Loop Payments，Pendanaan sebesar 95 juta dolar AS……Menggunakan teknologi AI canggih untuk menyelesaikan kesalahan tagihan rantai pasokan

Perusahaan teknologi pembayaran rantai pasokan Loop Payments berhasil mendapatkan investasi Seri C sebesar 95 juta dolar AS (sekitar 14,0486 triliun won Korea). Dana pasar mengalir ke perusahaan ini, yang diartikan sebagai keyakinan terhadap teknologi mereka yang memanfaatkan AI untuk menganalisis tagihan pengangkutan dan dokumen pengiriman yang kompleks guna menangkap kesalahan biaya.

Investasi putaran ini dipimpin oleh Baller Equity Partners dan dana AI Baller Aitrades, termasuk investor institusional seperti mitra ekuitas pertumbuhan JPMorgan Chase. Loop Payments berencana menggunakan dana tersebut untuk memperluas fungsi otomatisasi rantai pasokan dan mempercepat perekrutan tenaga kerja.

Model AI untuk mengurangi kesalahan dokumen rantai pasokan

Masalah yang ingin diselesaikan oleh Loop Payments relatif jelas. Saat perusahaan memesan barang dari pemasok atau memesan ruang pengangkutan kontainer, sering terjadi banyak kesalahan dalam tagihan dan dokumen pengiriman. Jika kesalahan ini tidak diperbaiki tepat waktu, biaya logistik akan meningkat secara tidak perlu dan proses penyelesaian akan memakan waktu lebih lama.

Untuk mengurangi fenomena ketidakefisienan ini, perusahaan mengembangkan sekumpulan model AI bernama “DUX”. Sistem ini dirancang tidak hanya untuk membaca teks biasa, tetapi juga untuk memahami informasi struktur dokumen seperti posisi bidang format dan cap. Ini adalah pendekatan yang melampaui pengenalan karakter sederhana, berfokus pada pemahaman konteks dokumen rantai pasokan yang sebenarnya.

Setelah memindai tagihan dan dokumen, AI akan mengatur informasi ke dalam format standar, menghubungkan titik data yang saling terkait untuk menemukan tanda-tanda abnormal, kemudian agen AI akan memeriksa apakah ada ketidaksesuaian biaya. Loop Payments menjelaskan bahwa menggunakan platform mereka, audit biaya pengiriman yang biasanya memakan waktu berminggu-minggu dapat diselesaikan dalam 2 jam.

Dari analisis dokumen hingga pelacakan dan otomatisasi pembayaran

Objek analisis tidak terbatas pada tagihan saja. Sistem juga dapat memahami “Bill of Lading” yang mengonfirmasi bahwa kapal telah memuat barang, serta tabel tarif yang berisi berbagai dasar perhitungan biaya pengangkutan. Di lapangan rantai pasokan, dokumen-dokumen ini tersebar dalam berbagai format, dan pekerjaan verifikasi sering dianggap sebagai hambatan utama.

Loop Payments memanfaatkan data analisis dokumen ini untuk menyediakan fungsi pelacakan posisi barang. Tim rantai pasokan dapat mengidentifikasi secara dini potensi hambatan yang dapat menyebabkan keterlambatan pengiriman. Perusahaan menyatakan bahwa data yang diperoleh dari platform ini juga dapat membantu perusahaan klien bernegosiasi dengan mitra pengangkutan untuk mendapatkan syarat biaya pengangkutan yang lebih menguntungkan.

Otomatisasi pembayaran juga merupakan salah satu fungsi inti. Perusahaan global sering menggunakan puluhan perusahaan pengangkutan sekaligus, dan mata uang pembayaran pun berbeda-beda. Loop Payments menjelaskan bahwa mereka dapat mengotomatisasi sebagian besar proses penyelesaian tagihan ini, serta mendukung diskon pengangkutan dengan syarat pembayaran di muka.

Perluasan penggunaan AI sebagai alat pengurangan biaya operasional perusahaan

CEO Baller, Antonio Grazias, menilai: “Loop Payments mengubah data yang sebelumnya terfragmentasi dan sulit diakses menjadi ‘cerdas’, berkontribusi pada peningkatan biaya, proses, dan modal operasional.”

Pendanaan ini menunjukkan bahwa AI dengan cepat berkembang dari sekadar pengenalan dokumen menjadi alat nyata untuk menurunkan biaya operasional perusahaan. Terutama di bidang seperti rantai pasokan yang memiliki banyak dokumen dan biaya kesalahan yang tinggi, kebutuhan otomatisasi kemungkinan akan semakin meningkat. Bagaimana Loop Payments akan membangun berbagai kasus otomatisasi rantai pasokan berdasarkan dana putaran ini akan menjadi fokus perhatian ke depan.

Catatan TP AI: Artikel ini dirangkum menggunakan model bahasa berbasis TokenPost.ai. Isi utama mungkin telah dipersingkat atau tidak sepenuhnya akurat.