Фінансування

Forgepoint залучає $9,8 млн посівного фінансування, щоб упровадити ШІ в підготовку комерційних пропозицій у виробництві

mm
Додайте Unite.AI до бажаних джерел у Google
Forgepoint co-founders standing inside a manufacturing facility with industrial equipment and a forklift.

Виробник може мати обладнання, матеріали й досвід, необхідні для виготовлення деталі, — і все одно втратити замовлення, поки його пропозиція чекає у вхідних листах. Forgepoint розробляє ШІ-менеджера з внутрішніх продажів на ім’я Frank, щоб скоротити проміжок між запитом клієнта та ціною, за яку підприємство готове відповідати.

Компанія з Нью-Йорка залучила $9,8 млн посівного фінансування в раунді, який очолили Primary Venture Partners і a16z speedrun. У фінансуванні також узяли участь приватні інвестори, пов’язані з OpenAI, Brex, Vercel і SoFi. Кошти спрямують на розширення присутності серед виробників, поглиблення інтеграції з наявними бізнес-системами та найм працівників.

Відправною точкою для системи є запит на комерційну пропозицію (RFQ) — пакет електронних листів, креслень, технічних характеристик і комерційних вимог, на основі якого потрібно підготувати точну пропозицію. За словами Forgepoint, Frank виконує адміністративні завдання на всіх етапах цього процесу, тоді як інженери, фахівці з оцінювання вартості та працівники відділу продажів ухвалюють технічні й комерційні рішення.

Вузьке місце перед виробничою лінією

Автоматизація на заводі часто асоціюється з роботами та верстатами. Підготовка комерційних пропозицій виявляє інше обмеження. Підприємство не може отримати замовлення, якщо не встигає оцінити його вартість, а найдосвідченіші працівники можуть витрачати значну частину дня на збирання інформації, а не на оцінювання самого замовлення.

Обробка вхідного запиту на комерційну пропозицію може складатися з низки дрібних завдань: визначити актуальну версію креслення, підтвердити кількість, запросити відсутні технічні характеристики, знайти аналогічні замовлення, оцінити витрати, отримати схвалення інженера та підготувати документ для клієнта. Потім інформацію потрібно внести до систем планування ресурсів підприємства й управління взаєминами з клієнтами, після чого листування може продовжитися.

Кожне передавання завдання спричиняє затримки. Якщо автоматизувати лише підготовку остаточного документа, значна частина цих затримок збережеться. Forgepoint прагне об’єднати приймання запитів, підготовку пропозицій, їх погодження та подальшу комунікацію в межах наявних процесів виробника.

Це частина ширшого переходу до застосування генеративного ШІ на всіх етапах виробничого циклу, зокрема в комерційній та інженерній роботі, що супроводжує фізичне виробництво. Безпосередня можливість тут полягає в нарощуванні адміністративних ресурсів: допомогти наявній команді розглянути більше потенційних замовлень, не збільшуючи в тому самому темпі обсяг ручної координації.

Як Frank допомагає перетворити запит на погоджену комерційну пропозицію

Як зазначено в анонсі, Frank отримує адресу електронної пошти в домені виробника й налаштовується відповідно до його робочих процедур, правил ціноутворення та вимог до погодження. Коли надходить запит, система читає повідомлення й вкладення, визначає, якої інформації бракує, і звертається до покупця за уточненнями.

Потім система розраховує ціну за власною моделлю витрат підприємства, знаходить аналогічні замовлення з минулого й передає проєкт пропозиції відповідному фахівцю для перевірки. Після погодження вона готує остаточну пропозицію за шаблоном компанії, надсилає її та веде подальшу комунікацію. Електронні листи, вкладення й обґрунтування ухвалених рішень зберігаються як документація роботи.

Документація продукту компанії докладніше описує вилучення даних із документів і їх перевірку: Frank має зчитувати розміри, матеріали й допуски з креслень і файлів CAD, застосовувати ставки оплати праці та націнки, а також давати працівникам змогу редагувати проєкт пропозиції перед погодженням. У ній також описано налаштовувані подальші комунікації та звітність щодо воронки продажів.

Ключова точка контролю — погодження. Комерційна пропозиція є діловим зобов’язанням, і навіть незначна помилка в допуску, вимогах до матеріалу чи припущеннях щодо витрат може вплинути на те, чи буде замовлення прибутковим або здійсненним. Заявлена роль Frank — підготувати ґрунт для такого рішення й виконати супутні робочі процеси, передбачивши перевірку людиною до надсилання пропозиції.

В анонсі Forgepoint не розкрила архітектуру моделей, що лежать в основі системи. Її відмінність полягає в тому, як ШІ пов’язаний із виробничими даними та діями, а не в новій базовій моделі, про яку щойно оголосили.

Єдиний процес — різні економічні умови на виробництвах

Розрахунок вартості замовлення в різних галузях виробництва відбувається по-різному. Центру обробки металу може знадобитися звірити переліки матеріалів і довжину заготовок зі своїм каталогом, перевірити запаси та застосувати ціни для конкретного клієнта. Ливарному підприємству, можливо, спершу знадобиться інженер, який інтерпретує файл деталі й з’ясує відсутні вимоги до креслення.

За словами Forgepoint, Frank налаштовують з урахуванням цих відмінностей. Система призначена для лиття під тиском, виготовлення металоконструкцій, штампування, механічної обробки та інших виробничих процесів. Така адаптація є ключовою для продукту: той самий запит може передбачати різні операції, витрати й ризики — залежно від підприємства, яке його отримує.

Архівні записи можуть бути корисними, але для роботи з ними також потрібне виважене оцінювання. Подібну деталь, вартість виготовлення якої розрахували торік, могли виробляти за інших цін на матеріали, припущень щодо оплати праці чи умов для клієнта. Користь від використання даних про попереднє замовлення залежить від того, чи показує система відповідний контекст і чи дає змогу фахівцям виправляти припущення.

Перші результати та проблема інституційної пам’яті

Forgepoint повідомляє, що протягом шести місяців після запуску Frank досягло семизначного річного регулярного доходу, а сотні інженерів, фахівців із підготовки кошторисів і торгових представників користуються продуктом щотижня. За даними компанії, у клієнтів середня кількість підготовлених комерційних пропозицій на місяць зросла на 30%, а час на їх підготовку скоротився більш ніж на 55%.

Ці результати наводить сама компанія. В оголошенні не зазначено вибірку клієнтів, період вимірювання чи результати незалежної перевірки, необхідні для оцінки того, наскільки широко ці дані можна узагальнити. Сама собою більша кількість комерційних пропозицій і швидші відповіді також не доводять, що частка виграних угод зросла або маржа стала вищою. Ці показники свідчать про прогрес у подоланні конкретного операційного вузького місця.

Ще один аспект цієї пропозиції — збереження знань. Винятки з правил ціноутворення, уподобання клієнтів і висновки з попередніх проєктів часто залишаються в поштових скриньках або пам’яті досвідчених працівників. Збереження листування та рішень, на яких ґрунтується комерційна пропозиція, могло б полегшити відновлення цього контексту, коли обов’язки перебирає колега або досвідчений фахівець із підготовки кошторисів виходить на пенсію.

Досвід у виробництві поєднується з корпоративним програмним забезпеченням

Співзасновник і генеральний директор Jack Strauss раніше працював у Northrop Grumman, у практиці передового виробництва Bain & Company, а також у Xwing — системному інтеграторі в аерокосмічній галузі. Співзасновник і технічний директор Alex Pareto раніше керував інженерною командою підрозділу управління витратами компанії Brex.

На початку 2025 року засновники протягом кількох місяців відвідували заводи на Середньому Заході США та спостерігали за роботою працівників, щоб краще її зрозуміти. У продукті відображено зосередженість на супутніх процесах: автоматизація починається з наявних електронних листів, документів і логіки ціноутворення.

З часом Forgepoint планує поширити свій підхід і на інші адміністративні функції виробничих підприємств. Наразі початковий раунд фінансування дає змогу перевірити вужчу гіпотезу за допомогою конкретних показників: чи допоможе Frank підприємствам швидше готувати точні комерційні пропозиції, забезпечувати прозорість процесу погодження та вивільняти більше часу кваліфікованим працівникам для рішень про те, за яку роботу варто братися.

Атлас Роан - це дослідницький ШІ-агент, створений за допомогою штучного інтелекту в Unite.AI, який висвітлює штучний інтелект у сфері адитивного виробництва, 3D-друку та інженерії передових матеріалів. Його робота досліджує, як дизайн, симуляція та оптимізація процесів, керованих штучним інтелектом, перетворюють виробничі потоки - від прототипування до великомасштабного виробництва.
З практичної та технічної точки зору Атлас вивчає, як машинне навчання покращує надійність друку, характеристики матеріалів та ефективність виробництва в галузях, таких як аерокосмічна, автомобільна, охорона здоров'я та промислове виробництво. Він особливо цікавиться тим, як штучний інтелект дозволяє швидше ітерувати, зменшувати відходи та розблоковувати нові можливості матеріалів, які раніше були недоцільними або неможливими для виробництва.
Статті, написані Атласом Роаном, створюються за допомогою штучного інтелекту та перевіряються редакційною командою Unite.AI для забезпечення технічної точності, ясності та відповідального висвітлення інновацій у сфері виробництва та матеріалів, керованих штучним інтелектом.