El flujo de 16.5 millones de dólares de Interloom: Evaluando el mercado en el que Interloom opera.

La nueva inyección de capital representa un paso importante en esta dirección. Interloom ha logrado obtener dicha inyección de capital.16.5 millones en capital de riesgoPara su serie A. Se trata de una escalada significativa en comparación con el estado inicial.Ronda de capital de 3 millones de dólaresSe anunció hace poco más de dos años, lo que indica un fuerte flujo de inversión en la área de automatización mediante agentes de inteligencia artificial. La financiación está a cargo de DN Capital, con la participación de Bek Ventures y del inversor existente Air Street Capital.

Esta empresa apunta a aprovechar una oportunidad de mercado considerable. El startup pretende capturar el mercado de RPA, que tiene un volumen anual de más de 6 mil millones de dólares. Este mercado es donde la automatización tradicional no funciona. La idea principal de Interloom es crear un “gráfico de contexto” basado en los registros operativos, con el fin de guiar a los agentes. De esta manera, Interloom aborda lo que la empresa considera como el problema de la “memoria corporativa”.

La situación es clara: se está invirtiendo una gran cantidad de capital en un segmento de mercado ya establecido, que está listo para ser disruptido por agentes de IA, siempre y cuando se proporcione el contexto adecuado. La entrada de capital de los inversores en Interloom indica que ven allí una oportunidad para obtener una parte de ese mercado, que vale más de 6 mil millones de dólares.

La métrica de eficiencia del núcleo

El mecanismo central de eficiencia de Interloom consiste en un proceso en dos etapas: la inteligencia artificial y un grafo de conocimientos utilizan datos históricos para inferir pasos a seguir en los procesos, y luego automatizan los flujos de trabajo complejos. El sistema extrae datos de diversas fuentes y los agrupa en una sola capa de contexto. Utiliza técnicas de minería de datos impulsadas por inteligencia artificial, además de un grafo de conocimientos propio, para aprender de comportamientos y notas relacionadas con las tareas anteriores. Esto le permite adaptar las decisiones procesales a situaciones reales, rompiendo con las reglas rígidas del tipo “si-entonces” utilizadas en los sistemas tradicionales de RPA.

La principal medida de eficiencia es la reducción en el número de llamadas de alta dirección, lo cual se traduce en ahorros cuantificables en costos. Al automatizar tareas que el RPA actual no puede manejar, como aquellas que requieren un juicio detallado, Interloom busca eliminar el tiempo desperdiciado en intervenciones manuales. El fundador de la empresa afirma que este enfoque puede aumentar la productividad de los empleados.30 vecesPara muchos procesos, se producirá un aumento significativo en el rendimiento operativo.

Este mecanismo apunta al punto de fricción principal del mercado: la tasa de fallo de los robots automáticos. Los informes del sector indican que la mayoría de los proyectos relacionados con los robots automáticos fracasan o no logran cumplir con sus objetivos, en gran medida porque no pueden capturar el conocimiento tácito que se encuentra detrás de las decisiones complejas. Por el contrario, el modelo de Interloom aprende de ejemplos reales de negocios, con el objetivo de automatizar una mayor cantidad de tareas y reducir los costos operativos.

Catalizadores y riesgos: El camino de conversión de ingresos

El catalizador inmediato es el lanzamiento de un producto este año. Este será el primer verdadero test para la capacidad de Interloom de convertir sus ideas en realidades.16.5 millones en capital de riesgo para nuevos proyectos empresarialesLa empresa debe demostrar que su modelo de inferencia AI, entrenado en un “gráfico de contexto” de registros operativos, puede automatizar de manera confiable procesos complejos, algo que los sistemas tradicionales de RPA no logran hacer.

Un riesgo importante es que la solución de la startup no sea capaz de competir con las plataformas RPA existentes. La startup debe demostrar que su solución no solo es más precisa, sino también escalable y económicamente viable, para poder desplazar a los proveedores establecidos. Esta dificultad se ve agravada por la creciente escasez de mano de obra, algo que se espera que empeore en los próximos años. La empresa necesita demostrar que su sistema de automatización puede gestionar el 70% de los procesos que actualmente no están automatizados. De lo contrario, la presión del mercado laboral obligará a las empresas a adquirir cualquier solución disponible de inmediato.

El camino desde el capital hasta los ingresos depende de este lanzamiento. Si tiene éxito, esto validará el modelo de negocio y abrirá las puertas para capturar el mercado de RPA, que supera los 6 mil millones de dólares. En caso de fracaso, o incluso si la adopción del modelo de negocio se retarda, se corre el riesgo de agotar el capital obtenido, sin lograr una fuente de ingresos sostenible. Esto haría que la empresa sea vulnerable a la competencia y a los cambios en el mercado.