A Pedestal AI saiu do modo stealth na terça-feira com US$ 4,7 milhões em financiamento seed, apostando que agentes de IA desenvolvidos sob medida podem fazer as cadeias de entrega funcionarem com mais fluidez. A empresa afirma que já trabalha com empresas da Fortune 500 e com algumas das maiores transportadoras do mundo.

A rodada seed foi liderada pela Eclipse, com participação de RRE, Converge VC, Timescale Ventures e VitalStage. A Pedestal afirma que os recursos serão destinados à expansão de suas equipes de produto e engenharia, ao crescimento de sua área de marketing e ao apoio a implantações adicionais.

Como a Pedestal AI usa agentes nas operações de entrega?

Grande parte do trabalho da empresa consiste em eliminar atritos no processo de envio. Os agentes são a ferramenta, não o objetivo. Em um caso, a Pedestal reduziu em 20% as entregas malsucedidas para uma grande empresa de móveis. Para isso, implantou agentes para executar tarefas que deveriam ser feitas pelos motoristas.

O sistema liga para os clientes 30 minutos antes de uma entrega e coleta eventuais instruções especiais. Se a ligação não for completada, uma mensagem de texto é enviada por meio de um sistema separado. A implantação também reuniu dados sobre onde o processo falha, e esses dados podem ser usados para aprimorar ainda mais o sistema.

Aggarwal afirma que os dados são ao mesmo tempo a oportunidade e o obstáculo. "O desafio é que os dados são confusos e estão em constante mudança", disse ele ao TechCrunch. "Eles são dispersos porque ficam em tantos sistemas legados. É isso que torna tudo difícil."

A IA para cadeias de suprimentos tem atraído atenção crescente nos últimos meses, à medida que ex-integrantes de equipes de condução autônoma buscam lançar suas próprias empresas. A Atomic, fundada por uma equipe de ex-funcionários da Tesla, saiu do modo stealth em 2025 com foco na otimização de estoques. A Loop, criada por ex-alunos da Uber, tem como alvo a análise preditiva.

Por que as entregas são um bom campo para o aprendizado por reforço?

Aggarwal considera as entregas um campo especialmente adequado para o aprendizado por reforço, método de treinamento de sistemas de IA por meio de tentativas, feedback e ajustes. As entregas geram grandes volumes de trabalho e produzem resultados fáceis de medir. Isso facilita ajustar um sistema para aquilo que funciona e afastá-lo daquilo que não funciona.

O retorno também pode ser imediato. Como entregas melhores podem afetar rapidamente o resultado financeiro de um cliente, os clientes podem achar o custo mais fácil de justificar.

"Se você conseguir acertar", disse ele ao TechCrunch, "você pode causar um impacto realmente grande".

Dieser Artikel wurde mit Unterstützung von KI verfasst.
News Factory APP - agentische News für besseres SEO & AEO.