Ο Arnav Mishra, Συνιδρυτής και Τεχνικός Διευθυντής της Doss – Σειρά Συνεντεύξεων

Ο Arnav Mishra, Συνιδρυτής και Τεχνικός Διευθυντής της Doss, είναι ένας πλήρης μηχανικός και τεχνικός ηγέτης με ιστορικό που εκτείνεται σε νεοσύστατες εταιρείες και μεγάλης κλίμακας υποδομές. Πριν από τη συνίδρυση της Doss, ήταν ιδρυτικός μηχανικός στη Siteline, όπου κατασκεύασε βασικά συστήματα, συμπεριλαμβανομένης της αρχιτεκτονικής разрешений, των ERP ενσωματώσεων και των πλαισίων αυτοματοποίησης, ενώ συμβάλλε επίσης στην προσέλκυση, τις εμπορικές λειτουργίες και τον πολιτισμό της εταιρείας. Νωρίτερα στην καριέρα του, εργάστηκε ως μηχανικός στις Rubrik και ήταν praktikant σε εταιρείες όπως η Uber και η VMware, αναπτύσσοντας εμπειρογνωσία στις υποδομές cloud, τα συστήματα δεδομένων και την αυτοματοποίηση. Παράλληλα με το τεχνικό του έργο, ήταν ενεργά εμπλεκόμενος στη μεντορία και την ανάπτυξη ταλέντων μέσω οργανισμών όπως η Techquitable Futures και η Contrary, αντανακλώντας einen ευρύτερο δεσμό για την υποστήριξη της επόμενης γενιάς μηχανικών.

Doss είναι μια σύγχρονη εταιρεία επιχειρηματικού λογισμικού που επικεντρώνεται στην επανεφεύρεση των παραδοσιακών συστημάτων ERP μέσω της Adaptive Resource Platform (ARP), ενός ευέλικτου, AI-γενικού πλαισίου λειτουργιών που σχεδιάστηκε για να ενοποιήσει και να αυτοματοποιήσει τις επιχειρηματικές ροές εργασιών. Κατασκευασμένο ως一個 composable εναλλακτικό λύση για τις παραδοσιακές λύσεις ERP, η Doss ermöglicht στις εταιρείες να διαχειρίζονται τον αποθέμα, τις προμήθειες, τις χρηματοοικονομικές και τις πωλήσεις εντός ενός seul συστήματος που προσαρμόζεται στις πραγματικές επιχειρηματικές λειτουργίες αντί να επιβάλλει σκληρές διαδικασίες. Το πλάισιο συνδυάζει ένα κεντρικό επίπεδο δεδομένων, εργασίες χωρίς κώδικα και αναλυτικά σε πραγματικό χρόνο, επιτρέποντας στις επιχειρήσεις να αναπτύσσουν γρήγορα, να ενσωματώνουν με υπάρχοντα εργαλεία και να εξελίσσονται συνεχώς τις λειτουργίες τους χωρίς μακρές εφαρμογές ή ακριβούς συμβούλους.

Η мотивασία για την κατασκευή της DOSS ανάγεται στο Wiley που παρακολουθούσε το legacy λογισμικό να διαταράσσει την επιχείρηση κατασκευής του πατέρα του, και και οι δύο σας αργότερα είδαν παρόμοια προβλήματα από πρώτο χέρι ενώ εργάζονταν με fabriques και αλυσίδες εφοδιασμού. Πώς αυτά τα βιώματα σχήματισαν την απόφασή σας να συνιδρύσετε την DOSS και να ξανασχεδιάσετε τα συστήματα ERP από την αρχή;

Πριν από τη Doss, ήμουν ο ιδρυτικός μηχανικός σε μια εταιρεία FinTech. Ο #1 λόγος που οι αγοραστές μας – CFOs, Λογιστές κ.λπ. – δεν θα πήγαιναν με τη λύση μας ήταν επειδή ήταν «πολύ απασχολημένοι με την εφαρμογή ενός ERP». Όταν έψαξα πιο sâu στην αρχαία γη του ERP, ήμουν σοκαρισμένος από το υπάρχον μοντέλο εφαρμογής.

Τι συνέβη ήταν το ίδιο θεμελιώδες λάθος: η εφαρμογή διαρκεί μήνες ή χρόνια, κοστίζει εκατοντάδες χιλιάδες έως εκατομμύρια δολάρια και είναι φραγμένο εξ ολοκλήρου από ανθρώπινους συμβούλους με ωριαία χρέωση. Στη συνέχεια, όταν το ERP αποστέλλεται, σταματά να αλλάζει. Η επιχείρηση συνεχίζει να εξελίσσεται· το σύστημα δεν. Αυτό είναι ένα αρχιτεκτονικό πρόβλημα, όχι ένα πρόβλημα διαμόρφωσης. Δεν μπορείτε να το διορθώσετε.

Ως κατασκευαστής λογισμικού, η πιο κοντινή σύγκριση που μπορούσα να σκεφτώ ήταν η ακόλουθη: φανταστείτε έναν κόσμο όπου το πιο σημαντικό εργαλείο που χρησιμοποιείτε – ως προγραμματιστής, ας πούμε GitHub – ήταν κατασκευασμένο ειδικά για την εταιρεία σας κατά τη διάρκεια ετών από μια τρίτη συμβουλευτική εταιρεία. Στη συνέχεια, όταν το προϊόν ολοκληρώνεται, οι συμβούλοι φεύγουν χωρίς συντήρηση, χωρίς βελτιώσεις χαρακτηριστικών και χωρίς υποστήριξη. Οι μηχανικοί θα εξεγερθούν.

Κανένα σύγχρονο τεχνολογικό εταιρεία δεν μπορεί να λειτουργήσει σε αυτό το μοντέλο. Ο Wiley και εγώ ήρθαμε στο ίδιο συμπέρασμα: ο μόνος τρόπος να το διορθώσουμε ήταν να το κατασκευάσουμε από την αρχή.

Η DOSS θέτει τον εαυτό της ως ένα AI-γενικό πλάισιο λειτουργιών που σχεδιάστηκε για να αντικαταστήσει τα παραδοσιακά συστήματα ERP όπως η SAP ή η Oracle (ORCL ). Ποια θεμελιώδη αρχιτεκτονικά διαφορές κάνουν ένα AI-γενικό ERP δυνατό σήμερα που δεν ήταν εφικτό πριν από μια δεκαετία;

Η Oracle και η SAP κατασκευάστηκαν σε μια εποχή όπου, για να επιτύχουν τη μέγιστη διανομή, χρειάζονταν να απλοποιήσουν το επίπεδο διαμόρφωσης ενός ERP σε ένα GUI-βασισμένο editor που οι σχετικά μη τεχνικοί συμβούλοι θα μπορούσαν να παραδώσουν σε κλίμακα. Για να διατηρήσουν τις besten πρακτικές, κλείδωσαν μεγάλες εκτάσεις των κεντρικών συστημάτων και επέτρεψαν μόνο την σύνθεση στα άκρα. Ωστόσο, στην πραγματικότητα, όταν κοιτάτε το φάσμα όλων των επιχειρήσεων στον κόσμο, οι επιχειρηματικές εφαρμογές τους χρειάζονται μέγιστη ευελιξία.

Τι το AI-γενικό κόσμο ermöglicht είναι η μετασχηματισμός της μηχανικής του λογισμικού από ένα χέρι σε μια βιομηχανική μηχανή. Δεν χρειάζεται πλέον να έχουμε τεχνίτες λογισμικού να κατασκευάζουν χειροποίητο κώδικα· αντίθετα, μεταβαίνουμε σε einen κόσμο όπου η απόδοση του λογισμικού είναι ένας παράγοντας του υπολογισμού και των tokens.

Η Doss έχει αρχιτεκτονική με ακριβώς αυτό στο μυαλό.

Κατασκευάσαμε τη ZSL, μια δηλωτική domain-specific γλώσσα (DSL) που περιγράφει την πλήρη εφαρμογή του DOSS σε κώδικα. Σκεφτείτε τι «Terraform» έκανε για την προσπάθεια Infrastructure as Code, αλλά αντίθετα εφαρμόστηκε σε επιχειρηματική λογική εφαρμογής. Καθορίζοντας τα ERP σε μια σχετικά χαμηλής διαστατικότητας γλώσσα προγραμματισμού, είμαστε σε θέση να αναπτύξουμε agents σε κλίμακα για να παραδώσουμε λύσεις ERP.

Μόλις γραφθεί η ZSL, το πιο σημαντικό μέρος της αρχιτεκτονικής ήταν να ενσωματώσουμε τις besten πρακτικές στο πλάισιο selbst για να αποτρέψουμε τους agents από το να κατασκευάσουν χαμηλής ποιότητας εφαρμογές. Η ομάδα μας έχει παραδώσει ένα ευέλικτο κατανεμημένο σύστημα με einen πυρήνα-επίπεδο προγραμματιστή για να αναλάβει το φόρτο των bursty ERP εργασιών. Επιπλέον, κατασκευάσαμε ένα HTAP σύστημα βάσης δεδομένων που συνδυάζει τα πιο σημαντικά μέρη μιας συναλλαγής βάσης δεδομένων όπως η Postgres και τις αναλυτικές ικανότητες ενός Data Warehouse.

Κατασκευάζοντας το πλάισιο για να έχει Enterprise-βαθμό δύναμη από νωρίς, το σύστημα είναι ρυθμισμένο για Entirely agentic διανομή. Τι χρησιμοποιούσε να χρειάζεται ομάδες συμβούλων μήνες και χρόνια για να κάνουν τώρα μπορεί να παραλληλιστεί σε κλίμακα χρησιμοποιώντας agentic υποδομή στο ιδιωτικό μας κλειστό σύστημα.

Πολλές εταιρείες εξακολουθούν να βασίζονται σε ελαφριά και θραυσματικά εργαλεία για την προμήθεια, τον αποθέμα και τη διαχείριση παραγγελιών. Ποια είναι τα μεγαλύτερα λειτουργικά τυφλά σημεία που προκύπτουν όταν τα βασικά δεδομένα της επιχείρησης δεν ενοποιούνται σε ένα seul πηγή αλήθειας;

Το μεγαλύτερο πρόβλημα είναι ότι οι αποφάσεις λαμβάνονται με παλιά ή ελλιπή πληροφορίες. Αν τα δεδομένα αποθέματος σας ζουν σε ένα μέρος, οι παραγγελίες αγοράς σε ένα άλλο και οι πωλήσεις σε ένα τρίτο, είστε πάντα συμφωνώντας, χειροκίνητα, αργά και μετά το γεγονός. Όταν κάποιος συνειδητοποιήσει ότι το απόθεμα είναι εκτός ή ένας προμηθευτής είναι πίσω, είναι ήδη ένα πρόβλημα στην επιχείρηση.

Η Verve Coffee Roasters είναι ένα καλό παράδειγμα όπου αυτό διαλύεται στην πράξη. Εκτελούν λειτουργίες σε ελαφριά, gros, DTC, και καφετέριες στις ΗΠΑ και την Ιαπωνία, αλλά διαχειρίζονταν όλα αυτά σε διασυνδεμένα συστήματα χωρίς πραγματική ορατότητα αποθέματος. Έτρεχαν έξω από το δικό τους καφέ σε υψηλής κίνησης τοποθεσίες και χτύπησαν κρίσιμες αποθέματα κατά τη διάρκεια μιας μεγάλης εκκίνησης λιανοπωλητή που έβλαψε μια κρίσιμη εμπορική σχέση. Τα δεδομένα υπήρχαν κάπου· απλώς δεν ήταν συνδεδεμένα με τρόπο που να επιτρέψει σε κανέναν να ενεργήσει πάνω τους εγκαίρως.

Το πιο λεπτό ζήτημα είναι ότι η θραυσματικότητα κρύβει το πραγματικό σχήμα των λειτουργιών σας. Δεν μπορείτε να δείτε τη σχέση μεταξύ μιας καθυστέρησης ροής και ενός προβλήματος πλήρωσης κάτω από τη ροή εργασιών αν αυτά τα δύο ζουν σε διαφορετικά εργαλεία. Τελικά, διαχειρίζεστε συμπτώματα, εκτελείτε παραγγελίες, κατασκευάζετε ασφαλή αποθέματα και τρέχετε χειροκίνητες ελέγχους αντί να κατανοείτε τι συμβαίνει πραγματικά. Ένα ενοποιημένο σύστημα δεν σας σώζει μόνο χρόνο σε συμφωνία. Αλλάζει τι μπορείτε να δείτε και να ρωτήσετε.

Στη.core, φανταστείτε να τρέχετε μια επιχειρηματική επιχείρηση χωρίς πρόσβαση σε ένα σύστημα ελέγχου εκδόσεων (Git), ένα εργαλείο παρατηρησιμότητας (DataDog) ή μια κεντρική βάση δεδομένων για να αναζητήσετε πληροφορίες.

Οι εφαρμογές ERP έχουν ιστορικά απαιτήσει μεγάλες ομάδες συμβούλων και μήνες – ή ακόμη και χρόνια – ανάπτυξης. Πώς το AI αλλάζει την οικονομία και τη σύνθετη εφαρμογή του επιχειρηματικού λογισμικού μέσα σε πραγματικές επιχειρήσεις;

Το παραδοσιακό μοντέλο εφαρμογής είναι το εmergent αποτέλεσμα γενεών-παλαιών πρακτικών λογισμικού. Δεν ζούμε πλέον σε αυτόν τον κόσμο.

Υπάρχει ένα παράξενο κίνητρο στις εφαρμογές ERP σήμερα – όσο περισσότερο διαρκεί μια εφαρμογή και όσο λιγότερο αποτελεσματική είναι, τόσο περισσότερα χρήματα λαμβάνουν οι εφαρμοστές. Η πλειοψηφία των κατασκευαστών δεν θα επωφεληθεί από αυτό· ωστόσο, δεν τους ενθαρρύνουν ποτέ να κινηθούν με ταχύτητα και ποιότητα.

Επιπλέον, το αναλογία της δαπάνης συμβούλων προς δαπάνη λογισμικού σε μια παραδοσιακή εφαρμογή ERP τρέχει περίπου 9:1, οπότε δαπανούτε εννέα δολάρια σε συμβούλους για κάθε δολάριο που δαπανούτε στο λογισμικό selbst. Για μια μεγάλη επιχείρηση, αυτό είναι εξαιρετικά επώδυνο. Για μεσαίες επιχειρήσεις, είναι απαγορευτικό. Έτσι либо υποχωρούν σε λογισμικό που δεν ταιριάζει πραγματικά με τον τρόπο που λειτουργούν, либо καθυστερούν το έργο, либо το εγκαταλείπουν εν μέσω.

Το AI αλλάζει την οικονομία αυτού του εντελώς. Αντί για μια συμβουλευτική εφαρμογή, μια εφαρμογή της Doss είναι ένας κώδικας. Όσο συνεχίζουμε να μειώνουμε τους χρόνους εφαρμογής, είμαστε σε θέση να ευθυγραμμίσει τα κίνητρα με ένα «πληρωμή κατά την παράδοση» μοντέλο αντί για «πληρωμή κατά την πορεία». Όταν η επιχείρηση αλλάζει, το σύστημα αλλάζει μαζί της. Η ανάγκη για δωμάτια συμβούλων και μακρές διαφάνειες δεν είναι πλέον σχετικές.

Η επιτυχία στη Doss σημαίνει την αντικατάσταση της δαπάνης των 1,86 δισεκατομμυρίων δολαρίων για τις παγκόσμιες υπηρεσίες IT με agentic εφαρμογή και συντήρηση χρησιμοποιώντας τη ZSL ως γλώσσα για το λογισμικό επιχειρηματικών εφαρμογών. Η επιτυχία στη Doss είναι η commoditization όλων των επιχειρηματικών εφαρμογών σε κλίμακα.

Έχετε αναπτύξει την DOSS με εταιρείες που λειτουργούν σε πραγματικές περιβαλλοντικές συνθήκες όπως η κατασκευή, η λογιστική και τα καταναλωτικά αγαθά. Ποια είναι τα απρόοπτα προβλήματα που προκύπτουν όταν το AI συναντά ακατάστατα λειτουργικά δεδομένα;

Το πρόβλημα σπάνια είναι το AI. Είναι τα δεδομένα που ζητάτε να συλλογιστεί.

Κάθε εταιρεία με την οποία συνεργαζόμαστε έχει συσσωρευμένα χρόνια λειτουργικών εργασιών. Τα δεδομένα τεχνικά υπάρχουν, απλώς δεν ζουν πουθενά που οι υπάλληλοι, ας πούμε, να μπορούν να ενεργήσουν πάνω τους.

Ένα εξαιρετικό παράδειγμα είναι ένας Γερμανός κατασκευαστής επίπλων που δημιουργεί κομμάτια κατά παραγγελία. Όταν ήρθαμε, είχαν 10 χρόνια ιστορικών δεδομένων που εκτείνονταν σε 8 προσαρμοσμένες μορφές αρχείων με 11 διαφορετικά αντικείμενα δεδομένων και μια 3PL συγχρονισμό που εκτελείται με χειροκίνητη αντιγραφή από φακέλους FTP. Η επιχειρηματική λογική ήταν συγκεκριμένη με προσαρμοσμένες διαστάσεις, ρυθμίσεις, μεθόδους πληρωμής και τοποθεσίες εκθέσεων, και το σύστημα χρειαζόταν να λειτουργήσει στη Γερμανία. Δεν υπάρχει off-the-shelf σχήμα για αυτό. Έπρεπε να πληρώσουν χιλιάδες ευρώ κάθε φορά που ήθελαν να αλλάξουν απλές επιλογές διαμόρφωσης, όπως οι επιλογές κατάστασης για μια παραγγελία αγοράς.

Το πρόβλημα δεν είναι η τεχνική πολυπλοκότητα ενός καθενός κομματιού. Είναι ότι κάθε επιχείρηση έχει μια διαφορετική εκδοχή αυτού του προβλήματος, και δεν μπορείτε να το προβλέψετε πλήρως μέχρι να είστε μέσα στα δεδομένα τους. Το έργο είναι να πάρει μια ακριβή εντύπωση του πώς λειτουργεί πραγματικά η επιχείρηση, όχι να χαρτογραφήσετε τα δεδομένα σε ένα γενικό πρότυπο και να ελπίζετε ότι θα ταιριάξει.

Για να κατασκευάσουμε μια λύση που λειτουργεί για τον πραγματικό κόσμο, χρειάζεται ένα πλάισιο με μέγιστη ευελιξία. Μόνο τότε μπορεί το AI να είναι χρήσιμο για την κατανόηση του υποκείμενου μοντέλου δεδομένων που εργάζεται, και να κατασκευάσει το μοντέλο που λειτουργεί για κάθε πελάτη.

Υπάρχει πολλή συζήτηση για AI copilots και αυτόνομους agents σε επιχειρηματικό λογισμικό. Πού βλέπετε το AI να προσθέτει την περισσότερη αξία σε λειτουργικές ροές εργασιών σήμερα, και πού παραμένει η ανθρώπινη επιτήρηση ακόμη απαραίτητη;

Σε κλίμακα, το AI έχει την ικανότητα να διαταράξει όλες τις λειτουργικές εργασίες.

Στο κοντινό ορίζοντα, τα ιδιοκτησιακά μοντέλα και agents της Doss θα πρέπει να μετασχηματίσουν τα κέντρα των τεχνικών συμβούλων στην εφαρμογή επιχειρηματικών εφαρμογών καθώς και των συμβούλων διαχείρισης στην παράδοση στρατηγικών συστάσεων. Η Doss θα έχει τη μεγαλύτερη αποθήκη δομημένων και συνδεδεμένων δεδομένων που αντιπροσωπεύουν και το σχήμα και τις λειτουργικές πληροφορίες για τις επιχειρήσεις. Οι agents μας μπορούν να χρησιμοποιήσουν αυτά τα δεδομένα για να παραδώσουν κλιμακωτές συστάσεις.

Το πιο σαφές αξία σήμερα είναι πιο συγκεκριμένο από αυτό. Είναι σε εργασία που είναι επαναλαμβανόμενη, βασισμένη σε κανόνες και目前 γίνεται από ανθρώπους που έχουν άλλες, πιο στρατηγικές προτεραιότητες: επεξεργασία παραγγελιών αγοράς, συμφωνία αποθέματος και διαδρομή αποφάσεων πλήρωσης. Αυτές οι εργασίες έχουν καλά καθορισμένα εισαγωγές και εξαγωγές, και το AI μπορεί να τις χειριστεί αξιόπιστα σε κλίμακα.

Για τώρα, η ανθρώπινη επιτήρηση είναι απαραίτητη όπου το κόστος μιας λάθος απόφασης είναι υψηλό, και το σύστημα δεν έχει ακόμη αρκετό контекст για να είναι βέβαιο. Σήμερα, το σωστό μοντέλο δεν είναι αυτόνομοι agents που αντικαθιστούν την ανθρώπινη λήψη αποφάσεων ολική; είναι agents που χειρίζονται το υψηλό-όγκο, καλά-καθορισμένο έργο ώστε οι άνθρωποι να μπορούν να επικεντρωθούν στις αποφάσεις που πραγματικά απαιτούν την κρίση τους.

Πολυάριθμες επιχειρήσεις προσπαθούν να στρώσουν το AI πάνω από τις υπάρχουσες στοίβες λογισμικού. Κατά τη γνώμη σας, γιατί η ανακαίνιση των legacy συστημάτων με AI συχνά αποτυγχάνει σε σύγκριση με την κατασκευή του AI trực tiếp στο ιδρυτικό πλάισιο του πλαισίου;

Τα legacy συστήματα δεν κατασκευάστηκαν για να συλλογισθούν από το AI. Τα μοντέλα δεδομένων, οι API, ο τρόπος που η πληροφορία είναι δομημένη, όλα αυτά σχεδιάστηκαν για ανθρώπους να αλληλεπιδρούν με διεπαφές. Όταν προσπαθείτε να στρώσετε το AI πάνω από αυτό, ζητάτε να εργαστεί γύρω από περιορισμούς που δεν ήταν σχεδιασμένοι να εργαστούν γύρω από.

Ακόμη και αν προσπαθήσετε να ρίξετε ένα MCP διακομιστή πάνω από αυτό, στην πραγματικότητα, ένας MCP διακομιστής χρειάζεται εξαιρετικά συγκεκριμένα σχέδια. Οι περισσότεροι MCP διακομιστές σήμερα πραγματικά εισάγουν μεγαλύτερη παράταση παραθύρου και σπάζουν την απόδοση.

Ωστόσο, το βαθύτερο ζήτημα είναι το μοντέλο εφαρμογής. Σε ένα παραδοσιακό ERP, η διαμόρφωση του συστήματος είναι αποθηκευμένη στο σύστημα selbst. Δεν είναι κώδικας που μπορείτε να διαβάσετε, να ελέγξετε ή να εκδοθεί. Δεν υπάρχει τρόπος για έναν agent να κατανοήσει τι κάνει το σύστημα, ας πούμε, να το αλλάξει ασφαλώς. Κατασκευάσαμε τη ZSL ειδικά ώστε η διαμόρφωση να είναι ένας σωστός κώδικας: αναγνώσιμος, ελέγξιμος και αναπτύξιμος σε ένα κλειστό σύστημα. Κατασκευάζουμε μια πλήρη agentic λογισμική ανάπτυξη ζωής (SDLC). Αυτό είναι το προαπαιτούμενο για το AI να λειτουργήσει πραγματικά στο σύστημα αντί να κάθεται πάνω του.

Όπως το AI γίνεται ικανό να γεννάει ροές εργασιών και να αλληλεπιδρά trực tiếp με λειτουργικά συστήματα, πώς νομίζετε ότι η διεπαφή των παραδοσιακών επιχειρηματικών λογισμικών θα εξελιχθεί;

Το ζήτημα της διεπαφής είναι πραγματικά για ποιον χρειάζεται να χρησιμοποιήσει το σύστημα. Τώρα, οι διεπαφές ERP είναι κατασκευασμένες γύρω από một μικρό σύνολο power users, τους ανθρώπους που εκπαιδεύτηκαν στο σύστημα κατά τη διάρκεια της εφαρμογής. Όλοι οι άλλοι είτε δεν μπορούν να το χρησιμοποιήσουν είτε λαμβάνουν μια υποβαθμισμένη εκδοχή του.

Τι κατασκευάζουμε είναι μια composable διεπαφή, η οποία αντιμετωπίζει τη διεπαφή σαν einen κατασκευαστή ιστοσελίδων. Η διεπαφή herself είναι επίσης υποστηριζόμενη από το κλειστό ZSL. Κάθε, ο CFO, ο διαχειριστής αποθήκης, ο αναλυτής αλυσίδας εφοδιασμού, λαμβάνει einen πίνακα ελέγχου και προβολές δεδομένων που συνθέτουν γύρω από τον τρόπο που πραγματικά εργάζονται, όχι γύρω από τον τρόπο που το λογισμικό ήταν διαμορφωμένο. Όσο το AI χειρίζεται περισσότερες από τις υποκείμενες εργασίες, η διεπαφή γίνεται λιγότερο για εισαγωγή δεδομένων και περισσότερο για ορατότητα και λήψη αποφάσεων. Θέλετε να δείτε τι συμβαίνει, να κατανοήσετε το γιατί, και να λάβετε αποφάσεις. Το λογισμικό θα χειριστεί το υπόλοιπο.

Εκκινήσεις όπως η DOSS εισέρχονται σε μια αγορά που κυριαρχείται από δεκαετίες-παλιές εταιρείες. Ποια είναι τα πλεονεκτήματα που έχουν τα AI-γενικά startups όταν ανταγωνίζονται τις καθιερωμένες επιχειρηματικές πλατφόρμες;

Οι καθιερωμένες εταιρείες έχουν το αντίθετο πρόβλημα από τις startups. Έχουν τεράστιες εγκαταστάσεις για να προστατεύσουν. Κάθε αρχιτεκτονική απόφαση που λαμβάνουν πρέπει να είναι向 προς τα πίσω συμβατή. Μπορούν να προσθέσουν χαρακτηριστικά AI σε υπάρχοντα προϊόντα, αλλά δεν μπορούν να ξανακατασκευάσουν τα υποκείμενα συστήματα χωρίς να σπάσουν όλα αυτά που τρέχουν πάνω τους. Αυτό δεν είναι μια αποτυχία φιλοδοξίας· είναι δομικό.

Σε ERP ειδικότερα, είναι επίσης φορτωμένες με επιχειρηματικές αποφάσεις που τις οδήγησαν σε ένα μονοπάτι όπου η δαπάνη είναι οδηγούμενη από τις συγκεκριμένες λειτουργίες που η Doss ψάχνει να εξαλείψει – επαγγελματίες συμβούλοι. Δεδομένου ότι οι χρήστες δαπανούν εννέα δολάρια σε συμβούλους για κάθε δολάριο που δαπανούν στο λογισμικό selbst, η ικανότητα να μετασχηματίσει το 90% της πηγής εσόδων είναι αδιανόητη για μεγάλες καθιερωμένες εταιρείες.

Ένα AI-γενικό σύστημα μπορεί να σχεδιαστεί από την αρχή ώστε το AI να είναι μέρος της πυρήνα αρχιτεκτονικής, όχι ένα στρώμα πάνω από αυτό. Το μοντέλο εφαρμογής, το μοντέλο δεδομένων και ο τρόπος που η διαμόρφωση λειτουργεί είναι όλα σχεδιασμένα με το AI ως πρώτης τάξης συμμετέχοντα. Αυτό είναι ένα πλεονεκτικό που συσσωρεύεται όπου κάθε ανάπτυξη κάνει το σύστημα καλύτερο, και οι εφαρμοστικοί agents γίνονται πιο ικανοί με κάθε νέο πελάτη. Αυτό το είδος βελτίωσης βρόχου δεν υπάρχει σε ένα σύστημα όπου η εφαρμογή είναι ακόμη μια ανθρώπινη συμβουλευτική εφαρμογή.

Κοιτάζοντας μπροστά, πώς φανταζόμαστε το AI να μετασχηματίζει το «λειτουργικό σύστημα» μιας επιχείρησης τις επόμενες πέντε έως δέκα χρόνια, ιδιαίτερα σε περιοχές όπως η ορατότητα αλυσίδας εφοδιασμού, η λήψη αποφάσεων σε πραγματικό χρόνο και οι αυτοματοποιημένες λειτουργίες;

Ιδρύσαμε την Doss με την πεποίθηση ότι τα επιχειρηματικά συστήματα θα μπορούσαν να κατασκευαστούν από τον εαυτό τους. Τρία χρόνια μετά, εισήλθαμε στη Φάση 2 της Doss: την agentic αυτο-οδηγούμενη εφαρμογή. Το πλάισιο μπορεί ήδη να γεννήσει, να επικυρώσει και να εξελίξει την εφαρμογή του πελάτη αντί να βασίζεται στην χειροκίνητη διαμόρφωση συμβούλων, και γίνεται καλύτερο με κάθε ανάπτυξη.

Η κατεύθυνση που αυτό πηγαίνει είναι ένα σύστημα που είναι πάντα σε συμφωνία με την επιχείρηση. Σήμερα, ο χάσμα μεταξύ του τρόπου που μια επιχείρηση λειτουργεί και του τι το λογισμικό γνωρίζει για αυτό είναι μήνες ή χρόνια. Το σύστημα ήταν διαμορφωμένο σε ένα σημείο του χρόνου και δεν έχει αλλάξει από τότε. Τι γίνεται δυνατό όταν αυτό το χάσμα κλείνει, όταν το σύστημα προσαρμόζεται σε πραγματικό χρόνο καθώς η επιχείρηση αλλάζει, είναι eine διαφορετική κατηγορία λειτουργικής ικανότητας. Η ορατότητα σε πραγματικό χρόνο δεν είναι απλώς ταχύτερη αναφορά· είναι η ικανότητα να πιάσετε μια διαταραχή αλυσίδας εφοδιασμού πριν γίνει μια αποτυχία πλήρωσης. Οι αυτοματοποιημένες λειτουργίες δεν είναι μόνο για αποτελεσματικότητα· είναι η ικανότητα να τρέχετε μια πιο σύνθετη επιχείρηση με την ίδια ομάδα. Αυτή είναι η εκδοχή του λογισμικού λειτουργιών που κατασκευάζουμε.

Ευχαριστούμε για τις λεπτομερείς απαντήσεις σας, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Doss.