Когда стандартные таблицы не справились с быстрой корректировкой планирования во время выпуска Model 3 компании Tesla в 2018 году, операционная команда автопроизводителя создала внутренний инструмент для симуляции сценариев и балансировки запасов. Сооснователи Майкл Росситер и Нил Суидан вышли из тени, чтобы коммерциализировать именно эту методологию через бостонский стартап в сфере цепочек поставок Atomic.
Теперь, как подтверждается в инвестиционной отчетности, компания привлекла раунд Серии А на сумму $12,5 млн под руководством Klass Capital и Madrona Venture Group, в результате чего общий объем привлеченных средств превысил $15 млн. Наряду с новым капиталом к Atomic присоединился давний директор по планированию Tesla Джефф Гудрич в качестве технического директора и третьего сооснователя.
Автономное исполнение в масштабе
Вместо того чтобы просто выводить пассивные панели мониторинга запасов, агентное ПО Atomic моделирует переменные цепочки поставок и напрямую выполняет закупки в корпоративных сетях. Ранние пользователи, такие как DoorDash и HelloFresh, уже внедрили эту технологию для автоматизации распределения запасов и сокращения пищевых отходов.
"Продукт эволюционировал от платформы оптимизации, которая дает рекомендации, до платформы, которая не только дает рекомендации, но и принимает решения, так что в этом смысле она полностью автономна, и поэтому DoorDash выполняет, я думаю, 90% своих закупок по сотням объектов".
Как пояснил Джон МакНейлл, член совета директоров Atomic и бывший президент Tesla, который инкубировал стартап в DVx Ventures, такой уровень автоматизированных закупок на сотнях предприятий DoorDash знаменует собой структурный сдвиг в сторону автономной работы. Согласно данным компании, ее годовой регулярный доход вырос в пять раз с начала года, поскольку корпоративные клиенты передают рутинную маршрутизацию запасов алгоритмам.
Наращивание скорости принятия решений
Как отмечает генеральный директор Майкл Росситер, управление цепочками поставок представляет собой практически бесконечное пространство поиска, где базовые условия постоянно меняются, что делает автономные алгоритмы единственным практическим инструментом для поиска жизнеспособных путей планирования. Директор по продукту Нил Суидан разработал базовые модели для извлечения неявных операционных правил непосредственно из рабочих процессов персонала, что позволяет системам полностью обходиться без ручного утверждения.
Передача критически важных корпоративных закупок автономным агентам свидетельствует о том, что руководители операционных отделов более чем готовы променять человеческий контроль на логику программного обеспечения — при условии, что алгоритм возьмет на себя вину, когда цепочки поставок неизбежно дадут трещину.