Η Pedestal AI άντλησε 4,7 εκατ. δολάρια για την εφοδιαστική αλυσίδα
Η Pedestal AI συγκέντρωσε 4,7 εκατ. δολάρια σε seed χρηματοδότηση και βγήκε από τη μυστικότητα, με στόχο να χρησιμοποιήσει agentic AI για να κάνει τις εφοδιαστικές αλυσίδες πιο γρήγορες και πιο αξιόπιστες, όπως αναφέρει το TechCrunch.
Ο γύρος χρηματοδότησης έγινε με επικεφαλής την Eclipse, με τη συμμετοχή των RRE, Converge VC, Timescale Ventures και VitalStage. Η εταιρεία αναφέρει ότι τα χρήματα θα χρησιμοποιηθούν για την επέκταση της ομάδας προϊόντος και μηχανικής, την ενίσχυση του τμήματος μάρκετινγκ και την υποστήριξη επιπλέον υλοποιήσεων.
Στην πράξη, μεγάλο μέρος της δουλειάς της Pedestal αφορά την απομάκρυνση των τριβών από τη διαδικασία αποστολών, με την agentic τεχνολογία να λειτουργεί ως εργαλείο για αυτόν τον σκοπό. Σε μία περίπτωση, η εταιρεία μείωσε τις χαμένες παραδόσεις κατά 20% για μια μεγάλη εταιρεία επίπλων, αναλαμβάνοντας με agents μέρος της δουλειάς που έπρεπε να κάνουν οι οδηγοί.
Το σύστημα που ανέπτυξε καλούσε τους πελάτες 30 λεπτά πριν από την παράδοση και συγκέντρωνε ειδικές οδηγίες. Αν η κλήση δεν πετύχαινε, έστελνε μήνυμα από ξεχωριστό σύστημα. Παράλληλα, η υλοποίηση συγκέντρωνε πολλά δεδομένα για τα σημεία τριβής στη διαδικασία, ώστε να μπορεί να βελτιστοποιηθεί ακόμη περισσότερο.
Ο διευθύνων σύμβουλος Ραζ Αγκάρβαλ λέει ότι τα σύγχρονα συστήματα τεχνητής νοημοσύνης είναι ιδιαίτερα χρήσιμα για την επεξεργασία αυτών των δεδομένων. «Η πρόκληση είναι ότι τα δεδομένα είναι ακατάστατα και αλλάζουν συνεχώς», είπε στο TechCrunch. «Είναι διάσπαρτα, επειδή βρίσκονται σε τόσα πολλά παλαιά συστήματα. Αυτό είναι που το κάνει δύσκολο».
Η τεχνητή νοημοσύνη για την εφοδιαστική αλυσίδα έχει εξελιχθεί σε ιδιαίτερα δημοφιλή τομέα τους τελευταίους μήνες, καθώς στελέχη από ομάδες αυτόνομης οδήγησης ιδρύουν τις δικές τους startups. Η Atomic, μια startup από πρώην στελέχη της Tesla, βγήκε από τη μυστικότητα το 2025 με έμφαση στον εξορθολογισμό των αποθεμάτων. Μια άλλη εταιρεία, η Loop, ιδρύθηκε από πρώην στελέχη της Uber και επικεντρώνεται στην προγνωστική ανάλυση.
Όπως το βλέπει ο Αγκάρβαλ, οι παραδόσεις είναι ιδιαίτερα κατάλληλες για την εκπαίδευση συστημάτων ενισχυτικής μάθησης. Λόγω των μεγάλων όγκων και των εύκολα μετρήσιμων αποτελεσμάτων, τα σύγχρονα συστήματα AI μπορούν να προσαρμόζονται πιο εύκολα σε ό,τι λειτουργεί και να απομακρύνονται από ό,τι δεν λειτουργεί.
Το πιο σημαντικό, σύμφωνα με τον ίδιο, είναι ότι πρόκειται για ένα πρόβλημα που μπορεί να έχει άμεσο αντίκτυπο στα οικονομικά αποτελέσματα του πελάτη, κάτι που κάνει πιο εύκολη την αιτιολόγηση του κόστους.
«Αν το κάνεις σωστά», είπε στο TechCrunch, «μπορείς να έχεις πραγματικά μεγάλο αντίκτυπο».
Πηγή: techcrunch.com.
Το κείμενο δημιουργήθηκε από GPT 5.0. Δείτε τα AI Editorial Guidelines.






