VisioLab: 11 milioni di dollari per l'espansione globale del self-checkout AI

VisioLab, azienda specializzata in soluzioni di self-checkout visivo basate su intelligenza artificiale per il settore della ristorazione, ha annunciato la chiusura di un round di finanziamento Series A da 11 milioni di dollari. L'operazione è stata co-guidata da eCAPITAL Entrepreneurial Partners e Simon Capital, con la partecipazione continuativa degli investitori esistenti High-Tech Gründerfonds (HTGF), zwei.7 e Heartfelt (precedentemente APX).

Fondata nel 2019 e con sede a Osnabrück, in Germania, e un ufficio negli Stati Uniti a Boston, VisioLab si posiziona come un attore chiave nell'innovazione dei punti vendita. L'iniezione di capitale è destinata a sostenere la prossima fase di espansione internazionale dell'azienda, consolidando la sua presenza in mercati strategici e ampliando la portata delle sue soluzioni.

Edge AI e Computer Vision: l'innovazione al punto vendita

Il cuore dell'offerta di VisioLab risiede nei suoi sistemi di cassa basati su iPad, che sfruttano la computer vision e l'edge AI per riconoscere automaticamente articoli alimentari, sia confezionati che sfusi, direttamente al momento del pagamento. Questa tecnicia elimina la necessità di scannerizzare codici a barre o di apportare modifiche significative all'infrastruttura esistente dei locali.

L'adozione dell'edge AI è particolarmente rilevante per le aziende che cercano di mantenere il controllo sui dati e ridurre la latenza, elaborando le informazioni direttamente sul dispositivo. Questo approccio garantisce una maggiore autonomia e può essere cruciale per ambienti con connettività limitata o per requisiti stringenti di sovranità dei dati. Le soluzioni di VisioLab sono già in deployment in diversi settori, tra cui la ristorazione aziendale, l'istruzione superiore, gli eventi sportivi e di intrattenimento, e il settore dei viaggi e del tempo libero.

I dati forniti dagli operatori indicano che la soluzione può ridurre i tempi medi di transazione fino al 70%, un fattore significativo per migliorare l'efficienza operativa e l'esperienza del cliente. Inoltre, la facilità di installazione è un punto di forza: il sistema può essere configurato dal personale esistente in circa 10 minuti, minimizzando i tempi di inattività e i costi di formazione.

Piattaforma integrata e canale B2B: semplificare il deployment

Contestualmente al finanziamento, VisioLab sta lanciando una piattaforma integrata che combina il riconoscimento degli articoli, il software per il punto vendita e l'elaborazione dei pagamenti in un unico sistema. Questa integrazione elimina la necessità di terminali di pagamento separati, riducendo la complessità operativa e i costi associati alla gestione di più fornitori e sistemi.

L'azienda sta inoltre introducendo un canale di e-commerce B2B, che consentirà agli operatori di configurare e ordinare i sistemi online. Questa mossa mira a semplificare i processi di procurement, specialmente per i deployment multi-sito, offrendo una maggiore flessibilità e scalabilità. Questa strategia risponde alle esigenze di CTO e responsabili DevOps che gestiscono deployment su larga scala, dove la standardizzazione e la facilità di approvvigionamento sono cruciali per ottimizzare il TCO.

Espansione internazionale e impatto sui deployment on-premise

Il nuovo capitale supporterà la fase successiva dell'espansione internazionale di VisioLab, basandosi su deployment recenti e di successo. Tra questi figurano implementazioni su larga scala in stadi come il Kia Center degli Orlando Magic e il Nu Stadium dell'Inter Miami CF, oltre a un'implementazione in corso con Live Nation Entertainment.

L'approccio di VisioLab, che privilegia l'elaborazione dei dati in locale tramite edge AI, si allinea con le crescenti esigenze di sovranità dei dati e di riduzione della dipendenza dal cloud per carichi di lavoro critici. Per le organizzazioni che valutano soluzioni di AI self-hosted, AI-RADAR offre framework analitici su /llm-onpremise per comprendere i trade-off tra costi, performance e controllo. La capacità di deploy sistemi AI con un'impronta infrastrutturale minima e un'elevata efficienza operativa rappresenta un modello interessante per il futuro dell'automazione nei servizi.