Kako Didero mijenja nabavku: 30 miliona dolara za agentički AI koji integriše ERP i ubrzava lance snabdijevanja

Ključne stavke:

• Didero je prikupio 30 miliona dolara u ranoj Series A rundi da ubrza razvoj proizvoda i komercijalnu ekspanziju svoje platforme agentičkog AI koji automatizuje operativne zadatke u nabavci i lancima snabdijevanja.
• Platforma se povezuje sa postojećim ERP i softverom za lanac snabdijevanja kroz sigurne API integracije, koristi ingestiju strukturiranih i nestrukturiranih podataka i izvršava poslovnu logiku kako bi automatizovala komunikaciju s dobavljačima, praćenje narudžbi i upravljanje izuzecima.

Uvod:

Nabavni timovi danas upravljaju mrežama dobavljača koje su istovremeno globalne i fragmentirane, suočeni s pritiskom da isporuče tačne narudžbe, smanje zastoje i minimiziraju troškove. Uprkos tome, mnogo kompanija i dalje se oslanja na e‑mailove, proračunske tablice i nepovezane enterprise sisteme kako bi koordinisali komunikaciju s dobavljačima i pratili tokove narudžbi. Ta razlika između složenosti zahtjeva i alata koji su dostupni otvara prostor za rješenja koja djeluju direktno unutar operativnog sloja. Didero, startap osnovan 2023. godine, pozicionira se upravo u toj zoni — primjenom agentičkog AI koji djeluje unutar postojećih sistema i preuzima repetitivne operacije nabavke. Sa novom investicijom od 30 miliona dolara vođenom od strane Chemistry VC i Headline Management Company, i uz sudjelovanje Microsoftovog fonda M12 Ventures, Didero ima zadatak da pretvori tu viziju u široko prihvaćen proizvod i infrastrukturni sloj za kompanije koje upravljaju kompleksnim mrežama dobavljača.

Šta znači "agentički AI" u nabavci?

Izraz "agentički AI" odnosi se na softverske agente koji ne samo da analiziraju podatke, već i preuzimaju odluke i izvršavaju zadatke unutar poslovnih procesa. U kontekstu nabavke, to znači da agenti mogu autonomno pročitati dolazne račune, poruke dobavljača, potvrde narudžbi, kao i interne dokumente, i potom poduzeti akcije — ažurirati zapise, poslati upite, pokrenuti eskalacije ili zabilježiti izvršene korake u ERP sistemu. Za razliku od jednostavnih automatiziranih skripti ili tradicionalnog Robotic Process Automation (RPA) koji slijedi strogo definisane i statične tokove, agentički AI koristi kombinaciju pravila i naučenih modela kako bi se prilagodio različitim varijacijama u podacima i kontekstu. Time agenti služe kao produžetak ljudskih operatera, preuzimajući rutinske zadatke i oslobađajući ljude za strateške odluke koje zahtijevaju ljudsko rasuđivanje i pregovaračku fleksibilnost.

Tehnička arhitektura i načini integracije

Didero je dizajnirao svoju platformu da funkcioniše "na vrhu" postojećih sistema umjesto da ih zamjenjuje. Ključna komponenta arhitekture su sigurne API integracije s ERP platformama i drugim softverom koji upravlja lancem snabdijevanja. Kroz te konektore, agenti pristupaju strukturiranim podacima poput polja u narudžbenicama i računima, ali i nestrukturiranim izvorima kao što su e‑mail prepiske i poruke dobavljača. Nakon ingestije podataka, sistem primjenjuje unaprijed definisanu poslovnu logiku — pravila koja odražavaju politike kupovine, uvjete isporuke i interne protokole — te izvršava radnje koje su u skladu s tim pravilima. Sve izmjene i poruke ostaju sinkronizirane sa izvorima podataka, tako da evidencije u ERP sistemu odražavaju stvarno stanje poslova i komunikacije.

U praksi to podrazumijeva nekoliko tehničkih dijelova: ekstrakciju podataka koja koristi tehnike za parsiranje i razumijevanje teksta, orkestraciju radnji koja upravlja redoslijedom i uslovima izvršenja, te mehanizme za nadzor i audit koji loguju svaki korak. Sigurnost i kontrola pristupa su integralni, jer agenti često trebaju pravo čitanja i pisanja u ključnim poslovnim sistemima. U tom pogledu, implementacija mora balansirati autonomiju agenata s kontrolama koje sprečavaju neželjene izmjene i očuvavaju usklađenost s internim i regulatornim pravilima.

Funkcionalnosti koje rješavaju svakodnevne operativne bolne tačke

Platforma je osmišljena za rješavanje opipljivih, operativnih problema. Umjesto da samo pruža analitiku i izvještaje, Didero fokus stavlja na automatizaciju konkretnih radnji: obrađivanje potvrda narudžbi, praćenje statusa isporuka, iniciranje komunikacije s dobavljačima kada dođe do anomalija, i upravljanje izuzecima koji zahtijevaju intervenciju. To znači da kada dođe do kašnjenja isporuke ili neslaganja između narudžbe i fakture, agent može identificirati razliku, poslati strukturisani upit dobavljaču, zabilježiti odgovor i, prema unaprijed definisanoj logici, eskalirati problem relevantnim ljudima.

Takav pristup smanjuje volumen ručnog rada koji često obuhvata ponovne provjere e‑mailova, ručno ažuriranje tablica i stalno provjeravanje statusa po nekoliko sistema. Umjesto toga, sistem preuzima "mehanički" dio procesa: slanje follow‑up poruka, evidentiranje potvrda i sinhronizacija sa ERP‑om, dok ljudi dobijaju sažetak situacija kojima treba strateška odluka, primjerice pregovaranje o novim rokovima ili ocjena rizika kod određenog dobavljača.

Primjena u praksi: gdje agenti donose najveću vrijednost

Pristup je naročito primjenjiv u industrijama koje rukuju velikim volumenom narudžbi i kompleksnim mrežama dobavljača, kao što su proizvodnja i distribucija. Proizvođač koji upravlja stotinama dobavljača i hiljadama narudžbi mjesečno suočava se s izazovom da održava ažurnost podataka i minimizira prekide u proizvodnji. Agent koji automatski prati stanje narudžbe, provjerava potvrde, inicira komunikaciju za nedostajuće komponente i zabilježi sve interakcije u centralnom sistemu direktno utiče na smanjenje vremena reakcije i povećava transparentnost.

Distribucijski operateri profitiraju na sličan način: automatizovana komunikacija s dobavljačima može ubrzati potvrde, smanjiti broj pogrešaka u isporukama i omogućiti pravovremene korektivne mjere. U scenarijima hitnog restrukturiranja lanca snabdijevanja, agenti mogu brzo prikupiti i konsolidirati informacije iz različitih izvora, omogućavajući donošenje odluka sa boljim kontekstom.

Finansiranje i investitori: šta znači runda od 30 miliona dolara

Rana Series A runda od 30 miliona dolara, koju su predvodili Chemistry VC i Headline Management Company uz učešće M12 Ventures, predstavlja značajan znak povjerenja investitora u poslovni model i izvedbu proizvoda. Taj kapital omogućava ubrzanje razvoja funkcionalnosti, povećanje prodajnih i marketinških napora, te širenje timova za korisničku podršku i implementaciju. Prethodno je kompanija prikupila 7 miliona dolara u seed rundi u junu 2024. godine, podržanoj od strane investitora poput First Round Capital, Construct Capital, AI Grant, Box Group, Conviction Capital i Company Ventures. Ukupno prikupljenih sredstava prema podacima iz Tracxn‑a iznosi oko 37 miliona dolara.

S investicijom ovog dometa, Didero dobija finansijsku mogućnost da proširi izlazak na tržište, razvije dodatne integracije s ključnim ERP platformama i unaprijedi sposobnosti svojih agenata. Za investitore, logika je jasna: kompanije koje uspiju uhvatiti operativni sloj nabavke i ponuditi pouzdan, siguran način za automatizaciju svakodnevnih zadataka mogu postati osnovna infrastruktura za upravljanje lancima snabdijevanja.

Zašto investitori vjeruju u ovaj model

Investitori poput Kristine Shen iz Chemistry VC ističu promjenu koju agentički AI može donijeti u načinu rada timova za lanac snabdijevanja. Umjesto nagomilavanja alata i siloizacije podataka, integrisani agenti koji rade direktno u poslovnom toku omogućavaju bržu reakciju, veću vidljivost i veću operativnu agilnost. Takva infrastruktura omogućava kompanijama da ubrzaju poslovne cikluse, bolje upravljaju rizicima i smanje troškove koji nastaju zbog ručnih procesa. Porast interesa za rješenja koja povezuju analitiku s automatskim izvršenjem koraka odražava se i u tome da fondovi s velikim iskustvom u tehnološkim investicijama, uključujući venture jedinice velikih korporacija, podržavaju ovakve startape.

Utjecaj na organizacije i uloge u nabavci

Implementacija agentičkog AI preusmjerava fokus timova nabavke. Umjesto da provode sate na ručnim zadacima koji uključuju potvrdne poruke, provjere i ažuriranja, stručnjaci se mogu fokusirati na strategiju, optimizaciju troškova, upravljanje rizikom i razvoj odnosa s ključnim dobavljačima. To mijenja profil kompetencija unutar timova: potrebno je manje repetitivnog rada, ali raste potreba za ljudima koji razumiju poslovne politike, pregovaračke strategije i analitičku interpretaciju izvještaja koje agenti generišu.

Istovremeno, kompanije moraju uvesti nove uloge i procese za nadzor rada agenata. Neophodne su prakse verifikacije i kontinuiranog praćenja performansi AI sistema kako bi se osiguralo da automatizacija ne uvodi greške ni rizike. Jasne audit trail evidencije i mehanizmi revizije postaju ključni elementi upravljanja.

Sigurnost, usklađenost i upravljanje podacima

Kad softverski agenti djeluju unutar ERP i drugih kritičnih sistema, sigurnost podataka i kontrola pristupa postaju prioritet. Konfiguracija integracija zahtijeva detaljno upravljanje privilegijama: koji agenti mogu čitati, ažurirati ili kreirati zapise; koji koraci zahtijevaju ljudsku potvrdu; i kako se bilježi svaka promjena. Pored toga, organizacije koje posluju u regijama s regulativama o zaštiti podataka, poput GDPR‑a u Evropi, trebaju osigurati da se transferi i obrada podataka obavljaju u skladu sa zahtjevima za privatnost i sigurnost.

Auditorski zahtjevi u lancima snabdijevanja često impliciraju potrebu za potpunim tragom odluka i akcija. Dideroova platforma, prema opisu, održava zapisnike svih radnji agenata — od poruka poslanih dobavljačima do promjena u ERP zapisu. Takvi zapisi olakšavaju revizije, pomažu pri rješavanju sporova i podržavaju ispunjavanje internih kontrola.

Tehnička i organizaciona ograničenja

Iako agentički AI obećava smanjenje ručnog rada, postoji niz ograničenja koja kompanije moraju uzeti u obzir. Prvo, kvaliteta podataka u ERP‑u i komunikacijskim kanalima direktno utiče na sposobnost agenata da pravilno interpretiraju i djeluju. Neuredne, nepotpune ili nekonzistentne informacije mogu proizvesti pogrešne akcije, što zahtijeva dodatne kontrole i validacijske mehanizme.

Drugo, naslijeđeni sistemi bez modernih API‑ja ili sa zatvorenim arhitekturama predstavljaju tehničku prepreku za integraciju. U tim slučajevima potrebne su dodatne faze integracije ili posrednički slojevi koji mogu povećati troškove i trajanje implementacije. Treće, povjerenje u autonomne agente nije trivijalno: organizacije često žele zadržati ljudsku kontrolu nad kritičnim transakcijama dok ne steknu dovoljno iskustva i dok agenti ne pokažu pouzdanost u raznim scenarijima.

Na kraju, promjene u radnim tokovima zahtijevaju upravljanje promjenama i obuku zaposlenih. Automatisacija može izazvati otpor ako nije jasno komunicirana vrijednost i ako zaposlenici ne razumiju kako promjene poboljšavaju njihove svakodnevne zadatke.

Konkurencija i položaj na tržištu

Tržište rješenja za automatizaciju poslovnih procesa i upravljanje lancem snabdijevanja je već zrelo i uključuje širok spektar ponuđača — od velikih ERP dobavljača koji šire svoje funkcionalnosti, preko RPA rješenja koja automatizuju repetitivne zadatke, do startapa koji ciljaju uske poslovne slučajeve. Didero se razlikuje time što primjenjuje agentički AI izravno u operativnom sloju i kombinuje sposobnosti razumijevanja nestrukturiranih podataka s izvođenjem radnji koje se sinkronizuju s glavnim izvorima podataka.

Za krajnje korisnike, ključna odluka pri izboru rješenja obično se svodi na pitanja interoperabilnosti, sposobnosti automatizacije end‑to‑end procesa i sposobnosti sistema da pruži sigurnosne kontrole i audit trail. Ponuđači koji mogu dokazati brzu integraciju, pouzdanost u produkcijskim uslovima i jasnu ROI pri primjeni na visokovolumenske operacije imaju konkurentsku prednost.

Praktični koraci za kompanije koje razmišljaju o implementaciji

Organizacije koje razmatraju uvođenje agentičkih rješenja trebaju pristupiti procesu planski. Prvo, identifikacija najviše opterećenih operativnih tačaka — gdje volumeni i ponavljanje zadataka troše najviše resursa — pomaže odrediti gdje agenti mogu donijeti neposrednu vrijednost. Drugo, provjera kompatibilnosti sa postojećim ERP‑om i analiziranje dostupnih integracija ubrzava tehničke procese. Treće, kreiranje jasnih poslovnih pravila i scenarija za automatizaciju osigurava da agenti djeluju unutar očekivanih okvira, uz mogućnost eskalacije za nepredviđene slučajeve.

Ključno je uspostaviti i metrike uspjeha: vrijeme potrebno za rješavanje izuzetaka, smanjenje broja ručnih intervencija, brzina odgovora dobavljača i ukupni troškovi obrade narudžbi. Praćenjem tih metrika prije i nakon implementacije uprava može kvantificirati ostvarene benefite.

Ekonomski utjecaj i poslovna vrijednost

Automatizacija operativnih zadataka u nabavci direktno se prevodi u uštede vremena i novca. Manje ručnog rada znači smanjenje operativnih troškova i manju sklonost ljudskim greškama koje mogu prouzrokovati zastoje ili dodatne troškove. Bolja vidljivost i brže rješavanje problema omogućavaju optimizaciju zaliha i smanjenje zastoja u proizvodnim linijama. Za menadžment, to podiže sposobnost predviđanja i reagovanja u dinamičnom okruženju globalne trgovine.

Investicija od 30 miliona dolara omogućava Dideru da ubrza razvoj funkcionalnosti koje povećavaju ovu poslovnu vrijednost: širenje palete integracija, unapređenje modela za razumijevanje dokumenata, te skalabilnost platforme kako bi rukovala većim volumenima podataka.

Etička razmatranja i upravljanje promjenama

Kada se inteligentni agenti uvode u kritične poslovne funkcije, etička pitanja postaju dio svakodnevnog upravljanja. Organizacije moraju biti transparentne u vezi sa automatizacijom procesa prema zaposlenicima i dobavljačima. Potrebne su politike koje određuju kada i kako agenti donose odluke, te mehanizmi za ispravljanje grešaka ako automatizacija dovede do neželjenih ishoda. Uključivanje dionika iz različitih funkcija — nabavke, IT‑a, pravne službe i upravljanja rizikom — od početka implementacije smanjuje rizik od kulturnih i operativnih sudara.

Perspektive za budućnost: agenti kao osnovna infrastruktura

Ako trend integracije agentičkog AI u operativni sloj nastavi, takvi agenti bi mogli evoluirati u osnovnu infrastrukturu onda kada kompanije zahtijevaju tempo i obim koji tradicionalni alati ne mogu podržati. U takvom scenariju, standardizirane integracije i otvoreni protokoli mogli bi olakšati interoperabilnost između različitih platformi, dok agentički sloj radi kao koordinirajući entitet za izvršenje operacija. To otvara prostor za razvoj tržišta dodatnih servisa — nadzornih alata, sigurnosnih rješenja, sertifikacija performansi agenata i konzultantskih usluga za upravljanje promjenom.

Mogući rizici i šta ih može ublažiti

Rizici uključuju pogrešnu interpretaciju podataka, neadekvatne kontrole pristupa, i probleme usklađenosti s regulativama. Da bi se ti rizici ublažili, bitno je jasno definisati granice autonomije agenata, ugraditi mehanizme za ljudsku verifikaciju tamo gdje je to potrebno, i osigurati detaljne zapise svih akcija. Kontinuirano testiranje u različitim poslovnim scenarijima i iterativno poboljšavanje modela smanjuju šanse za neočekivane posljedice.

Zaključna zapažanja o smjeru razvoja industrije

Pojava startapa kao što je Didero pokazuje da postoji snažna potražnja za rješenjima koja idu izvan analitike i donošenja preporuka — prema automatizaciji stvarnih operacija unutar postojećih poslovnih procesa. Investicije koje je Didero privukao odražavaju očekivanje da kompanije koje ishode kao pouzdani izvođači u ovom segmentu mogu postati ključni infrastrukturni partneri za velike organizacije. Prihvaćanje takvih rješenja će zavisiti od sposobnosti tih platformi da ponude brzu integraciju, visoku sigurnost, jasne audit trail‑ove i opipljivu poslovnu vrijednost.

Česta pitanja:

Pitanje: Šta tačno Didero radi u oblasti nabavke i lanca snabdijevanja? Odgovor: Didero razvija platformu agentičkog AI koja se povezuje sa postojećim ERP i drugim sistemima kroz sigurne integracije, unosi i tumači strukturirane i nestrukturirane podatke iz narudžbi, faktura i komunikacija s dobavljačima, te na osnovu definisanih poslovnih pravila autonomno izvršava operativne zadatke kao što su slanje upita, ažuriranje zapisa i upravljanje izuzecima.

Pitanje: Koje su tehničke pretpostavke za povezivanje Didero platforme sa postojećim ERP sistemima? Odgovor: Potrebni su API konektori ili drugi sigurni integracijski mehanizmi koji omogućavaju čitanje i pisanje podataka u ERP, kao i pristup komunikacijskim kanalima poput e‑maila. Važna je i kvalitetna konfiguracija privilegija, mehanizmi za enkripciju i audit‑loge kako bi se osigurala sigurnost i usklađenost.

Pitanje: Kako agenti razlikuju obične poruke od onih koje zahtijevaju akciju? Odgovor: Agenti koriste kombinaciju pravila poslovne logike i modela za obradu prirodnog jezika koji im pomažu u razlikovanju sadržaja. Pravila određuju pragove i uvjete za akciju, dok modeli interpretiraju kontekst i namjeru u nestrukturiranim porukama; u nejasnim slučajevima sistem može automatski eskalirati za ljudsku provjeru.

Pitanje: Koja su glavna ograničenja implementacije ovakvih rješenja? Odgovor: Glavna ograničenja su kvaliteta i konzistentnost podataka, tehnička kompatibilnost naslijeđenih sistema bez API‑ja, potreba za jasnim poslovnim pravilima te upravljanje promjenom i povjerenjem među zaposlenicima koji koriste automatizirane agente.

Pitanje: Kako Didero puni sigurnosne i regulatorne zahtjeve? Odgovor: Platforma implementira sigurnosne mjere kroz kontrolu pristupa, enkripciju podataka, audit trailove i konfigurabilne politike za ljudsku verifikaciju. Kompanije koje posluju pod specifičnim regulatornim okvirima moraju dodatno osigurati da konfiguracije i protokoli ispunjavaju lokalne zahtjeve za privatnost i zaštitu podataka.

Pitanje: Koje su tipične poslovne koristi od uvođenja agentičkog AI u nabavku? Odgovor: Koristi uključuju smanjenje vremena provedenog na repetitivnim zadacima, manji broj ručnih grešaka, brže rješavanje izuzetaka, bolju vidljivost u lancu snabdijevanja i mogućnost da timovi za nabavku usmjere više resursa na strateške aktivnosti poput pregovaranja i upravljanja rizikom.

Pitanje: Koliko brzo se može očekivati povrat investicije (ROI) nakon implementacije? Odgovor: Vrijeme povrata ulaganja zavisi od obima operacija, stepena automatizacije i početnog nivoa operativne efikasnosti. U scenarijima s visokim volumenom ponavljajućih zadataka i velikim brojem dobavljača, poboljšanja u produktivnosti i smanjenje grešaka mogu donijeti mjerljive uštede u relativno kratkom roku, ali tačan period varira ovisno o konkretnim uslovima.

Pitanje: Da li agentički AI znači otpuštanja zaposlenika u nabavci? Odgovor: Automatizacija mijenja prirodu rada, smanjujući potrebu za ručnim, repetitivnim zadacima, ali istovremeno otvara prostor za više strateških i analitičkih uloga. Pravilno upravljanje promjenama i reskilling zaposlenika omogućava prelazak na zadatke veće vrijednosti umjesto masovnog reduciranja radne snage.

Pitanje: Kako kompanije trebaju započeti s pilotom ili implementacijom? Odgovor: Početi s mapiranjem najupečatljivijih operativnih procesa koji troše najviše resursa, procijeniti kompatibilnost s ERP‑om i dostupnim podacima, definisati jasna poslovna pravila za automatizaciju i uspostaviti metrike uspjeha koje će pratiti učinak prije i nakon implementacije.

Pitanje: Ko su ključni investitori koji stoje iza Didera i šta to znači za kompaniju? Odgovor: Series A runda od 30 miliona dolara predvodili su Chemistry VC i Headline Management Company, uz sudjelovanje M12 Ventures (Microsoftov venture fond). Prethodna seed runda podržana je od strane investitora kao što su First Round Capital, Construct Capital, AI Grant, Box Group, Conviction Capital i Company Ventures. Podrška ovakvih investitora ukazuje na povjerenje u tržišni potencijal i sposobnost tima da skalira proizvod.

Pitanje: Kako agentički AI može evoluirati u narednih nekoliko godina? Odgovor: Očekuje se da će agenti postati sve sposobniji u razumijevanju kompleksnog poslovnog konteksta i da će se integracije s ključnim sistemima standardizovati. Vremenom, agenti bi mogli postati centralni koordinatori za operativne tokove u lancima snabdijevanja, podržani dodatnim servisima za sigurnost, nadzor i sertifikaciju performansi.

Pitanje: Koji su prvi pokazatelji da implementacija agentičkog AI daje rezultate? Odgovor: Rani pokazatelji uključuju smanjenje vremena reakcije na upite dobavljača, pad broja ručnih intervencija, ubrzano rješavanje izuzetaka i vidljivo smanjenje broja grešaka u zapisima narudžbi i faktura. Poboljšanja u zadovoljstvu tima i brže donošenje strateških odluka također su indikatori uspješne primjene.