Logistiek is waar het om draait tijdens de feestdagen: bedrijven die de deal kunnen sluiten en mensen en spullen op tijd op de plaats kunnen krijgen waar ze moeten zijn, halen het binnen in deze tijd van het jaar.
Maar achter die vraag schuilt een enorme hoeveelheid inefficiëntie en fragmentatie. Zijn logistieke bedrijven klaar voor AI om hun diensten beter te kunnen runnen? Een startup belde Zegen denkt dat het antwoord ja is. Het heeft nu 20,5 miljoen dollar opgehaald om dat te bewijzen, door middel van een platform dat hen helpt beter gebruik te maken van gegevens uit ongelijksoortige applicaties, om hun activiteiten, planning en algehele efficiëntie te verbeteren.
“Beschouw Boon als de tweede medewerker in de backoffice”, zegt Deepti Yenireddy, de oprichter en CEO, in een interview. “Onze AI-agent is als een andere teamgenoot die cruciaal werk doet, zodat mensen zich kunnen concentreren op taken die hen daadwerkelijk meer geld opleveren.”
De financiering komt van Marathon en Repoint, die het hebben ondersteund in een Series A-serie van $ 15,5 miljoen en een eerder niet bekendgemaakte start van $ 5 miljoen.
Als we alleen al de goederenvervoerders bekijken, zijn er wereldwijd ruim 60 miljoen wagenparkvoertuigen, zo blijkt uit onderzoek van Berg inzichtwaarbij de overgrote meerderheid van de bedrijven die deze exploiteren, als kmo’s worden geclassificeerd.
Ondertussen zijn de tools die ze gebruiken even verspreid: boekhouding, routing, verkoop, HR – gemiddeld worden er tussen de 15 en 20 verschillende apps en stukjes software gebruikt om een logistiek of wagenparkbedrijf te runnen, allemaal bestaande in silo’s omringd door stapels fysiek papierwerk.
Zoals Urvashi Barooah, de partner die de investering voor Redpoint Ventures leidde, het beschreef: “softwaretools voor puntoplossingen van de eerste generatie hebben een zware administratieve last toegevoegd” aan wagenparkbeheerbedrijven.
Boon denkt dat het de efficiëntie van die systemen kan vertienvoudigen met zijn AI-tools.
Door zich in eerste instantie te richten op omzet- en operationele workflows, bijvoorbeeld om efficiëntere routes op te bouwen en de beste plaatsen te vinden om te tanken, is het plan om de financiering te gebruiken om de soorten workflows uit te breiden die het kan bestrijken – bijvoorbeeld om te helpen de manier te verbeteren waarop containers worden gebruikt. geladen, of hoe u de personeelsbezetting kunt optimaliseren.
Yenireddy zei dat ze op het idee voor Boon kwam tijdens haar vorige baan als senior productdirecteur bij wagenparkgigant Samsara. “We kennen deze klant diep, vanuit mijn eerdere ervaring met het leiden van producten, telematica en internationale producten van Samsara”, zei ze. “Deze klanten willen één plek en één platform. Ze doen zoveel dingen en ze willen eenvoud in de technologie die ze gebruiken. Dat is de reden en motivatie achter het bouwen hiervan.”
Ze heeft ook een track record als oprichter, nadat ze eerder een AI-bedrijf in de HR-sector had opgebouwd dat ze verkocht aan Phenom People, een AI-rekruteringsplatform. Dus in plaats van na te denken over hoe ze dit binnen Samsara zou kunnen opbouwen, besloot ze het als Boon te bouwen. “Eens een oprichter, altijd een oprichter”, zei Yenireddy. Ze heeft alumni Apple, DoorDash, Google, Samsara en Shell bijeengebracht om haar visie kracht bij te zetten. (En er wordt nu actief gezocht naar meer go-to-market-mensen en ingenieurs.)
De financiering komt dankzij een sterke belangstelling. Boon heeft betalende klanten die 35.000 chauffeurs en 10.000 voertuigen op zijn platform vertegenwoordigen, waardoor het bedrijf na negen maanden bedrijfsactiviteiten een jaarlijkse omzet van $ 1 miljoen bereikt.
Dit is nog maar het begin, en dieper gaan kan wat hobbels met zich meebrengen. Het daadwerkelijke werk van het bouwen van een platform dat op intelligente wijze tussen verschillende datasilo’s kan werken om de bedrijfsintelligentie te vergroten, is een soort heilige graal geweest in de B2B-wereld, in het hart van wat andere grote (en zwaar gefinancierde) organisaties zijn. Startups zoals H proberen het ook te doen op het gebied van ‘agentic AI’. Tegelijkertijd, als toepassingen daarvan daadwerkelijk slagen, kunnen ze grote efficiëntie inluiden, maar mogelijk ook vragen oproepen over wat mensen vervolgens zullen doen als gevolg van die extra tijd.
