Lauri Kien Kotcher, CEO a spoluzakladatelka Different Day – série rozhovorů

Lauri Kien Kotcher, CEO a spoluzakladatelka Different Day, je zkušenou obchodní lídry, tvůrcem značky, členkou představenstva a strategickou poradkyní, jejíž kariéra zahrnuje umělou inteligenci, spotřebitelské produkty, maloobchod, zdravotnictví, finanční služby a soukromý kapitál. Před založením Different Day působila jako CEO a členka představenstva společnosti quip, kde vedla širší posun od ústní péče k ústnímu zdraví, představila nové produkty, přepracovala model přímého předplatného společnosti a snížila provozní náklady. Dříve řídila The Shade Store a Hello Products, přičemž poslední vedla skrze výrazný růst a její akvizici společností Colgate v roce 2020. Její předchozí vedoucí pozice zahrnují senior role ve firmách L Catterton, Godiva Chocolatier, Lehman Brothers a Pfizer Consumer Healthcare, stejně jako 15 let v McKinsey & Company, kde se stala partnerkou a spoluvedela praxi společnosti v oblasti spotřebního zboží v Severní Americe. Kotcher také působí v představenstvu Freshpet, přinášejíc rozsáhlé zkušenosti v oblasti růstové strategie, inovací, marketingu, fúzí a akvizic a organizační transformace.

Different Day pomáhá organizacím středního trhu proměnit provozní výzvy v praktické, přizpůsobené aplikace umělé inteligence, které se integrují s jejich stávajícím technologickým prostředím. Místo zaměření na experimentální AI projekty nebo obecný software společnost vyvíjí komplexní řešení navržená ke snížení manuální práce, zlepšení přehledu, urychlení růstu tržeb, posílení marží a odhalení užitečných obchodních poznatků. Její činnost zahrnuje oblasti jako prognózování poptávky, plánování zásob a inventáře, prodejní inteligenci, sladění finanční pomoci, soulad s předpisy, analýzu smluv, řízení vztahů se zákazníky a reportování výkonnosti. Different Day představuje svůj tým jako partnera od počátečního objevu problému až po nasazení a předání znalostí, což umožňuje klientům aplikace provozovat a nadále je interně vylepšovat.

Strávila jste desetiletí vedením transformací v McKinsey, Godiva, Hello Products, The Shade Store a quip, než jste spoluzakladala Different Day. Co vás přesvědčilo, že společnosti středního trhu potřebují nový typ AI partnera, a jaké provozní problémy podle vás stávající dodavatelé technologií a poradenské firmy nedokázali vyřešit?

Šokujícím způsobem mnoho podnikatelských lídrů žije ve tmě. Jako CEO a CMO řídící rychle rostoucí značky spotřebitelských produktů a maloobchodníky ve středním segmentu jsem nikdy nedokázala získat jasný přehled o celém rozsahu všech pohyblivých částí podniku. Naše data často existovala v oddělených silách podle kanálu, geografické oblasti a funkčního vlastníka. Můj instinkt byl, že AI konečně propojí tyto body a pomůže zjistit, co nám chybí, ale neměla jsem ponětí, koho kontaktovat nebo kde začít. Different Day se stala odpovědí na tuto otázku.

Společnosti středního trhu mají méně zdrojů než velké podniky, ale mohou mít také méně byrokracie a technického dluhu. Jak by měl jejich přístup k implementaci AI odlišovat od podnikového návodu?

Společnosti středního trhu mají mimořádnou super sílu, kterou musí využít. Měly by usilovat o předstih svých větších konkurentů, protože rychlost je jejich skutečná výhoda. Podle našeho názoru můžeme převést většinu firem středního trhu na AI-nativní organizace, jako by byly v roce 2026 postaveny od základů. Velké podniky tiše obávají, že AI umožní menším rivalům vyrovnat podmínky, využívajíc AI spolupracovníky k rychlejšímu postupu bez zvyšování počtu zaměstnanců. Méně lidí znamená méně rozhodujících o tom, co dělat, jak to dělat a jaké jsou cíle, takže menší organizační struktura se stává aktivem, nikoli omezením.

Při hodnocení provozu společnosti, jak rozlišujete pracovní postup, který skutečně těží z AI, od toho, který by byl lépe řešen konvenční automatizací, vylepšeným softwarem nebo redesignem procesu?

Věřím v holý přístup: zredukujte svůj pracovní postup na základní prvky. Zjednodušení procesu by mělo předcházet AI. Začněte s čistým listem papíru – co byste zde dělali, kdyby neexistoval starý software a obcházení? Většina existujících procesů byla vytvořena tak, aby obcházela nešikovné nástroje, ne proto, že jsou správným způsobem práce. Když se smlouvy blíží k obnovení, zeptejte se, jaké funkce používáte, a s několika výjimkami může AI vytvořit něco přizpůsobenějšího než to, co máte dnes. Ačkoliv jsou vždy systémy, které stojí za zachování, jako ERP nebo CRM, navrhujeme přesně ty doplňky, které potřebujete, a nic víc.

Different Day tvrdí, že může začít 72‑hodinovým prototypem a během několika týdnů přejít na připravený produkt pro nasazení. Co umožňuje takové tempo a jaké technické, bezpečnostní nebo organizační podmínky by mohly implementaci zpomalit?

Může to vypadat jako přehánění, ale odráží to naši jedinečnou výhodu jako společnosti založené lidmi, kteří rozumí jak podnikání, tak technologiím. Náš tým je AI-nativní, takže samotná tvorba probíhá mnohem rychleji než tradiční vývoj softwaru. Co se nemění, je fáze objevování: kdo vlastní proces, kdo další se musí zapojit, jaký výsledek cílíte a v jakém rozsahu, co selhalo dříve. Přeskočíte-li tuto práci na začátku, objeví se později; při integracích, při implementaci, za mnohem vyšší cenu. Tempo je možné jen díky tomu, že na začátku investujeme do pochopení místo kódování.

Mnoho firem středního trhu pracuje s nespojenými tabulkami, starými systémy a nekonzistentními zdroji dat. Kolik přípravy dat je obvykle potřeba, než AI může přinést spolehlivé provozní výsledky?

Odpojená data, se kterými většina firem středního trhu žije, jsou ve skutečnosti příležitostí, nikoli překážkou. Naše nástroje přesně odhalí, kde jsou mezery, a společnost rozhodne, zda a jak je zaplnit. Před AI byly tyto mezery neviditelné; někdo prostě zatlačil tabulky do rozhodnutí nebo se rozhodl na základě neúplných dat, aniž by si toho všiml. Nyní týmy mohou vidět mezery a podle toho zvážit své rozhodnutí, místo aby předpokládaly, že data jsou pevná.

Jaké metriky by měli vedoucí představitelé nastavit před zahájením AI projektu a jak rychle by měli očekávat důkazy, že implementace generuje smysluplnou návratnost investic?

AI může být nová, ale klasické obchodní disciplíny přetrvávají. Kde AI naráží na problémy, je když lidé myslí, že všechna stará pravidla zmizela. Každý AI projekt potřebuje na začátku jeden jasný cíl, ať už jde o prodej, viditelnost značky, marži, rychlost rozhodování nebo vyšší výstup bez zvýšení počtu zaměstnanců, spolu s realistickým časovým plánem pro jeho dosažení. Časové rámce se liší podle počtu datových spojení, zapojených interních a externích systémů a toho, kolik se nástroj musí naučit, než bude jeho výstup spolehlivý. Do tří měsíců byste měli vidět nějaký výsledek; složitější projekty trvají déle. Klíčové je navrhnout projekt po etapách, abyste nečekali na jednorázový výsledek.

Different Day zdůrazňuje aplikace zahrnující prognózování poptávky, plánování zásob, inteligenci smluv, sladění finanční pomoci a signály prodeje v reálném čase. Které případy použití dnes přinášejí nejvíce opakovatelných výsledků a které zůstávají silně závislé na odvětví a provozním modelu společnosti?

Nenehledejte faktor opakovatelnosti AI podceňovat. V mnoha ohledech jsou podniky strukturálně podobnější, než si uvědomujeme, od univerzálních smluv po sladění potřeb zákazníků s interními schopnostmi. Inteligence smluv a sladění finanční pomoci jsou dnes nejvíce opakovatelné; obě mají jasné parametry a výstupy, takže nástroj přesně ví, co řeší. Prognózování poptávky a plánování zásob jsou obtížnější: více datových sad, více kanálů a mnohem větší variabilita mezi provozními modely jednotlivých firem. Něco jako notifikace zákazníka v reálném čase spadá do střední kategorie, v závislosti na aktuálním technologickém stacku a kanálech společnosti.

Jak by měla firma rozhodnout, zda koupí hotový AI produkt, vyvine jej interně nebo vytvoří přizpůsobenou aplikaci s externím partnerem? Jaké otázky pomáhají odhalit zbytečnou složitost nebo vázanost na dodavatele?

Vyhněte se AI clickbaitu a buďte skeptičtí k příspěvkům na LinkedIn, které naznačují, že vývoj sofistikovaných nástrojů interně je snadný. Interní vývoj provádějte jen tehdy, když je nástroj skutečně jednoduchý, například dashboard, který načte několik tabulek do jedné přehledné podoby pro několik kolegů. Jakmile budete potřebovat tahat data v reálném čase z interních i externích systémů, je to mimo dosah ne technického týmu s DIY nástroji. Hotové AI má stejný limit jako vždy hotové SaaS. Poskytne vám přehled o obecných datech, ale nedá vám nuance specifické pro vaše podnikání a konkurenci.

Jaké jsou nejčastější chyby, které vidíte u firem při přechodu od působivé AI demonstrace k systému, kterému zaměstnanci musí důvěřovat a používat ho denně?

Vidím epidemii „prototype-itis“: firmy padnou na viditelných 10 % ledovce. Prototyp vypadá působivě, ale skutečná práce probíhá pod povrchem: testování dat a zpětné testování, testování každého propojení systému a zabezpečení dat. Pak přichází řízení změn: výuka lidí, jak nástroj používat, kde jsou jeho limity, kdy musí člověk zůstat v procesu, a jaké otázky klást výstupu. AI by měla být vhodná pro konkrétní účel, nikoli náhradou lidského úsudku, zejména ve společnosti středního trhu, kde tento úsudek byl budován roky.

Jakmile se AI stane součástí hlavních operací, jak očekáváte, že se změní role manažerů a zaměstnanců na frontové linii, a co by měli lídři středního trhu nyní udělat, aby AI pozvedla jejich týmy místo toho, aby jen přidala další vrstvu technologií?

„Manažeři“ se dříve vztahovali k řízení lidí. Rychle se to proměnilo v řízení agentů a systémů. Začněte mapováním největších bolestivých bodů týmu a izolací manuální, opakující se práce; právě tam AI patří nejdříve, než jí svěříte složitější rozhodnutí. Než začnete běžet, nejprve kráčejte, zejména ve společnosti středního trhu, kde důvěru musíte získávat krok po kroku.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit Different Day.