Gli agenti AI sono destinati a diventare un commodity entro pochi mesi e, nella supply chain, il vantaggio competitivo durevole risiede nella base dati sottostante, secondo Valentina Jordan, amministratore delegato e cofondatrice di Nauta. In un'intervista con FreightWaves, Jordan ha spiegato perché l'AI per il commercio globale funziona solo quando il movimento di merci, dati e denaro è connesso, descrivendo la "operational brain" di Nauta, come apprende da ERP, TMS, WMS, email e fogli di calcolo, e perché i dati disordinati restano il principale ostacolo a rendimenti AI reali. La conversazione ha inoltre riguardato il round di finanziamento strategico di Nauta, la sua espansione globale e come l'AI possa aiutare gli operatori a ridurre stockout, detention e demurrage trasformando flussi di lavoro frammentati in azioni concrete.

Nauta, un sistema operativo AI-native per il commercio globale, ha chiuso un round di finanziamento strategico sostenuto da BMW i Ventures, Bosch Ventures, Hitachi Ventures e Yamaha Motor Ventures, ha annunciato Jordan. L'azienda sta impiegando il capitale per l'espansione globale; opera già in più di otto paesi con 8.000 fornitori e una copertura di 60 paesi tramite i suoi clienti.

Jordan è stata diretta sulla sua tesi competitiva in un mercato affollato dell'AI per la supply chain: gli agenti in sé non sono il differenziale. "Riteniamo che gli agenti verranno comoditizzati — non dico settimane, ma probabilmente mesi", ha dichiarato. "La vera sfida sono i dati sottostanti quegli agenti e, soprattutto nella supply chain e nel commercio globale, quei dati devono riguardare il contesto, la conoscenza e l'esperienza che gli operatori hanno costruito in decenni."

"Non partiamo dall'agente. Partiamo prima dai dati, prima dall'output, e poi arriva l'agente."

L'argomento riflette un cambiamento più ampio nel software aziendale: poiché i grandi modelli linguistici e i framework di agenti diventano ampiamente disponibili presso i principali fornitori di cloud e AI, la differenziazione è migrata dai modelli stessi ai dati proprietari, ai flussi di lavoro e al contesto di dominio. La supply chain si è rivelata un caso particolarmente difficile per questa tesi, perché la conoscenza operativa è spesso intrappolata in email, fogli di calcolo e nella testa di pianificatori esperti anziché in sistemi strutturati.

La piattaforma di Nauta — che Jordan definisce una "operational brain" — si collega ai sistemi ERP, TMS, WMS e OMS esistenti di un'azienda, oltre a fonti non strutturate come email, Microsoft Teams e fogli di calcolo, dove, secondo Jordan, gli operatori svolgono l'80-90% del loro lavoro. Il cervello acquisisce continuamente contratti, avvisi di arrivo, termini di pagamento e segnali esterni che vanno da eventi meteorologici a interruzioni portuali, costruendo un modello stratificato del funzionamento di ogni singola azienda. Jordan ha citato un recente terremoto in Colombia che ha colpito i porti locali come esempio dei segnali macro che il sistema monitora.

Sopra questa infrastruttura dati, Nauta schiera agenti specifici per attività. Un caso d'uso ad alto valore è il matching di fatture a tre e quattro vie per la riconciliazione della contabilità fornitori; Jordan ha affermato che il sistema identifica proattivamente tra 300.000 e 500.000 dollari di importi fatturati erroneamente per cliente. Altri casi d'uso attivi includono la costruzione di reclami per eccedenze, carenze e danni; l'audit del trasporto; e la gestione dell'inventario focalizzata sulla riduzione di stockout e eccesso di scorte per migliorare i cicli cash-to-cash. Si tratta di punti dolenti di lunga data nelle operazioni di trasporto, dove i processi di audit e reclami hanno storicamente dipenduto dalla riconciliazione manuale tra documenti di spedizione, fatture e ordini di acquisto.

La rosa di investitori — tutti grandi conglomerati industriali e automobilistici con una presenza globale — riflette ciò che Jordan descrive come un riconoscimento condiviso del fatto che i dati frammentati ostacolano l'adozione dell'AI su larga scala. I clienti spaziano dalla distribuzione alimentare e retail al manifatturiero e ai brand di consumo, tra cui New Balance, L'Oréal e Moët Chandon, e Jordan ha affermato che il problema dei dati è coerente in tutti questi settori.

"Ci sono più somiglianze tra un distributore alimentare e un'azienda di mobili o chimica che tra due distributori alimentari, perché ogni azienda opera in modo diverso", ha detto.

Jordan fa risalire la credibilità operativa di Nauta al suo cofondatore, Rafa, un immigrato spagnolo di terza generazione a Porto Rico la cui famiglia gestiva un'attività di distribuzione alimentare di 123 anni. Quell'esperienza diretta con i punti dolenti della logistica ha forgiato la convinzione dell'azienda che le sole piattaforme di visibilità non possano risolvere il problema dei dati sottostante. Jordan stessa proviene da un background tecnologico di 13 anni, con esperienze in Amazon e Rappi, un'azienda di consegne dell'ultimo miglio.

Ha presentato il round di finanziamento sia come una validazione della tesi data-first di Nauta sia come una piattaforma di lancio per la crescita internazionale, sostenendo che senza una base dati pulita e contestualizzata, le grandi imprese globali continueranno a faticare a estrarre valore misurabile dagli investimenti in AI. La rapidità con cui la comoditizzazione degli agenti si concretizzerà — e se le startup del livello dati potranno difendere la propria posizione mentre i fornitori ERP incumbenti sviluppano le proprie capacità AI — probabilmente definirà la prossima fase della competizione nell'AI per la supply chain.

Fonte: FreightWaves