Agenci AI mają stać się skomodytyzowani w ciągu kilku miesięcy, a w łańcuchu dostaw trwała przewaga konkurencyjna tkwi w fundamentach danych, na których są oparte — uważa Valentina Jordan, CEO i współzałożycielka Nauty. W rozmowie z FreightWaves Jordan wyjaśniła, dlaczego AI dla handlu globalnego działa tylko wtedy, gdy przepływ towarów, danych i pieniędzy jest ze sobą połączony. Opisała „mózg operacyjny” Nauty, sposób, w jaki uczy się on z systemów ERP, TMS, WMS, poczty e-mail i arkuszy kalkulacyjnych, oraz powody, dla których chaotyczne dane pozostają największą barierą dla realnego zwrotu z inwestycji w AI. Rozmowa objęła także strategiczną rundę finansowania Nauty, jej globalną ekspansję oraz to, jak AI może pomóc operatorom ograniczyć braki w zapasach oraz opłaty za przestoje i demurrage, przekształcając rozdrobnione procesy w konkretne działania.

Nauta, natywnie oparty na AI system operacyjny dla handlu globalnego, zamknął strategiczną rundę finansowania z udziałem BMW i Ventures, Bosch Ventures, Hitachi Ventures i Yamaha Motor Ventures, ogłosiła Jordan. Firma kieruje pozyskany kapitał na globalną ekspansję; działa już w ponad ośmiu krajach, współpracując z 8 000 dostawców i docierając dzięki klientom do 60 państw.

Jordan nie miała wątpliwości co do swojej tezy konkurencyjnej na zatłoczonym rynku AI dla łańcucha dostaw: sami agenci nie są czynnikiem różnicującym. „Uważamy, że agenci ulegną komodytyzacji — nie powiem, że w ciągu tygodni, ale prawdopodobnie miesięcy” — powiedziała. „Prawdziwym wyzwaniem są dane, na których ci agenci się opierają, a zwłaszcza w łańcuchu dostaw i handlu globalnym te dane muszą odzwierciedlać kontekst, wiedzę i doświadczenie, które operatorzy budowali przez dziesięciolecia.”

„Nie zaczynamy od agenta. Zaczynamy od danych, od rezultatów, a dopiero potem przychodzi agent.”

Ten argument odzwierciedla szerszą zmianę w oprogramowaniu korporacyjnym: wraz z upowszechnieniem dużych modeli językowych i frameworków agentowych u głównych dostawców chmury i AI, przewaga konkurencyjna przeniosła się z samych modeli na własnościowe dane, procesy i kontekst domenowy. Łańcuch dostaw okazał się szczególnie trudnym przypadkiem dla tej tezy, ponieważ wiedza operacyjna często jest uwięziona w e-mailach, arkuszach kalkulacyjnych i w głowach doświadczonych planistów, a nie w uporządkowanych systemach.

Platforma Nauty — którą Jordan nazywa „mózgiem operacyjnym” — łączy się z istniejącymi w firmie systemami ERP, TMS, WMS i OMS, a także z nieustrukturyzowanymi źródłami, takimi jak e-mail, Microsoft Teams i arkusze kalkulacyjne, w których — według Jordan — operatorzy wykonują 80–90% swojej pracy. Mózg nieprzerwanie przetwarza umowy, zawiadomienia o przybyciu, warunki płatności oraz sygnały zewnętrzne, od zdarzeń pogodowych po zakłócenia w portach, budując warstwowy model funkcjonowania każdej firmy. Jordan przywołała niedawne trzęsienie ziemi w Kolumbii, które wpłynęło na lokalne porty, jako przykład monitorowanych przez system sygnałów makroekonomicznych.

Na tej infrastrukturze danych Nauta rozmieszcza wyspecjalizowanych agentów zadań. Jednym z najbardziej wartościowych zastosowań jest trzy- i czterostronne uzgadnianie faktur w rozrachunkach z dostawcami; Jordan powiedziała, że system aktywnie identyfikuje od 300 000 do 500 000 USD nieprawidłowo zafakturowanych kwot na klienta. Inne aktywne zastosowania obejmują tworzenie roszczeń za nadwyżki, braki i uszkodzenia, audyt frachtu oraz zarządzanie zapasami ukierunkowane na ograniczanie braków i nadmiernych zapasów w celu poprawy cykli cash-to-cash. Są to od dawna istniejące bolączki operacji frachtowych, w których procesy audytu i roszczeń historycznie opierały się na ręcznym uzgadnianiu dokumentów przewozowych, faktur i zamówień zakupu.

Skład inwestorów — to wszystkie duże konglomeraty przemysłowe i motoryzacyjne o globalnym zasięgu — odzwierciedla, jak określa to Jordan, wspólne przekonanie, że rozdrobnione dane blokują wdrażanie AI na dużą skalę. Klienci pochodzą z sektora dystrybucji żywności i handlu detalicznego, produkcji oraz marek konsumenckich, w tym New Balance, L'Oréal i Moët Chandon, a zdaniem Jordan problem danych jest wspólny dla wszystkich tych branż.

„Więcej podobieństw jest między dystrybutorem żywności a firmą meblarską czy chemiczną niż między dwoma dystrybutorami żywności, ponieważ każda firma działa inaczej” — powiedziała.

Jordan wywodzi operacyjną wiarygodność Nauty od współzałożyciela Rafa, imigranta hiszpańskiego trzeciego pokolenia na Portoryko, którego rodzina prowadziła 123-letni biznes dystrybucji żywności. To bezpośrednie doświadczenie bolączek logistycznych ukształtowało przekonanie firmy, że same platformy widoczności nie rozwiążą podstawowego problemu danych. Sama Jordan pochodzi ze środowiska technologicznego z 13-letnim doświadczeniem, w tym z epizodami w Amazon i Rappi, firmie dostaw ostatniej mili.

Ujęła rundę finansowania zarówno jako potwierdzenie tezy Nauty o pierwszeństwie danych, jak i trampolinę do międzynarodowego wzrostu, argumentując, że bez czystego, skontekstualizowanego fundamentu danych duże globalne przedsiębiorstwa będą nadal z trudem wyciągać mierzalną wartość z inwestycji w AI. Tempo, w jakim komodytyzacja agentów rzeczywiście się dokona — oraz to, czy startupy bazujące na warstwie danych obronią swoją pozycję, gdy dotychczasowi dostawcy ERP będą budować własne możliwości AI — prawdopodobnie ukształtuje kolejny etap konkurencji w AI dla łańcucha dostaw.

Źródło: FreightWaves