI pode tornar a próxima investigação mais rápida e fornecer aos agentes de produção um manual operacional mais confiável.

A empresa afirma que já trabalha com mais de uma dúzia de empresas, metade delas listadas publicamente. Sua plataforma recebe centenas de consultas por hora em fluxos de trabalho de gerenciamento de incidentes e otimização de processos.

Em um caso, um caminhão não pôde ser carregado em um armazém porque uma Nota de Recebimento de Mercadorias estava imprimindo informações incorretas. A Dodge AI rastreou o problema através do SAP, Kinaxis e do software interno do armazém e entregou uma correção em minutos. Em outra implantação, um cliente estava executando o planejamento de inventário durante a noite porque o SAP travava quando o processo era executado pela manhã. A Dodge AI afirma que modernizou o fluxo de trabalho, tornou-o 132 vezes mais rápido, liberou uma equipe de 10 pessoas da manutenção e melhorou o tempo de alocação de pedidos em oito horas.

Por que os investidores estão apoiando a camada de manutenção

A oportunidade vai além da resolução de tickets. As empresas desejam implantar agentes de IA em finanças, cadeia de suprimentos, operações de cliente e outras funções críticas, mas esses agentes não podem agir com segurança em sistemas que não compreendem. As regras não documentadas que tornam as aplicações legadas difíceis de manter são as mesmas regras que um sistema autônomo precisa antes de poder efetuar uma mudança confiável.

“Manutenção de aplicações é uma das maiores e menos modernizadas categorias na tecnologia empresarial”, disse Prayank Swaroop, investidor da Accel. Ao começar pela manutenção, ele afirmou, a Dodge AI está construindo a camada de contexto que as empresas precisam antes que os agentes possam operar com segurança em produção.

A equipe combina Bharadwaj com o cofundador e CTO Aditya Thakur e o COO Aditya Patil. O desafio de curto prazo será provar que uma camada de manutenção agente pode se generalizar em ambientes altamente personalizados sem introduzir novo risco operacional. Cada pilha empresarial possui diferentes permissões, requisitos de governança e modos de falha, e o sucesso dependerá tanto da auditabilidade e execução controlada quanto do desempenho do modelo.

A Grande Aposta

A tese da Dodge AI é que a manutenção é o ponto de entrada para a transformação empresarial, não apenas um problema a ser automatizado. Os CIOs frequentemente têm dificuldade em modernizar porque orçamentos e atenção são consumidos por incidentes diários, enquanto o risco de interromper sistemas que já funcionam torna difícil justificar projetos de substituição abrangentes.

Se a Dodge AI conseguir resolver esses incidentes enquanto documenta a lógica oculta por trás deles, poderá oferecer às empresas um caminho mais seguro da assistência reativa para a modernização contínua. O mesmo grafo de conhecimento que explica a falha de ontem poderia ajudar um agente a avaliar a solicitação de mudança de amanhã, identificar uma dependência arriscada ou automatizar um processo sem violar uma regra enterrada há anos.

A rodada de US$ 2,65 milhões é modesta comparada à escala do mercado que a Dodge AI está mirando. Mas a empresa está fazendo uma aposta estrategicamente importante: antes que agentes de IA possam operar a empresa, alguém precisa ensiná-los como a empresa realmente funciona.