Michael Delgado, Co-Fundador e CEO da Canals – Série de Entrevistas

Michael Delgado, Co-Fundador e CEO da Canals, é um ex-advogado corporativo que se tornou empreendedor e construiu uma carreira que combina expertise jurídica, desenvolvimento de produtos e tecnologia operacional. Após começar em escritórios de advocacia de alto nível, incluindo Cravath, Swaine & Moore LLP, ele se mudou para startups, assumindo papéis de liderança na Willing antes de co-fundar a Vested, que mais tarde foi adquirida pela MetLife. Ele então fundou a Canals em 2022, aplicando sua experiência em direito, operações e produtos para resolver ineficiências em indústrias tradicionais, particularmente por meio do uso de IA para modernizar fluxos de trabalho de negócios complexos.

Canals é uma plataforma impulsionada por IA projetada para automatizar operações críticas de back-office para distribuidores atacadistas, incluindo processamento de pedidos de venda, contas a pagar e compras. A empresa se concentra em transformar entradas não estruturadas, como e-mails, PDFs e documentos manuscritos, em dados estruturados e ações que se integram diretamente a sistemas ERP existentes. Ao aprender continuamente com as interações do usuário, a Canals reduz a entrada de dados manual, minimiza erros e acelera os fluxos de trabalho operacionais, posicionando-se como uma camada de execução prática para empresas, em vez de uma solução de IA puramente analítica.

Você fez a transição de um background jurídico em escritórios como Cravath, Swaine & Moore LLP para startups, eventualmente fundando a Canals após sua experiência em construir a Vested. Quais foram as quebras específicas nos fluxos de trabalho de distribuição que o levaram a iniciar a empresa, e como seus papéis anteriores influenciaram essa decisão?

Minha esposa dirige um negócio de distribuição, então foi através dela que comecei a visitar armazéns, conversar com distribuidores e aprender sobre a indústria.

À medida que passei mais tempo imerso na distribuição, o que mais me chamou a atenção foi um processo chamado “entrada de pedidos de venda”. Os pedidos chegam a um distribuidor por meio de uma ampla variedade de canais e formatos, e cada um precisa ser revisado e inserido manualmente em um ERP. É um trabalho demorado que recai sobre equipes de representantes de vendas — pessoas cujos trabalhos devem ser dedicados a gerar receita e construir relacionamentos.

Quanto mais conversei com distribuidores, mais claro ficou que essa não era uma ineficiência pequena. A entrada de pedidos de venda é um fluxo de trabalho fundamental em uma indústria maciça que a tecnologia historicamente falhou em atender, em parte porque o software tradicional não podia lidar com a variabilidade. Eu havia passado anos construindo software e seguindo o avanço da IA, então estava bem equipado para ver um grande mercado, um problema real e uma nova maneira de resolvê-lo. A Canals cresceu a partir daí.

Para leitores novos nesse espaço, o que a Canals realmente faz dentro de uma organização no dia a dia, e como ela interage com sistemas existentes, como o Planejamento de Recursos Empresariais (ERP)?

Em um alto nível, a Canals pega as entradas com as quais os distribuidores, contratantes e fabricantes lidam todos os dias — e-mails, PDFs, planilhas, até mesmo notas manuscritas — e as transforma em dados estruturados que podem fluir entre sistemas e alimentar fluxos de trabalho de ponta a ponta. Em seguida, usa esses dados para automatizar ações downstream, seja gerando um pedido de venda ou submetendo uma fatura, antes de empurrar dados limpos e validados diretamente para um ERP.

O ERP permanece como o sistema de registro, enquanto a Canals atua como a IA operacional que o mantém preciso e atualizado.

A distribuição industrial ainda depende fortemente de e-mails, PDFs e ligações telefônicas para gerenciar pedidos e faturas. Por que esse nível de trabalho manual persistiu por tanto tempo, e o que impediu a automação significativa até agora?

O problema é que o software tradicional depende de regras rígidas e modelos padrão. Isso funciona em ambientes onde as entradas são consistentes, mas a construção e a distribuição não são assim. Os documentos vêm em uma ampla variedade de formatos, e há dezenas de diferentes nomes, termos abreviados e jargões de campo que todos descrevem o mesmo produto. Em um determinado ponto, o número de casos de bordo se torna incontrolável. Você não pode realisticamente definir regras para cada variação, então o processo recorre à interpretação manual.

A vontade de introduzir mais eficiência sempre existiu, mas até recentemente a tecnologia não podia acompanhar, tornando as abordagens anteriores difíceis de implementar e impossíveis de dimensionar.

Um desafio fundamental aqui é transformar entradas não estruturadas em ações estruturadas. Como a sua plataforma interpreta e-mails, anexos e documentos, e os converte em dados e fluxos de trabalho utilizáveis?

É um desafio que requer dois passos para resolver.

O primeiro é a análise. A Canals identifica os documentos relevantes na caixa de entrada do usuário, extrai as linhas e campos principais e extrai os dados.

O segundo é a correspondência. É aqui que os dados extraídos são resolvidos dentro do sistema. Em alguns casos, isso significa mapear linhas para os SKUs corretos, lidar com variações na forma como os produtos são descritos e normalizar unidades. Em outros, significa reconciliar documentos, como corresponder uma fatura a um pedido de compra e recibo, alinhar linhas e identificar discrepâncias.

O resultado é dados estruturados e contextualizados que podem impulsionar um fluxo de trabalho de ponta a ponta.

Você apoiou fluxos de trabalho relacionados a mais de $2,1 bilhões em pagáveis. Nessa escala, quais padrões surgem em torno de ineficiências, atrasos ou erros que a maioria das empresas nem sequer percebe que tem?

Há alguns ganhos de eficiência óbvios. No lado das contas a pagar, por exemplo, nossos clientes automatizam 96% do processamento de faturas em média, o que remove uma quantidade significativa de trabalho manual.

O que é mais interessante, no entanto, é como isso se manifesta além das economias de custos. Na entrada de pedidos, especificamente, a velocidade impacta diretamente a receita.

Na construção, o tempo é crítico e manter o cronograma é a prioridade. Se um contratante está solicitando cotações de vários distribuidores e um responde em dez minutos, enquanto os outros demoram horas, o trabalho geralmente vai para o que respondeu primeiro, mesmo que não seja o preço mais baixo. Obter o material no tempo certo é mais importante do que economizar alguns dólares.

Essa dinâmica tem um impacto direto na receita. A automação da entrada de pedidos de venda aumenta a frequência com que um distribuidor é o primeiro a responder, o que aumenta a frequência com que ele ganha negócios. Para um de nossos clientes, isso se traduziu em 57% de suas transações se tornando pedidos, em comparação com uma média anterior mais próxima de 20%.

Sistemas legados, como plataformas de ERP, são frequentemente rígidos e difíceis de modernizar. Como você aborda a integração sem forçar as empresas a remover sua infraestrutura existente?

Os ERPs estão profundamente enraizados em como um negócio é executado, então a verdadeira restrição não é apenas a integração, mas como rápido e limpo você pode integrar sem adicionar sobrecarga. Se a implementação for lenta ou exigir envolvimento pesado da equipe de TI interna, torna-se um bloqueador disruptivo.

Nossa abordagem sempre foi investir em tornar nossa implementação rápida e sem atrito. Temos dezenas de integrações pré-construídas e uma grande equipe de engenheiros para apoiar implantações personalizadas, e priorizamos colocar os clientes em funcionamento rapidamente sem criar uma sobrecarga de manutenção contínua.

Estamos vendo uma mudança em direção a sistemas mais autônomos em várias indústrias. Quão longe a automação pode realisticamente ir nos fluxos de trabalho de distribuição antes que a supervisão humana se torne crítica novamente?

Há muitas coisas que a IA não pode fazer. Ela não tomará decisões comerciais complexas, gerenciará relacionamentos com clientes ou operará no campo. O que ela pode fazer é remover muito do trabalho administrativo repetitivo que está abaixo desses processos.

Na maioria dos fluxos de trabalho industriais, o modelo certo é o humano no loop, onde a IA lida com a maior parte do trabalho, deixando as pessoas no controle das exceções. Quando algo é direto, pode ser automatizado. Quando algo é ambíguo, de alto valor ou carrega risco real, é aí que o julgamento humano é crítico.

O objetivo não é a autonomia de 100%. É automatizar as partes tediosas, manuais e rotineiras do fluxo de trabalho para que as pessoas possam se concentrar em decisões e exceções de alto valor.

Um dos riscos da automação é perder o conhecimento institucional de operadores experientes. Como a Canals garante que a expertise seja capturada e refletida no sistema, em vez de ser substituída?

Uma das principais vantagens da IA sobre o software tradicional é que ela pode aprender com o tempo.

Quando um operador experiente revisa algo, faz uma correção ou lida com uma exceção, o sistema pode capturar essas decisões e aplicá-las de forma inteligente em frente. À medida que o uso aumenta, começa a refletir consistentemente esses padrões em vez de confiar em um conjunto fixo de regras.

Isso significa que o conhecimento institucional não está mais vinculado a uma única pessoa. Em vez de viver com indivíduos, ele é incorporado aos sistemas usados para executar o negócio, então é aplicado de forma mais consistente em toda a organização. Quando os funcionários experientes saem, sua expertise permanece capturada dentro da Canals. Quando os novos funcionários começam, eles estão trabalhando dentro de um sistema que já reflete como o negócio opera, o que os ajuda a aumentar mais rápido e a executar de forma mais consistente.

A corrida para construir centros de dados está colocando pressão real nas cadeias de suprimentos. Como essa demanda está mudando as expectativas em torno de velocidade, precisão e coordenação para os distribuidores?

A corrida para construir centros de dados está acelerando, com $700 bilhões sendo investidos na construção, o que coloca uma pressão imensa sobre os contratantes e distribuidores para acompanharem.

O que essa demanda muda é a tolerância ao atraso. Fluxos de trabalho que eram administráveis em volumes mais baixos — como o processamento manual de pedidos e a reconciliação de documentos — começam a falhar em escala. À medida que os projetos crescem e se movem mais rápido, as lacunas entre cotações, compras e cumprimento se tornam mais visíveis e mais caras em ambos os lados da transação. A falta de informações precisas e atualizadas subverte a coordenação e pode resultar em atrasos inesperados e paradas de trabalho repentinas.

As equipes que podem operar com velocidade e visibilidade em tempo real têm uma vantagem clara. Nesse ponto, a automação não é apenas sobre eficiência; ela se torna um requisito para acompanhar o ritmo e a complexidade da demanda.

Olhando para o futuro, como você vê a IA remodelando os fluxos de trabalho de compras e cadeias de suprimentos nos próximos cinco anos, particularmente à medida que os sistemas mudam de ferramentas assistivas para tomadores de decisão mais agentes?

É difícil dizer com qualquer grau de certeza, mas o que está se tornando mais evidente é como a IA está sendo aplicada — de forma estreita, em fluxos de trabalho específicos onde há muita repetição e um caminho claro para a confiabilidade. Na compra e na cadeia de suprimentos, isso se manifesta em processos de execução pesados. Esses fluxos de trabalho estão ligados a dólares reais e relações reais, então a barreira para a autonomia é alta. A mudança de curto prazo será menos sobre a tomada de decisão impulsionada por agentes e mais sobre expandir o que pode ser tratado de forma confiável, com as pessoas envolvidas onde isso importa.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Canals.