Magentic arrecada US$ 18 milhões em rodada Série A para construir uma força de trabalho de IA para operações industriais

Magentic arrecadou $18 milhões em financiamento Série A para expandir seus agentes de IA nas operações de compras e cadeia de suprimentos, visando alguns dos fluxos de trabalho mais complexos dentro de grandes empresas industriais.

A rodada foi liderada por Felicis, com os investidores existentes Sequoia Capital e The Westly Group também participando. Isso ocorre aproximadamente um ano após a empresa, com sede em Londres e Nova Iorque, ter lançado com uma rodada semente de $5,5 milhões, elevando seu financiamento total declarado para $23,5 milhões.

Fundada pelo CEO Robin Van Aeken, ex-McKinsey, e pelo CTO Odhran O’Donoghue, ex-aluno da OpenAI, a Magentic aposta que a próxima fase da IA empresarial avançará além de assistentes que respondem perguntas ou geram conteúdo. Em vez disso, seus agentes são projetados para executar trabalhos operacionais nos sistemas que os fabricantes já utilizam.

Isso coloca a empresa na interseção de duas tendências principais: a rápida expansão da IA agente e a construção intensiva em capital da infraestrutura física necessária para sustentar a economia mais ampla de IA.

Por que a compra industrial está se tornando um alvo para IA

Grande parte do boom da IA generativa tem se concentrado em desenvolvimento de software, atendimento ao cliente, marketing e outros fluxos de trabalho predominantemente digitais. A Magentic está mirando um alvo menos visível, porém economicamente significativo: os processos que determinam o que as empresas compram, de quem, a que preço e sob quais termos contratuais.

Esses processos tornam-se particularmente difíceis em fabricantes globais. Os dados de compras podem estar espalhados por plataformas de planejamento de recursos empresariais (ERP), acordos com fornecedores, planilhas, faturas, sistemas de e‑mail e bancos de dados acumulados ao longo de anos de aquisições e mudanças tecnológicas.

Ao mesmo tempo, a pressão sobre as organizações de compras está aumentando. O Hackett Group projeta que a carga de trabalho de compras crescerá 8 % em 2026, mesmo com a redução de número de funcionários e orçamentos operacionais, criando um incentivo para automatizar mais tarefas sem simplesmente ampliar as equipes.

Também há um ciclo de infraestrutura muito maior em andamento. A Goldman Sachs estima uma base de aproximadamente $7,6 trilhões em despesas de capital cumulativas relacionadas à IA entre 2026 e 2031, abrangendo computação, data centers e infraestrutura de energia. Esse investimento acaba se traduzindo em um volume enorme de equipamentos, materiais, construções, relacionamentos com fornecedores e contratos que precisam ser gerenciados.

A tese da Magentic é que a IA pode participar cada vez mais dessas decisões, em vez de apenas ajudar os humanos a analisá‑las.

Indo Além do Copiloto de IA

A Magentic descreve seus agentes como “trabalhadores digitais“, mas a distinção mais importante é o grau de autonomia que a plataforma está tentando oferecer.

Em vez de oferecer aos funcionários mais um painel ou interface conversacional, a Magentic foi projetada para ficar sobre a infraestrutura empresarial existente. Sua arquitetura inclui ingestão de dados, uma camada de dados harmonizada, um motor agente, conhecimento específico de compras, monitoramento em tempo real, ciclos de feedback e execução de ponta a ponta.

O sistema pode ingerir informações fragmentadas de ERPs, planilhas, PDFs, contratos e outras fontes antes de transformá‑las em uma estrutura que os agentes de IA possam usar. A Magentic também afirma que a plataforma pode selecionar diferentes modelos de IA subjacentes conforme a tarefa, em vez de depender de um único modelo de linguagem grande.

Isso é importante porque compras envolvem muito mais do que a simples recuperação de informações.

Um agente pode identificar que o mesmo componente está sendo comprado a preços diferentes em fábricas distintas, encontrar fornecedores sobrepostos que poderiam ser consolidados, detectar compras realizadas fora de contratos negociados ou descobrir descontos e abatimentos contratuais que nunca foram cobrados.

O objetivo da Magentic é que o agente vá além e ajude a concluir o fluxo de trabalho resultante.

Seus trabalhadores digitais podem revisar gastos, examinar contratos, calcular economias potenciais, preparar comunicações com fornecedores, reconciliar pedidos com faturas e reunir as evidências necessárias para recuperar pagamentos em excesso. A empresa afirma que seus agentes podem operar em gastos, suprimentos, contratos e faturas, em vez de ficarem limitados a uma única tarefa de compra isolada.

Agentes de IA Construídos em torno de Dados Empresariais Confusos

O problema subjacente de dados pode ser tão importante quanto os próprios modelos de IA.

Grandes fabricantes raramente possuem bancos de dados impecáveis aguardando um sistema de IA. Os nomes dos fornecedores podem variar entre divisões, os contratos podem existir como PDFs, os preços podem ser registrados de forma diferente em diferentes instâncias de ERP, e décadas de aquisições podem deixar as empresas com inúmeros sistemas sobrepostos.

Projetos tradicionais de transformação empresarial frequentemente tentam limpar e padronizar esses dados antes de implantar novas aplicações.

Magentic está adotando uma abordagem diferente: permitir que agentes de IA trabalhem no ambiente fragmentado que já existe e organizem progressivamente as informações necessárias para concluir uma tarefa.

A plataforma também foi projetada para se comunicar por meio das ferramentas que os funcionários já utilizam, incluindo Microsoft Teams e e‑mail, enquanto opera nos sistemas internos da empresa. Isso pretende tornar o agente menos como um produto de software autônomo e mais como outro participante operacional dentro de um processo já existente.

A Magentic afirma que um cliente já está processando mais de 1,2 milhão de pedidos por meio de seus trabalhadores digitais, enquanto outra implantação identificou US$ 4 milhões em economia. Em sua base de clientes Global 500, a empresa relata economias de aproximadamente 2 % a 5 %, juntamente com uma melhoria média de 60 % na qualidade dos dados. Esses são números reportados pela empresa, e não métricas de desempenho auditadas de forma independente.

Mantendo os Humanos no Loop de Aquisição

Maior autonomia também gera um problema particularmente importante nas aquisições: uma decisão incorreta de IA pode ter consequências financeiras ou operacionais imediatas.

Enviar a comunicação errada ao fornecedor é consideravelmente diferente de gerar um parágrafo impreciso em um chatbot.

A Magentic, portanto, incorporou pontos de revisão humana em seus fluxos de trabalho de agentes. Em um exemplo descrito pela empresa, um agente pode analisar contratos de fornecedores e sinalizar termos de pagamento incomuns, mas um executivo de compras mantém a responsabilidade de decidir se uma negociação deve realmente ocorrer.

A empresa também descreveu um mecanismo de revisão multi‑agente no qual os agentes podem verificar o trabalho produzido por outros agentes, juntamente com registros e trilhas de evidência destinadas a mostrar como as decisões foram tomadas.

Este humano-no-loop modelo provavelmente permanecerá importante à medida que os agentes corporativos evoluam de recomendar ações para executá‑las.

Segurança Torna‑se Parte da Arquitetura do Agente

Conceder a um sistema de IA acesso a contratos, relacionamentos com fornecedores, informações de preços, faturas e sistemas ERP internos também levanta um conjunto diferente de requisitos empresariais.

A Magentic afirma ser certificada SOC 2 Tipo II e ISO 27001, estar em conformidade com o Regulamento Geral de Proteção de Dados (GDPR) da União Europeia e alinhada ao AI Act da UE.

A plataforma inclui interações controladas com sistemas de registro e pontos de verificação humana para ações importantes. A Magentic também afirma que os dados dos clientes não são usados para treinar modelos compartilhados ou públicos.

Essas salvaguardas tornam‑se mais relevantes à medida que os agentes adquirem a capacidade de agir, e não apenas de recuperar ou resumir informações.

Construindo uma Força‑Trabalho de IA para a Economia Física

A Magentic planeja usar a rodada Série A para expandir a gama de fluxos de trabalho de compras e cadeia de suprimentos que seus agentes podem gerenciar, ao mesmo tempo em que investe ainda mais na pesquisa subjacente de IA.

Um desafio técnico é o contexto.

Problemas de otimização industrial podem envolver anos de dados de compras, milhares de contratos de fornecedores, históricos de preços, informações de estoque, faturas, documentos técnicos e registros de comunicação. A Magentic afirma estar desenvolvendo agentes capazes de diagnosticar problemas, planejar soluções, executar ações e acompanhar essas ações através de terabytes de informações multimodais.

“Levar IA de ponta ao mundo físico exige ir além de sistemas de IA com janelas de contexto limitadas,” disse O’Donoghue. “Estamos construindo IA que pode diagnosticar problemas, planejar correções, agir e acompanhar o trabalho através de terabytes de dados multimodais de uma só vez.”

A mudança mais ampla é de IA como ferramenta usada durante um fluxo de trabalho para IA como software capaz de assumir partes cada vez maiores desse fluxo.

As aquisições oferecem um caso de teste interessante porque seus resultados são mensuráveis. Um sistema ou captura um preço incorreto, impede gastos fora do contrato, identifica um reembolso esquecido, reconcilia uma fatura, ou não o faz.

Para Magentic, os US$ 18 milhões da Série A representam, portanto, mais do que a expansão de outro produto de IA empresarial. A empresa aposta que alguns dos agentes de IA mais valiosos acabarão operando longe da interface de chatbot — dentro dos complexos sistemas de compras que determinam como a economia física realmente se constrói.