Magentic huy động $18M Series A để xây dựng lực lượng AI cho hoạt động công nghiệp

Magentic đã huy động $18 triệu trong vòng gọi vốn Series A để mở rộng các tác nhân AI của mình trên các hoạt động mua sắm và chuỗi cung ứng, nhằm vào một số quy trình phức tạp nhất trong các công ty công nghiệp lớn.

Vòng gọi vốn do Felicis dẫn đầu, với các nhà đầu tư hiện có là Sequoia Capital và The Westly Group cũng tham gia. Nó diễn ra khoảng một năm sau khi công ty có trụ sở tại London và New York ra mắt với vòng gọi vốn hạt giống $5,5 triệu, đưa tổng số vốn đã báo cáo lên $23,5 triệu.

Được sáng lập bởi CEO Robin Van Aeken, trước đây làm việc tại McKinsey, và CTO Odhran O’Donoghue, một cựu sinh viên OpenAI, Magentic tin rằng giai đoạn tiếp theo của AI doanh nghiệp sẽ vượt ra ngoài các trợ lý chỉ trả lời câu hỏi hoặc tạo nội dung. Thay vào đó, các tác nhân của họ được thiết kế để thực hiện công việc vận hành trên các hệ thống mà các nhà sản xuất đã sử dụng.

Điều này đặt công ty tại giao điểm của hai xu hướng lớn: sự mở rộng nhanh chóng của AI tác nhân và việc xây dựng hạ tầng vật lý tốn kém vốn cần thiết để hỗ trợ nền kinh tế AI rộng lớn hơn.

Tại sao mua sắm công nghiệp đang nổi lên như một mục tiêu AI

Phần lớn bùng nổ AI sinh tạo đã tập trung vào phát triển phần mềm, dịch vụ khách hàng, tiếp thị và các quy trình chủ yếu là kỹ thuật số khác. Magentic đang nhắm tới một mục tiêu ít được chú ý hơn nhưng có ý nghĩa kinh tế lớn: các quy trình quyết định công ty mua gì, từ ai, với mức giá bao nhiêu và theo những điều khoản hợp đồng nào.

Các quy trình này trở nên đặc biệt khó khăn trong các nhà sản xuất toàn cầu. Dữ liệu mua sắm có thể rải rác trên các nền tảng hoạch định nguồn lực doanh nghiệp (ERP), hợp đồng nhà cung cấp, bảng tính, hoá đơn, hệ thống email và cơ sở dữ liệu tích lũy qua nhiều năm sáp nhập và thay đổi công nghệ.

Đồng thời, áp lực lên các tổ chức mua sắm đang tăng lên. The Hackett Group dự đoán khối lượng công việc mua sắm sẽ tăng 8% vào năm 2026 ngay cả khi số lượng nhân viên và ngân sách vận hành giảm, tạo động lực tự động hoá nhiều công việc hơn mà không cần mở rộng đội ngũ.

Cũng đang diễn ra một chu kỳ hạ tầng lớn hơn nhiều. Goldman Sachs ước tính mức cơ bản khoảng $7,6 nghìn tỷ trong chi tiêu vốn tích lũy liên quan đến AI từ năm 2026 đến 2031, bao gồm tính toán, trung tâm dữ liệu và hạ tầng điện. Khoản chi này cuối cùng chuyển thành một khối lượng khổng lồ thiết bị, vật liệu, xây dựng, quan hệ nhà cung cấp và hợp đồng cần được quản lý.

Luận điểm của Magentic là AI có thể ngày càng tham gia vào những quyết định đó thay vì chỉ giúp con người phân tích chúng.

Vượt Qua Trợ Lý AI

Magentic mô tả các tác nhân của mình là “nhân viên kỹ thuật số“, nhưng điểm khác biệt quan trọng hơn là mức độ tự chủ mà nền tảng đang cố gắng cung cấp.

Thay vì cung cấp cho nhân viên một bảng điều khiển hoặc giao diện hội thoại khác, Magentic được thiết kế để nằm trên nền hạ tầng doanh nghiệp hiện có. Kiến trúc của nó bao gồm việc thu thập dữ liệu, lớp dữ liệu hài hòa, động cơ tác nhân, kiến thức chuyên biệt về mua sắm, giám sát thời gian thực, vòng phản hồi và thực thi đầu cuối.

Hệ thống có thể thu thập thông tin rời rạc từ ERP, bảng tính, PDF, hợp đồng và các nguồn khác trước khi chuyển chúng thành một cấu trúc mà các tác nhân AI có thể làm việc. Magentic cũng cho biết nền tảng có thể chọn các mô hình AI nền tảng khác nhau tùy thuộc vào nhiệm vụ, thay vì dựa vào một mô hình ngôn ngữ lớn duy nhất.

Điều này quan trọng vì mua sắm liên quan đến nhiều hơn việc chỉ truy xuất thông tin.

Một tác nhân có thể nhận ra rằng cùng một linh kiện đang được mua với các mức giá khác nhau ở các nhà máy, tìm các nhà cung cấp trùng lặp có thể hợp nhất, phát hiện các giao dịch mua ngoài các hợp đồng đã đàm phán, hoặc khám phá các khoản hoàn trả và chiết khấu hợp đồng chưa từng được thu hồi.

Mục tiêu của Magentic là để tác nhân tiến xa hơn và giúp hoàn thành quy trình công việc phát sinh.

Các công nhân kỹ thuật số của nó có thể xem xét chi tiêu, kiểm tra hợp đồng, tính toán tiềm năng tiết kiệm, chuẩn bị giao tiếp với nhà cung cấp, đối chiếu đơn đặt hàng với hoá đơn, và tập hợp bằng chứng cần thiết để thu hồi các khoản thanh toán vượt mức. Công ty cho biết các tác nhân của họ có thể hoạt động trên toàn bộ chi tiêu, nguồn cung, hợp đồng và hoá đơn thay vì bị giới hạn ở một nhiệm vụ mua sắm riêng lẻ.

Các tác nhân AI được xây dựng quanh dữ liệu doanh nghiệp lộn xộn

Vấn đề dữ liệu nền tảng có thể quan trọng không kém các mô hình AI tự chúng.

Các nhà sản xuất lớn hiếm khi có các cơ sở dữ liệu hoàn hảo chờ cho một hệ thống AI. Tên nhà cung cấp có thể khác nhau giữa các phòng ban, hợp đồng có thể tồn tại dưới dạng PDF, giá có thể được ghi lại khác nhau trên các phiên bản ERP, và hàng thập kỷ sáp nhập có thể để lại cho các công ty nhiều hệ thống trùng lặp.

Các dự án chuyển đổi doanh nghiệp truyền thống thường cố gắng làm sạch và chuẩn hoá dữ liệu đó trước khi triển khai các ứng dụng mới.

Magentic đang áp dụng một cách tiếp cận khác: cho phép các tác nhân AI làm việc xuyên suốt môi trường phân mảnh hiện có và dần dần tổ chức thông tin cần thiết để hoàn thành một nhiệm vụ.

Nền tảng cũng được thiết kế để giao tiếp qua các công cụ mà nhân viên đã sử dụng, bao gồm Microsoft Teams và email, đồng thời hoạt động trên các hệ thống doanh nghiệp nội bộ. Điều này nhằm làm cho tác nhân không giống một sản phẩm phần mềm độc lập mà giống một thành phần hoạt động khác trong quy trình hiện có.

Magentic cho biết một khách hàng đã xử lý hơn 1,2 triệu đơn hàng thông qua các nhân viên kỹ thuật số, trong khi một triển khai khác đã xác định được 4 triệu đô la tiết kiệm. Trên cơ sở khách hàng Global 500, công ty báo cáo mức tiết kiệm khoảng 2 % đến 5 %, cùng với cải thiện chất lượng dữ liệu trung bình 60 %. Đây là các số liệu do công ty báo cáo, không phải các chỉ số hiệu suất được kiểm toán độc lập.

Giữ Con Người Trong Vòng Quay Mua Sắm

Tự chủ cao hơn cũng tạo ra một vấn đề đặc biệt quan trọng trong mua sắm: một quyết định AI sai lầm có thể gây ra hậu quả tài chính hoặc vận hành ngay lập tức.

Gửi thông tin sai cho nhà cung cấp khác hẳn so với việc tạo ra một đoạn văn không chính xác trong chatbot.

Do đó, Magentic đã xây dựng các điểm kiểm tra con người vào quy trình làm việc của tác nhân. Trong một ví dụ do công ty mô tả, một tác nhân có thể quét hợp đồng nhà cung cấp và đánh dấu các điều khoản thanh toán bất thường, nhưng một giám đốc mua sắm vẫn chịu trách nhiệm quyết định liệu có nên tiến hành đàm phán hay không.

Công ty cũng đã mô tả một cơ chế kiểm tra đa tác nhân, trong đó các tác nhân có thể kiểm tra công việc do các tác nhân khác tạo ra, cùng với các nhật ký và bằng chứng nhằm minh chứng cách quyết định được đưa ra.

Mô hình con người trong vòng lặp có khả năng sẽ vẫn quan trọng khi các tác nhân doanh nghiệp chuyển từ việc đề xuất hành động sang thực thi chúng.

Bảo Mật Trở Thành Một Phần Của Kiến Trúc Tác Nhân

Việc cho phép một hệ thống AI truy cập vào hợp đồng, mối quan hệ nhà cung cấp, thông tin giá cả, hoá đơn và các hệ thống ERP nội bộ cũng đặt ra một bộ yêu cầu doanh nghiệp khác.

Magentic cho biết mình đã đạt chứng nhận SOC 2 Type II và ISO 27001, tuân thủ Quy định Bảo Vệ Dữ Liệu Chung của Liên minh Châu Âu (GDPR), và phù hợp với Đạo luật AI của EU.

Nền tảng bao gồm các tương tác kiểm soát với hệ thống ghi chép và các điểm kiểm tra con người cho các hành động quan trọng. Magentic cũng cho biết dữ liệu khách hàng không được sử dụng để đào tạo các mô hình chung hoặc công khai.

Các biện pháp bảo vệ này trở nên quan trọng hơn khi các tác nhân có khả năng thực thi thay vì chỉ truy xuất hoặc tóm tắt thông tin.

Xây Dựng Một Lực Lượng Lao Động AI Cho Nền Kinh Tế Vật Lý

Magentic dự định sử dụng vòng Series A để mở rộng phạm vi các quy trình mua sắm và chuỗi cung ứng mà các tác nhân của mình có thể quản lý, đồng thời tiếp tục đầu tư vào nghiên cứu AI nền tảng.

Một thách thức kỹ thuật là ngữ cảnh.

Các vấn đề tối ưu hoá công nghiệp có thể liên quan đến hàng năm dữ liệu mua sắm, hàng ngàn hợp đồng nhà cung cấp, lịch sử giá cả, thông tin tồn kho, hoá đơn, tài liệu kỹ thuật và hồ sơ giao tiếp. Magentic cho biết đang phát triển các tác nhân có khả năng chẩn đoán vấn đề, lên kế hoạch giải pháp, thực hiện hành động và theo dõi các hành động đó qua hàng terabyte thông tin đa phương tiện.

“Việc đưa AI tiên tiến vào thế giới vật lý đòi hỏi phải vượt qua các hệ thống AI có cửa sổ ngữ cảnh hạn chế,” O’Donoghue nói. “Chúng tôi đang xây dựng AI có thể chẩn đoán vấn đề, lên kế hoạch sửa chữa, thực hiện hành động và theo dõi công việc qua hàng terabyte dữ liệu đa phương tiện cùng một lúc.”

Sự chuyển dịch rộng hơn là từ AI như một công cụ được sử dụng trong quy trình sang AI như một phần mềm có khả năng sở hữu ngày càng nhiều phần của quy trình đó.

Mua sắm là một trường hợp thử nghiệm thú vị vì kết quả của nó có thể đo lường được. Hệ thống hoặc là phát hiện giá sai, ngăn ngừa chi tiêu ngoài hợp đồng, xác định khoản hoàn trả bị bỏ lỡ, đối chiếu hoá đơn, hoặc không làm được điều nào trong số đó.

Đối với Magentic, vòng Series A trị giá 18 triệu đô la vì vậy không chỉ là mở rộng một sản phẩm AI doanh nghiệp khác. Công ty đang đặt cược rằng một số tác nhân AI có giá trị nhất cuối cùng sẽ hoạt động xa khỏi giao diện chatbot—trong các hệ thống mua sắm phức tạp quyết định cách nền kinh tế vật lý thực sự được xây dựng.