زنجیرههای تأمین و تحویل، رگ حیات کسبوکارهای امروزی هستند و یک استارتاپ تازه معتقد است عاملهای هوش مصنوعیِ ساختهشده برای همین کار میتوانند این زنجیرهها را بسیار روانتر به حرکت درآورند.
پدستال ایآی (Pedestal AI) روز سهشنبه از مرحله فعالیت مخفی بیرون آمد و اعلام کرد ۴.۷ میلیون دلار سرمایه اولیه جذب کرده است. هدف شرکت، استفاده از هوش مصنوعی عاملمحور (agentic AI) برای سریعتر و قابلاعتمادتر کردن زنجیره تأمین است؛ برنامهای که پیشاپیش این شرکت را با چند شرکت از فهرست فورچون ۵۰۰ و برخی از بزرگترین شرکتهای حملونقل جهان کنار هم نشانده است.
این دور سرمایهگذاری را صندوق اکلیپس (Eclipse) رهبری کرد و آرآرای (RRE)، کانورج ویسی (Converge VC)، تایماسکیل ونچرز (Timescale Ventures) و ویتالاستیج (VitalStage) هم در آن مشارکت داشتند. به گفته پدستال، این سرمایه صرف گسترش تیم محصول و مهندسی، رشد سازمان بازاریابی و پشتیبانی از استقرارهای بیشتر خواهد شد.
در عمل، بخش زیادی از کار پدستال از میان برداشتن اصطکاک در فرایند ارسال کالا است و فناوری عاملمحور ابزار رسیدن به این هدف است، نه هدف خودش. در یکی از پروژهها، شرکت با بهکارگیری عاملهایی که بخشی از کارهای رانندگان را بر عهده گرفتند، تحویلهای ناموفق یک شرکت بزرگ مبلمان را ۲۰ درصد کاهش داد. سیستم عاملی که ساخته بودند سی دقیقه پیش از تحویل به مشتری زنگ میزد و دستورهای خاص او را ثبت میکرد؛ اگر تماس برقرار نمیشد، یک سیستم جداگانه پیامک میفرستاد. در همین مسیر، استقرار سیستم حجم انبوهی داده درباره نقاط اصطکاک فرایند جمع کرد که میتوان از آن برای بهینهسازی بیشتر استفاده کرد.
راج آگاروال (Raj Aggarwal)، مدیرعامل شرکت، میگوید سیستمهای هوش مصنوعی امروز برای کار با همین داده بسیار مناسباند: «چالش این است که داده آشفته است و مدام تغییر میکند. داده پراکنده است، چون در سیستمهای قدیمی زیادی نشسته و همین کار را سخت میکند.»
هوش مصنوعی زنجیره تأمین در ماههای اخیر به حوزهای داغ تبدیل شده است؛ بهویژه چون نیروهای سابق تیمهای رانندگی خودران به راهاندازی استارتاپهای خود روی آوردهاند. استارتاپ زنجیره تأمین اتمیک (Atomic) که تیمی از نیروهای پیشین تسلا آن را راه انداختهاند، در ۲۰۲۵ از حالت مخفی بیرون آمد و بر سادهسازی مدیریت موجودی تمرکز کرد. شرکت دیگری به نام لوپ (Loop) هم توسط نیروهای سابق اوبر با تمرکز بر تحلیلهای پیشبینانه راهاندازی شده است.
آگاروال معتقد است تحویل کالا برای آموزش سیستمهای یادگیری تقویتی مناسبتر از بسیاری حوزههای دیگر است. چون حجم بالاست و نتیجه هر اقدام بهسادگی قابل اندازهگیری است، میتوان سیستمهای هوش مصنوعی را بهراحتی به سمت آنچه کار میکند و دور از آنچه کار نمیکند تنظیم کرد.
شاید مهمتر از همه این باشد که این مسئله از آن دست مسائلی است که میتواند فوراً روی سود و زیان مشتری اثر بگذارد و همین توجیه هزینه را ساده میکند. آگاروال به تککرانچ گفت: «اگر بتوانید درست انجامش دهید، میتوانید اثر واقعاً بزرگی بگذارید.»