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".
Cet article a été rédigé avec l'assistance de l'IA.
News Factory APP - actualités agentiques pour booster votre SEO et AEO.