Dodge AI ระดมทุน $2.65M เพื่อทำให้ซอฟต์แวร์องค์กรออกจากโหมดดับไฟ

Dodge AI ได้ระดมทุน $2.65 ล้านเพื่อทำให้กระบวนการอัตโนมัติในส่วนที่ไม่น่าดึงดูดที่สุดแต่มีค่าใช้จ่ายสูงที่สุดของเทคโนโลยีองค์กร คือการทำให้ซอฟต์แวร์สำคัญทำงานต่อได้หลังจากที่ติดตั้งแล้ว.

การระดมทุนนำโดย Accel และ Google AI Futures Fund พร้อมการมีส่วนร่วมจาก NewBuild Venture Capital, Antler, Schema Ventures และนักลงทุนแองเจิลจากระบบนิเวศของ SAP. Dodge AI ไม่ได้เปิดเผยขั้นตอนของรอบเงินทุน.

บริษัทจากซานฟรานซิสโกกำลังสร้างสิ่งที่อธิบายว่าเป็น AI control plane สำหรับการบำรุงรักษาแอปพลิเคชันระดับองค์กร. เอเจนต์ของบริษัททำงานข้ามระบบต่างๆ เช่น SAP, Salesforce, Microsoft Dynamics, Kinaxis, และ Oracle JDE เพื่อสืบค้นเหตุการณ์, แนะนำหรือดำเนินการแก้ไข, และเก็บรักษาเหตุผลเบื้องหลังการเปลี่ยนแปลงแต่ละครั้ง.

ฟังก์ชันสุดท้ายอาจเป็นสิ่งที่สำคัญที่สุด. บริษัทขนาดใหญ่มักไม่ได้ดำเนินการซอฟต์แวร์ตามที่ได้รับจากผู้ขายอย่างตรงไปตรงมา. หลายปีของกฎกำหนดเอง, การรวมระบบ, วิธีแก้ชั่วคราว, งานเบื้องหลัง, และข้อยกเว้นเฉพาะกรณีได้ฝังตัวอยู่ในระบบบันทึก. เมื่อเกิดปัญหา คำตอบอาจกระจายอยู่ในตั๋ว, ไฟล์การกำหนดค่า, ที่ปรึกษา, และความทรงจำของพนักงานที่อยู่ในขณะตัดสินใจ.

ทำไมการบำรุงรักษาถึงเป็นปัญหา AI

Dodge AI กล่าวว่าองค์กรต่างๆ ใช้จ่ายมากกว่า $600 พันล้านต่อปีในการบำรุงรักษาแอปพลิเคชันธุรกิจ. วิธีการแบบดั้งเดิมเป็นการใช้แรงงานอย่างหนัก: บริษัทผู้รวมระบบขนาดใหญ่มอบหมายทีมเพื่อแก้ไขตั๋ว, ดำเนินการเปลี่ยนแปลง, เฝ้าติดตามงาน, และตอบสนองต่อความล้มเหลวในการดำเนินงาน. โมเดลนี้สามารถคืนบริการได้, แต่บ่อยครั้งไม่สามารถเปลี่ยนการซ่อมแซมแต่ละครั้งให้กลายเป็นความรู้สถาบันที่คงทน.

ผลลัพธ์คือปัญหาบริบทที่ทบกัน. การแก้ไขทำขึ้น, การปรับแต่งสะสม, และองค์กรยิ่งพึ่งพาผู้ที่จำเหตุผลว่าทำไมระบบจึงทำงานเช่นนั้น. หนี้เทคนิคไม่ใช่แค่โค้ดเก่า; มันคือช่องว่างระหว่างสิ่งที่ระบบทำและสิ่งที่บริษัทสามารถอธิบายได้อย่างเชื่อถือได้.

นี่ก็เป็นเหตุผลว่าทำไมเอเจนต์ AI ที่ทำงานในสภาพแวดล้อมการผลิตจึงต้องการมากกว่าการเข้าถึงโมเดลพื้นฐานที่มีความสามารถ. ตามที่ Unite.AI ตรวจสอบเมื่อเร็ว ๆ นี้ในบทความเกี่ยวกับ บริบทในระบบอัตโนมัติขององค์กร, เอเจนต์จะมีประโยชน์เมื่อพวกเขาสามารถให้เหตุผลกับนโยบาย, ข้อยกเว้น, และประวัติการดำเนินงานที่ล้อมรอบงาน. ในสภาพแวดล้อม ERP, คำตอบที่ดูสมเหตุสมผลไม่พอ. เอเจนต์ต้องเข้าใจว่าทำไมคลังสินค้าหนึ่งจึงจัดสต็อกต่างกัน, ทำไมกฎการตั้งราคาหนึ่งจึงลบล้างอีกกฎหนึ่ง, หรือทำไมงานหนึ่งจึงสามารถทำได้เฉพาะเวลาใดเวลาหนึ่ง.

Dodge AI มีเป้าหมายที่จะสร้างบริบทนั้นพร้อมกับแก้ไขงานบำรุงรักษาประจำวัน. แพลตฟอร์มของบริษัทเชื่อมต่อกระบวนการธุรกิจ, การปรับแต่ง ERP, ระบบการจัดการบริการไอที, และการกำหนดค่าระบบเก่า, จากนั้นใช้ “exception intelligence” ที่ได้เพื่อระบุสาเหตุรากและสร้างแหล่งความจริงสำหรับเอเจนต์ในอนาคต.

จากตั๋วสู่หน่วยความจำการทำงาน

“เป็นเวลานาน วิธีเดียวในการบำรุงรักษาระบบองค์กรคือการเพิ่มคนเข้ามา” Rebhav Bharadwaj, ผู้ร่วมก่อตั้งและซีอีโอของ Dodge AI กล่าว. เขาโต้แย้งว่าเอเจนต์ระยะยาวสามารถช่วยองค์กรปรับปรุงและซ่อมแซมระบบที่มีภารกิจสำคัญอย่างต่อเนื่อง, แก้ไขเหตุการณ์ได้เร็วขึ้นพร้อมกับบันทึกความรู้ที่มักสูญหายในการทำงานบำรุงรักษา.

แนวทางนั้นทำให้การบำรุงรักษาเปลี่ยนจากศูนย์ต้นทุนเป็นชั้นข้อมูลการเก็บรวบรวม. ทุกเหตุการณ์มีข้อมูลเกี่ยวกับวิธีการทำงานจริงของธุรกิจ. ด้วยการเก็บรักษาสาเหตุ, การแก้ไข, และข้อยกเว้นที่เกี่ยวข้อง, Dodge AI สามารถทำให้การสืบค้นครั้งต่อไปเร็วขึ้นและให้เอเจนต์การผลิตมีคู่มือการทำงานที่เชื่อถือได้มากขึ้น.

บริษัทกล่าวว่ามันได้ทำงานกับองค์กรกว่าโหลแห่งแล้ว, ครึ่งหนึ่งเป็นบริษัทที่จดทะเบียนในตลาดหลักทรัพย์. แพลตฟอร์มของมันรับมือกับหลายร้อยคำถามต่อชั่วโมงในกระบวนการจัดการเหตุการณ์และการเพิ่มประสิทธิภาพกระบวนการ.

ในกรณีหนึ่ง, รถบรรทุกไม่สามารถโหลดที่คลังสินค้าได้เนื่องจากใบรับสินค้า (Goods Receipt Note) พิมพ์ข้อมูลผิดพลาด. Dodge AI ติดตามปัญหาผ่าน SAP, Kinaxis, และซอฟต์แวร์คลังสินค้าภายในและส่งมอบการแก้ไขภายในไม่กี่นาที. ในการใช้งานอีกกรณี, ลูกค้าเคยทำการวางแผนสินค้าคงคลังตลอดคืนเนื่องจาก SAP เกิดข้อขัดข้องเมื่อกระบวนการทำงานในช่วงเช้า. Dodge AI กล่าวว่าได้ทำให้กระบวนการทันสมัยขึ้น, เร่งความเร็วขึ้น 132 เท่า, ปล่อยทีม 10 คนจากการบำรุงรักษา, และปรับปรุงเวลาการจัดสรรคำสั่งซื้อให้เร็วขึ้น 8 ชั่วโมง.

ทำไมนักลงทุนถึงสนับสนุนชั้นการบำรุงรักษา

โอกาสนี้กว้างกว่าการแก้ไขตั๋ว. องค์กรต้องการนำเอเจนต์ AI ไปใช้ในด้านการเงิน, ห่วงโซ่อุปทาน, การดำเนินงานของลูกค้า, และฟังก์ชันสำคัญอื่น ๆ, แต่เอเจนต์เหล่านั้นไม่สามารถดำเนินการบนระบบที่พวกเขาไม่เข้าใจได้อย่างปลอดภัย. กฎที่ไม่ได้บันทึกซึ่งทำให้แอปพลิเคชันเก่ายากต่อการบำรุงรักษานั้นเป็นกฎเดียวกันที่ระบบอัตโนมัติต้องการก่อนที่จะทำการเปลี่ยนแปลงที่เชื่อถือได้.

“การบำรุงรักษาแอปพลิเคชันเป็นหนึ่งในหมวดหมู่ที่ใหญ่ที่สุดและยังไม่ทันสมัยที่สุดในเทคโนโลยีองค์กร” Prayank Swaroop, นักลงทุนจาก Accel กล่าว. เขากล่าวว่าการเริ่มจากการบำรุงรักษานั้น Dodge AI กำลังสร้างชั้นบริบทที่องค์กรต้องการก่อนที่เอเจนต์จะสามารถทำงานในสภาพการผลิตได้อย่างปลอดภัย.

ทีมได้รวม Bharadwaj เข้ากับผู้ร่วมก่อตั้งและหัวหน้าเทคโนโลยี (CTO) Aditya Thakur และประธานเจ้าหน้าที่ปฏิบัติการ (COO) Aditya Patil. ความท้าทายในระยะใกล้ของพวกเขาคือการพิสูจน์ว่าชั้นการบำรุงรักษาที่มีลักษณะเป็นตัวแทนสามารถนำไปใช้ได้ทั่วไปในสภาพแวดล้อมที่ปรับแต่งอย่างหนักโดยไม่ก่อให้เกิดความเสี่ยงในการดำเนินงานใหม่. แต่ละสแตกขององค์กรมีสิทธิ์การเข้าถึง, ข้อกำหนดการกำกับดูแล, และรูปแบบการล้มเหลวที่แตกต่างกัน, และความสำเร็จจะขึ้นอยู่กับความสามารถในการตรวจสอบและการดำเนินการที่ควบคุมได้เท่ากับประสิทธิภาพของโมเดล.

การเดิมพันที่ใหญ่กว่า

แนวคิดของ Dodge AI คือการบำรุงรักษาเป็นจุดเริ่มต้นของการเปลี่ยนแปลงในระดับองค์กร, ไม่ใช่เพียงปัญหาที่จะทำให้เป็นอัตโนมัติ. CIOs มักเผชิญความยากลำบากในการปรับให้ทันสมัยเนื่องจากงบประมาณและความสนใจถูกใช้ไปกับเหตุการณ์ประจำวัน, ในขณะที่ความเสี่ยงของการทำให้ระบบที่ทำงานอยู่แล้วเสียหายทำให้โครงการเปลี่ยนระบบอย่างครอบคลุมยากต่อการพิสูจน์ความคุ้มค่า.

หาก Dodge AI สามารถแก้ไขเหตุการณ์เหล่านั้นพร้อมกับบันทึกตรรกะที่ซ่อนอยู่เบื้องหลัง, บริษัทอาจได้รับเส้นทางที่ปลอดภัยยิ่งขึ้นจากการสนับสนุนเชิงตอบสนองไปสู่การปรับปรุงอย่างต่อเนื่อง. แผนภูมิโอกราฟความรู้เดียวกันที่อธิบายความล้มเหลวของเมื่อวานอาจช่วยให้ตัวแทนประเมินคำขอการเปลี่ยนแปลงของวันพรุ่งนี้, ระบุการพึ่งพาที่มีความเสี่ยง, หรือทำกระบวนการอัตโนมัติโดยไม่ละเมิดกฎที่ถูกฝังไว้หลายปีก่อนหน้า.

รอบการระดมทุน $2.65 ล้านเป็นจำนวนที่ค่อนข้างเล็กเมื่อเทียบกับขนาดของตลาดที่ Dodge AI มุ่งเป้า. อย่างไรก็ตามบริษัทกำลังทำการเดิมพันที่มีความสำคัญเชิงกลยุทธ์: ก่อนที่ตัวแทน AI จะสามารถดำเนินงานในระดับองค์กรได้, ต้องมีผู้สอนให้พวกเขาเข้าใจว่าการทำงานขององค์กรเป็นอย่างไรจริงๆ.