Lauri Kien Kotcher, Διευθύνων Σύμβουλος και Συνιδρυτής της Different Day – Σειρά Συνεντεύξεων

Lauri Kien Kotcher, Διευθύνων Σύμβουλος και Συνιδρυτής της Different Day, είναι μια έμπειρη ηγετική προσωπικότητα στον επιχειρηματικό χώρο, δημιουργός εμπορικού σήματος, μέλος διοικητικού συμβουλίου και στρατηγική σύμβουλος, του οποίου η καριέρα εκτείνεται στην τεχνητή νοημοσύνη, τα καταναλωτικά προϊόντα, το λιανικό εμπόριο, την υγειονομική περίθαλψη, τις χρηματοοικονομικές υπηρεσίες και το ιδιωτικό κεφάλαιο. Πριν ιδρύσει τη Different Day, υπηρέτησε ως Διευθύνων Σύμβουλος και μέλος του διοικητικού συμβουλίου της quip, όπου ηγήθηκε μιας ευρύτερης μετάβασης από την φροντίδα του στόματος στην ευεξία του στόματος, παρουσίασε νέα προϊόντα, επανασχεδίασε το μοντέλο συνδρομής άμεσης πώλησης της εταιρείας και μείωσε τα λειτουργικά έξοδα. Προηγουμένως ηγήθηκε της The Shade Store και της Hello Products, οδηγώντας τη δεύτερη σε σημαντική ανάπτυξη και στην εξαγορά της από την Colgate το 2020. Τα προηγούμενα ηγετικά της καθήκοντα περιλαμβάνουν ανώτερες θέσεις στην L Catterton, Godiva Chocolatier, Lehman Brothers και Pfizer Consumer Healthcare, καθώς και 15 χρόνια στη McKinsey & Company, όπου έγινε συνεργάτης και συν‑ηγέτης της πρακτικής της εταιρείας για τα καταναλωτικά αγαθά της Βόρειας Αμερικής. Η Kotcher επίσης υπηρετεί στο διοικητικό συμβούλιο της Freshpet, φέρνοντας εκτενή εμπειρία στη στρατηγική ανάπτυξης, καινοτομία, μάρκετινγκ, συγχωνεύσεις και εξαγορές, και οργανωτικούς μετασχηματισμούς.

Different Day βοηθά οργανισμούς μεσαίου μεγέθους να μετατρέπουν λειτουργικές προκλήσεις σε πρακτικές, προσαρμοσμένες εφαρμογές τεχνητής νοημοσύνης που ενσωματώνονται στα υπάρχοντα τεχνολογικά περιβάλλοντά τους. Αντί να εστιάζει σε πειραματικά έργα AI ή γενικού σκοπού λογισμικό, η εταιρεία αναπτύσσει ολοκληρωμένες λύσεις σχεδιασμένες να μειώνουν την χειροκίνητη εργασία, να βελτιώνουν τη διαφάνεια, να επιταχύνουν την αύξηση εσόδων, να ενδυναμώνουν τα περιθώρια κέρδους και να αποκαλύπτουν χρήσιμες επιχειρηματικές πληροφορίες. Η δουλειά της καλύπτει τομείς όπως η πρόβλεψη ζήτησης, ο προγραμματισμός εφοδιασμού και αποθεμάτων, η πνευματική ανάλυση πωλήσεων, η συμφωνία οικονομικής βοήθειας, η συμμόρφωση, η ανάλυση συμβάσεων, η διαχείριση πελατειακών σχέσεων και η αναφορά απόδοσης. Η Different Day τοποθετεί την ομάδα της ως συνεργάτη από την αρχική ανακάλυψη του προβλήματος μέχρι την υλοποίηση και τη μεταφορά γνώσης, επιτρέποντας στους πελάτες να λειτουργούν και να συνεχίζουν τη βελτίωση των εφαρμογών εσωτερικά.

Πέρασες δεκαετίες οδηγώντας μετασχηματισμούς στη McKinsey, Godiva, hello products, The Shade Store και quip πριν συνιδρύσεις τη Different Day. Τι σε έπεισε ότι οι εταιρείες μεσαίου μεγέθους χρειάζονταν έναν νέο τύπο συνεργάτη AI, και ποια λειτουργικά προβλήματα πίστευες ότι οι υπάρχοντες προμηθευτές τεχνολογίας και οι συμβουλευτικές εταιρείες δεν κατάφερναν να λύσουν;

Καταπληκτικά, οι επιχειρηματικοί ηγέτες συχνά ζουν στο σκοτάδι. Ως Διευθύνων Σύμβουλος και Διευθυντής Μάρκετινγκ που διαχειρίζεται ταχέως αναπτυσσόμενες καταναλωτικές μάρκες και λιανικές εταιρείες μεσαίου μεγέθους, δεν μπορούσα ποτέ να αποκτήσω σαφή εικόνα του πλήρους εύρους όλων των μεταβαλλόμενων στοιχείων της επιχείρησης. Τα δεδομένα μας συχνά ζούσαν σε αποσυνδεδεμένα σιλοβάκια ανά κανάλι, γεωγραφία και λειτουργικό υπεύθυνο. Η διαίσθησή μου ήταν ότι η AI θα μπορούσε τελικά να συνδέσει αυτά τα σημεία και να βοηθήσει να καταλάβουμε τι μας λείπει, αλλά δεν ήξερα σε ποιον να καλέσω ή από πού να ξεκινήσω. Η Different Day έγινε η απάντηση σε αυτή την ερώτηση.

Οι εταιρείες μεσαίου μεγέθους διαθέτουν λιγότερους πόρους από τις μεγάλες επιχειρήσεις, αλλά μπορεί επίσης να έχουν λιγότερη γραφειοκρατία και τεχνικό χρέος. Πώς θα πρέπει η προσέγγισή τους στην υλοποίηση AI να διαφέρει από το εγχειρίδιο των μεγάλων επιχειρήσεων;

Οι εταιρείες μεσαίου μεγέθους διαθέτουν μια εξαιρετική υπερδύναμη που πρέπει να αγκαλιάσουν. Πρέπει να στοχεύουν να ξεπεράσουν τους μεγαλύτερους ανταγωνιστές τους, καθώς η ταχύτητα είναι το πραγματικό τους πλεονέκτημα. Η άποψή μας είναι ότι μπορούμε να μετατρέψουμε τις περισσότερες επιχειρήσεις μεσαίου μεγέθους σε οργανισμούς με ενσωματωμένη AI, σαν να λανσάρονται το 2026 από το μηδέν. Οι μεγάλες επιχειρήσεις φοβούνται σιωπηλά ότι η AI θα επιτρέψει σε μικρότερους ανταγωνιστές να εξισώσουν το πεδίο, χρησιμοποιώντας συνεργάτες AI για να κινηθούν πιο γρήγορα χωρίς να προσθέτουν προσωπικό. Λιγότεροι άνθρωποι σημαίνει λιγότεροι άνθρωποι που αποφασίζουν τι να κάνουν, πώς να το κάνουν και ποιοι είναι οι στόχοι, έτσι ώστε ένας μικρότερος οργανωτικός χάρτης να γίνει πλεονέκτημα, όχι περιορισμός.

Κατά την αξιολόγηση των λειτουργιών μιας εταιρείας, πώς διακρίνετε μια ροή εργασίας που πραγματικά ωφελείται από AI από αυτή που θα ήταν καλύτερο να αντιμετωπιστεί μέσω συμβατικής αυτοματοποίησης, βελτιωμένου λογισμικού ή επανασχεδίασης διαδικασίας;

Πιστεύω στην ακατέργαστη προσέγγιση: αφαιρέστε τη ροή εργασίας σας στα βασικά. Η απλοποίηση της διαδικασίας πρέπει να προηγείται της AI. Ξεκινήστε με ένα καθαρό φύλλο χαρτί – τι θα κάνατε εδώ αν το παλιό λογισμικό και οι παρακάμψεις δεν υπήρχαν; Οι περισσότερες υπάρχουσες διαδικασίες δημιουργήθηκαν για να παρακάμπτουν αδύναμα εργαλεία, όχι επειδή είναι ο σωστός τρόπος εργασίας. Καθώς οι συμβάσεις έρχονται για ανανέωση, ρωτήστε ποιες λειτουργίες χρησιμοποιείτε, και με λίγες εξαιρέσεις, η AI μπορεί να δημιουργήσει κάτι πιο προσαρμοσμένο από ό,τι έχετε σήμερα. Αν και υπάρχουν πάντα συστήματα που αξίζει να διατηρηθούν, όπως το ERP ή το CRM σας, σχεδιάζουμε τα ακριβή πρόσθετα που χρειάζεστε και τίποτα παραπάνω.

Η Different Day λέει ότι μπορεί να ξεκινήσει με ένα πρωτότυπο 72 ωρών και να περάσει σε παράδοση έτοιμη για παραγωγή μέσα σε λίγες εβδομάδες. Τι καθιστά αυτόν τον ρυθμό δυνατό και ποιες τεχνικές, ασφαλείας ή οργανωτικές συνθήκες θα μπορούσαν να επιβραδύνουν μια υλοποίηση;

Φαίνεται ως υπερβολική υπόσχεση, αλλά αντανακλά το μοναδικό μας πλεονέκτημα ως εταιρεία που ιδρύθηκε από ανθρώπους που κατανοούν την επιχείρηση ΚΑΙ την τεχνολογία. Η ομάδα μας είναι AI‑φυσική, έτσι η κατασκευή κινείται πολύ πιο γρήγορα από την παραδοσιακή ανάπτυξη λογισμικού. Αυτό που δεν αλλάζει είναι η ανακάλυψη: ποιος κατέχει τη διαδικασία, ποιος άλλος πρέπει να συμμετάσχει, ποιο αποτέλεσμα στοχεύετε και κατά πόσο, τι απέτυχε στο παρελθόν. Αν παραλείψετε αυτή τη δουλειά εκ των προτέρων, θα επανεμφανιστεί αργότερα· σε ενσωματώσεις, σε υλοποίηση, με πολύ υψηλότερο κόστος. Ο ρυθμός είναι δυνατός μόνο επειδή φορτώνουμε την κατανόηση εκ των προτέρων αντί για τον κώδικα.

Πολλές επιχειρήσεις μεσαίου μεγέθους λειτουργούν με αποσυνδεδεμένα λογιστικά φύλλα, παλαιά συστήματα και ασυνεπείς πηγές δεδομένων. Πόση προετοιμασία δεδομένων απαιτείται συνήθως πριν η AI παραγάγει αξιόπιστα λειτουργικά αποτελέσματα;

Τα αποσυνδεδεμένα δεδομένα με τα οποία ζουν οι περισσότερες εταιρείες μεσαίου μεγέθους είναι στην πραγματικότητα η ευκαιρία, όχι το εμπόδιο. Τα εργαλεία μας αποκαλύπτουν ακριβώς πού υπάρχουν τα κενά, και η εταιρεία αποφασίζει αν και πώς θα τα γεμίσει. Πριν από την AI, αυτά τα κενά ήταν αόρατα· κάποιος απλώς έβαλε τα λογιστικά φύλλα σε μια απόφαση ή αποφάσισε με ελλιπή δεδομένα χωρίς να το συνειδητοποιήσει. Τώρα οι ομάδες μπορούν να δουν το κενό και να αξιολογήσουν την απόφασή τους ανάλογα, αντί να υποθέτουν ότι τα δεδομένα ήταν στέρεα.

Ποια μετρικά πρέπει να θέσουν οι στελέχοι πριν ξεκινήσουν ένα έργο AI και πόσο γρήγορα θα πρέπει να δουν αποδείξεις ότι μια υλοποίηση δημιουργεί ουσιαστική απόδοση επένδυσης;

Η AI μπορεί να είναι νέα, αλλά οι κλασικές επιχειρηματικές αρχές παραμένουν. Το πρόβλημα εμφανίζεται όταν οι άνθρωποι πιστεύουν ότι όλοι οι παλιοί κανόνες έχουν εξαφανιστεί. Κάθε έργο AI χρειάζεται έναν σαφή στόχο από την αρχή, είτε πρόκειται για πωλήσεις, ορατότητα μάρκας, περιθώριο κέρδους, ταχύτητα λήψης αποφάσεων, ή μεγαλύτερη παραγωγή χωρίς επιπλέον προσωπικό, μαζί με ένα ρεαλιστικό χρονοδιάγραμμα για την επίτευξή του. Τα χρονοδιαγράμματα διαφέρουν ανάλογα με τον αριθμό των συνδέσεων δεδομένων, τα εσωτερικά και εξωτερικά συστήματα που εμπλέκονται και το πόσο πρέπει το εργαλείο να μάθει πριν τα αποτελέσματά του είναι στέρεα. Θα πρέπει να δείτε κάποιο αποτέλεσμα εντός τριών μηνών· πιο σύνθετα έργα απαιτούν περισσότερο χρόνο. Το κλειδί είναι να σχεδιάσετε το έργο σε στάδια, ώστε να μην περιμένετε ένα μεγάλο, μοναδικό αποτέλεσμα.

Η Different Day επισημαίνει εφαρμογές που καλύπτουν την πρόβλεψη ζήτησης, τον προγραμματισμό εφοδιασμού, την ανάλυση συμβάσεων, τη συμφωνία οικονομικής βοήθειας και τα σήματα πωλήσεων σε πραγματικό χρόνο. Ποιες περιπτώσεις χρήσης παράγουν τα πιο επαναλήψιμα αποτελέσματα σήμερα, και ποιες παραμένουν εξαιρετικά εξαρτημένες από τη βιομηχανία και το λειτουργικό μοντέλο μιας εταιρείας;

Μην υποτιμάτε τον παράγοντα επαναληψιμότητας της AI. Σε πολλές πτυχές, οι επιχειρήσεις είναι δομικά πιο παρόμοιες απ’ ό,τι συνειδητοποιούμε, από τα καθολικά συμβόλαια μέχρι την αντιστοίχιση των αναγκών των πελατών με τις εσωτερικές δυνατότητες. Η ανάλυση συμβάσεων και η συμφωνία οικονομικής βοήθειας είναι οι πιο επαναλήψιμες σήμερα· και τα δύο έχουν σαφείς παραμέτρους και σαφή αποτελέσματα, έτσι το εργαλείο ξέρει ακριβώς τι προσπαθεί να λύσει. Η πρόβλεψη ζήτησης και ο προγραμματισμός εφοδιασμού είναι πιο δύσκολα: περισσότερα σύνολα δεδομένων, περισσότερα κανάλια και πολύ μεγαλύτερη διαφοροποίηση από το μοντέλο λειτουργίας μιας εταιρείας στην άλλη. Κάτι όπως η ειδοποίηση πελατών σε πραγματικό χρόνο βρίσκεται στη μέση, ανάλογα με το τρέχον τεχνολογικό στοίβο και τα κανάλια της εταιρείας.

Πώς πρέπει μια επιχείρηση να αποφασίσει αν θα αγοράσει ένα έτοιμο προϊόν AI, θα το κατασκευάσει εσωτερικά ή θα αναπτύξει μια προσαρμοσμένη εφαρμογή με εξωτερικό συνεργάτη; Ποιες ερωτήσεις βοηθούν να αποκαλύψουν περιττή πολυπλοκότητα ή εξάρτηση από προμηθευτή;

Αποφύγετε το clickbait AI και να είστε σκεπτικοί απέναντι σε δημοσιεύσεις στο LinkedIn που παρουσιάζουν την εσωτερική κατασκευή εξελιγμένων εργαλείων ως εύκολη. Κατασκευάστε εσωτερικά μόνο όταν το εργαλείο είναι πραγματικά απλό, όπως ένας πίνακας ελέγχου που συγκεντρώνει μερικά λογιστικά φύλλα σε μια καθαρή προβολή για λίγους συναδέλφους. Τη στιγμή που χρειάζεστε δεδομένα σε πραγματικό χρόνο από εσωτερικά και εξωτερικά συστήματα, αυτό είναι εκτός εμβέλειας για μια μη τεχνική ομάδα με εργαλεία DIY. Η έτοιμη AI έχει το ίδιο όριο όπως πάντα είχε το έτοιμο SaaS. Σας παρέχει μια ανάγνωση γενικών δεδομένων, αλλά δεν προσφέρει τη λεπτομέρεια που είναι ειδική για την επιχείρησή σας και τους ανταγωνιστές σας.

Ποια είναι τα πιο συχνά λάθη που βλέπετε οι εταιρείες να κάνουν όταν μεταβαίνουν από μια εντυπωσιακή επίδειξη AI σε ένα σύστημα που οι υπάλληλοι πρέπει να εμπιστεύονται και να χρησιμοποιούν καθημερινά;

Παρατηρώ μια επιδημία «πρωτοτυπίας‑ιτίδας»: εταιρείες που πέφτουν στο ορατό 10 τοις εκατό του παγόβουνου. Το πρωτότυπο φαίνεται εντυπωσιακό, αλλά η πραγματική δουλειά γίνεται κάτω από την επιφάνεια: δοκιμή δεδομένων και επαναδοκιμή, έλεγχος κάθε σύνδεσης συστήματος και διασφάλιση των δεδομένων. Στη συνέχεια έρχεται η διαχείριση αλλαγών: η εκπαίδευση των ανθρώπων πώς να το χρησιμοποιούν, πού είναι τα όριά του, πότε ένας άνθρωπος πρέπει να παραμείνει στο βρόχο, και ποιες ερωτήσεις να θέτει για τα αποτελέσματά του. Η AI πρέπει να είναι κατάλληλη για έναν σκοπό, όχι αντικατάσταση της ανθρώπινης κρίσης, ειδικά σε μια εταιρεία μεσαίου μεγέθους όπου αυτή η κρίση χτίστηκε σε χρόνια.

Καθώς η AI ενσωματώνεται στις βασικές λειτουργίες, πώς αναμένετε να αλλάξουν οι ρόλοι των διευθυντών και των εργαζομένων στη γραμμή παραγωγής, και τι πρέπει να κάνουν τώρα οι ηγέτες των μεσαίων επιχειρήσεων ώστε η AI να ενισχύει τις ομάδες τους αντί να προσθέτει απλώς ένα ακόμη επίπεδο τεχνολογίας;

Οι «Διευθυντές» παλαιότερα αναφερόταν στην καθοδήγηση ανθρώπων. Γρήγορα, έχει μετατραπεί στη διαχείριση πρακτόρων και συστημάτων. Ξεκινήστε χαρτογραφώντας τα μεγαλύτερα σημεία πόνου της ομάδας και απομονώνοντας τη χειροκίνητη, επαναλαμβανόμενη εργασία· εκεί είναι που η AI ανήκει αρχικά, πριν της αναθέσετε πιο σύνθετες αποφάσεις. Περπατήστε πριν τρέξετε, ειδικά σε μια εταιρεία μεσαίου μεγέθους όπου η εμπιστοσύνη πρέπει να κερδίζεται βήμα‑βήμα.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα θα πρέπει να επισκεφθούν το Different Day.