La startup Loop con sede a San Francisco ha annunciato un round di finanziamento di serie C da 95 milioni di dollari, segnando una pietra miliare significativa nella corsa per modernizzare la logistica globale. Guidato da Valor Equity Partners e dal Valor Atreides AI Fund, il round prevede la partecipazione di pesi massimi come 8VC, Founders Fund, Index Ventures e J.P. Morgan’s Growth Equity Partners.
L’iniezione di capitale arriva in un momento critico per il commercio globale. Mentre la volatilità geopolitica e i cambiamenti economici continuano a sconvolgere la logistica tradizionale, le aziende si rivolgono sempre più all’intelligenza artificiale per andare oltre la semplice automazione verso una vera intelligenza operativa.
Dai “Controlli” alla “Longevità”: The Loop Vision
La maggior parte dei software per la supply chain funge da strumento diagnostico: indica all’azienda cosa è andato storto dopo che una spedizione è stata ritardata o si è verificato un aumento dei costi. Loop mira a spostarsi molto più in alto nella catena del valore.
Il cofondatore e CTO Shaosu Liu paragona lo stato attuale del settore a un controllo medico di base: sapere che è necessario camminare di più è utile, ma non risolve i problemi di salute di fondo. L’obiettivo di Loop è quello di agire come “fornitore di assistenza sanitaria” per le catene di approvvigionamento, offrendo intuizioni predittive e prescrittive che prevengono i problemi prima che si verifichino.
Per raggiungere questo obiettivo, Loop affronta uno dei grattacapi più persistenti del settore: i dati non strutturati. Gran parte delle informazioni logistiche mondiali sono intrappolate in formati “disordinati” come PDF non ricercabili, note scritte a mano e messaggi digitali frammentati. Loop utilizza un sistema di intelligenza artificiale specializzato, combinando modelli interni con intelligenza artificiale di frontiera, per strutturare questi dati, consentendo alle aziende di:
– Identificare le perdite nascoste in termini di tempo e capitale.
– Mitigare i rischi di una fornitura eccessiva o insufficiente di prodotti.
– Automatizzare flussi di lavoro complessi che in precedenza richiedevano l’inserimento manuale.
Una corsa in crescita per l’intelligence logistica
Loop non è il solo in questa ricerca, ma il suo approccio lo distingue dagli altri in un campo affollato. Mentre startup come Deliverr si concentrano sull’automazione delle merci e Amari AI si concentra sull’intermediazione doganale, e giganti affermati come Uber Freight e Flexport spingono le proprie integrazioni IA, Loop si sta posizionando come lo “strato di intelligenza” dell’intero ecosistema.
Integrandosi direttamente con il software Enterprise Resource Planning (ERP) e i sistemi di gestione dei trasporti (TMS), Loop sta raccogliendo una visione olistica della catena di fornitura, dai fornitori e magazzini fino alla fase di consegna finale.
“Attraverso i sistemi di intelligenza artificiale che hanno creato, stanno prendendo dati che prima erano frammentati e inaccessibili e li stanno trasformando in intelligenza che migliora costi, processi e capitale circolante”, ha affermato Antonio Gracias, CEO di Valor.
La velocità dell’evoluzione dell’IA
Il rapido progresso della tecnologia AI ha cambiato radicalmente la sequenza temporale di aziende come Loop. Il CEO Matt McKinney ha osservato che quando l’azienda è stata fondata, si aspettavano che il necessario “punto di svolta” tecnologico arrivasse intorno al 2030. Invece, quel momento è arrivato molto prima.
Invece di considerare questa rapida accelerazione come una minaccia, Loop sta utilizzando i suoi nuovi finanziamenti per:
1. Reclutare in modo aggressivo talenti ingegneristici, che rimane uno dei settori più competitivi nel settore tecnologico.
2. Approfondire le capacità dei prodotti, passando da semplici misure di riduzione dei costi alla costruzione della resilienza della catena di fornitura a lungo termine.
Conclusione
Trasformando dati frammentati e non strutturati in intelligenza utilizzabile, Loop sta tentando di costruire un “fossato” di competenze specializzate che i modelli generali di intelligenza artificiale non possono replicare facilmente. In caso di successo, l’azienda passerà dalla semplice riparazione delle catene di approvvigionamento interrotte alla loro gestione attiva in tempo reale.
