Michael Delgado, Canalsin perustaja ja toimitusjohtaja – Haastattelusarja

Michael Delgado, Canalsin perustaja ja toimitusjohtaja, on entinen corporate lawyer, josta tuli yrittäjä, joka on rakentanut uransa yhdistämällä oikeudellisen asiantuntemuksen, tuotekehityksen ja operatiivisen teknologian. Aloittuaan huippuluokan asianajotoimistoissa, kuten Cravath, Swaine & Moore LLP, hän siirtyi startup-yrityksiin ja otti johtotehtäviä Willingissä, ennen kuin perusti Vestedin, joka myöhemmin myytiin MetLifelle. Hän perusti Canalsin vuonna 2022 soveltaen kokemustaan oikeudesta, operatiivisesta teknologiasta ja tuotekehityksestä ratkaisemaan perinteisten teollisuuden alojen tehokkuusongelmia, erityisesti hyödyntämällä tekoälyä monimutkaisten liiketoimintaprosessien modernisointiin.

Canals on tekoälykäyttöinen alusta, joka on suunniteltu automatisoimaan tukitoimintoja, kuten myyntitilausprosessia, ostoreskontraa ja hankintaa, tukkukauppiaille. Yritys keskittyy muuttamaan rakenteettomia syötteitä, kuten sähköposteja, PDF-tiedostoja ja käsin kirjoitettuja asiakirjoja, rakenteelliseksi, toimintavaksi dataksi, joka integroituu suoraan olemassa oleviin ERP-järjestelmiin. Jatkuva oppiminen käyttäjien kanssa mahdollistaa Canalsille vähentää manuaalista tietojen syöttämistä, minimoi virheitä ja nopeuttaa prosesseja, asemoen itsensä käytännöllisenä toteutuskerroksena liiketoiminnalle, eikä pelkästään analyyttisenä tekoälyratkaisuna.

Siirtyessäsi oikeudellisesta taustasta, kuten Cravath, Swaine & Moore LLP, startup-yrityksiin ja lopulta perustamalla Canalsin Vestedin jälkeen, mitkä tarkat murtumat jakeluprosesseissa johtivat yrityksen perustamiseen, ja miten aikaisemmat roolisi vaikuttivat tähän päätöksen?

Vaimoni johtaa jakeluyritystä, joten se oli kautta, jonka kokeilin varastoja, puhuin jakelijoiden kanssa ja opin alaa.

Kun olin enemmän mukana jakelussa, huomasin, että prosessi, jota kutsutaan ”myyntitilausprosessiksi”, oli se, jossa tilaukset tulivat jakelijalle monin kanavin ja eri muodoin, ja jokainen niistä piti tarkastaa ja syöttää manuaalisesti ERP-järjestelmään. Se on aikaa vievää työtä, joka kuormittaa myyntitiimejä – ihmisiä, joiden työn on olla tulonluomassa ja rakentamassa suhteita.

Miten enemmän keskustelin jakelijoiden kanssa, sitä selvemmäksi tuli, että tämä ei ollut pieni tehokkuusongelma. Myyntitilausprosessi on ydinprosessi valtavassa teollisuudessa, jota teknologia ei historiallisesti ole pystynyt palvelemaan, osittain siksi, että perinteinen ohjelmisto ei voinut käsitellä muutosten määrää. Olin viettänyt vuosia ohjelmistojen kehittämisessä ja seurannut tekoälyn kehitystä, joten olin hyvin varusteltu näkemään suuren markkinan, oikean kivun ja uuden ratkaisun. Canals kasvoi siitä.

Uusille lukijoille, mitä Canals tekee päivittäin organisaatioiden sisällä, ja miten se vuorovaikuttaa olemassa olevien järjestelmien, kuten Enterprise Resource Planning (ERP) -järjestelmien kanssa?

Yleisellä tasolla Canals ottaa syötteitä, joita jakelijat, urakoitsijat ja valmistajat käsittelevät päivittäin – sähköposteja, PDF-tiedostoja, taulukoita, jopa käsin kirjoitettuja muistiinpanoja – ja muuttaa ne rakenteelliseksi dataksi, joka voi virrata järjestelmien välillä ja voimia loppupäästä prosesseja. Se sitten käyttää tietoja automatisoidakseen alasvirtaavia toimintoja, kuten luomalla myyntitilaus tai lähettämällä lasku, ennen kuin se syöttää puhdistetun, validoidun datan suoraan ERP-järjestelmään.

ERP-järjestelmä on edelleen järjestelmänä, kun taas Canals toimii operatiivisena tekoälyllä, joka pitää sen tarkassa ja ajantasaisessa tilassa.

Teollisuusjakelu perustuu edelleen voimakkaasti sähköposteihin, PDF-tiedostoihin ja puheluihin tilausten ja laskujen hallintaan. Miksi tämä manuaalisen työn taso on säilynyt niin kauan, ja mitä on estänyt mielekkään automaation tähän asti? 

Ongelma on, että perinteinen ohjelmisto perustuu jääviin sääntöihin ja malleihin. Se toimii ympäristössä, jossa syötteet ovat johdonmukaisia, mutta rakennus- ja jakelualalla ei ole. Asiakirjat tulevat monina eri muodoin, ja on kymmeniä eri nimiä, lyhenteitä ja slangisanoja, jotka kaikki kuvaavat samaa tuotetta. Jossain vaiheessa reunatapaukset tulevat hallitsemattomiksi. Et voi määritellä jokaisen varianteen sääntöjä, joten prosessi palautuu manuaaliseen tulkintaan.

Halukkuus esitellä tehokkaampaa toimintaa on aina ollut olemassa, mutta teknologia ei ole pystynyt pitämään perässä, mikä on tehnyt aiemmat lähestymistavat hankaliksi ja mitättömiksi.

Yksi keskeinen haaste on muuttaa rakenteettomia syötteitä rakenteellisiksi toiminnoksi. Miten Canalsin alusta tulkitsee sähköposteja, liitteitä ja asiakirjoja ja muuttaa ne käytettäviksi tiedoiksi ja prosesseiksi?

Se on haaste, joka vaatii kaksi askelta ratkaisemaan.

Ensimmäinen on parsiminen. Canals tunnistaa asiakkaan sähköpostilaatikossa olevat relevantit asiakirjat, poimii niistä avainkohtia ja kenttiä ja poimii tiedot.

Toinen on vastaaminen. Tässä vaiheessa poimitut tiedot ratkaistaan järjestelmässä. Jossain tapauksissa se tarkoittaa kohdistamista oikeisiin tuotekoodiin, käsittelemistä tuotteen kuvausten variansseja ja yhdenmukaistamista. Toisissa tapauksissa se tarkoittaa asiakirjojen vastaamista, kuten laskun ja ostotilauksen ja vastaanoton vastaamista, rivi-erien kohdistamista ja poikkeamien tunnistamista.

Tuloksena on rakenteellinen, kontekstualisoitu data, joka voi ajaa loppupäästä prosessia.

Olette tukenut prosesseja, jotka liittyvät yli 2,1 miljardin dollarin maksamattomiin laskuihin. Mitkä kuviot nousevat esiin tehokkuusongelmista, viivästymisistä tai virheistä, joita useimmat yritykset eivät edes tiedä olevan olemassa? 

On joitain ilmeisiä tehokkuusparannuksia. Esimerkiksi laskujen käsittelyssä asiakkaamme automatisoivat keskimäärin 96 % laskujensa käsittelystä, mikä poistaa merkittävän määrän manuaalista työtä.

Mikä on mielenkiintoisempaa, on se, miten se ilmenee kustannussäästöjen ulottuvilla. Myyntitilauksissa nopeus vaikuttaa suoraan liikevaihtoon.

Rakennusalan aikataulit ovat kriittisiä, ja aikataulun noudattaminen on etusijalla. Jos urakoitsija pyytää tarjouksia useilta jakelijoilta ja toinen vastaa kymmenessä minuutissa, kun taas muut vievät tuntia, työ menee yleensä nopeimmin vastaavalle, vaikka se ei välttämättä ole halvin hinta. Saada materiaalit oikeaan aikaan on tärkeämpää kuin säästää muutama dollari.

Tämä dynamiikka vaikuttaa suoraan liikevaihtoon. Myyntitilauksen automatisointi lisää jakelijan mahdollisuuksia olla ensimmäinen, joka vastaa, mikä lisää heidän voittojaan. Yhdellä asiakkaallamme se kääntyi 57 %:iin transaktioista, jotka muuttuivat tilauksiksi, verrattuna aiempaan keskiarvoon, joka oli lähempänä 20 %:a.

Perinteiset järjestelmät, kuten ERP-alustat, ovat usein jääviä ja hankalia modernisoida. Miten lähestytte integraatiota ilman, että yritykset joutuvat purkamaan olemassa olevan infrastruktuurinsa?

ERP-järjestelmät ovat syvällä juurtuneita liiketoiminnan tapaan, joten todellinen rajoitus ei ole vain integraatio, vaan se, kuinka nopeasti ja puolueettomasti voitte integroida ilman, että lisäatte kuormitusta. Jos toteutus on hidasta tai vaatii paljon sisäistä IT-tukea, se muuttuu häiritseväksi esteeksi.

Meidän lähestymistapamme on aina ollut panostaa nopeaan ja kitkattomaan toteutukseen. Meillä on kymmeniä esivalmisteltuja integraatioita ja suuri joukko insinöörejä, jotka tukevat mukautettuja käyttöönottoja, ja priorisoimme asiakkaiden nopean käyttöönoton ilman, että luomme jatkuvaa ylläpitokuormitusta.

Näemme siirtymisen kohti autonomisempia järjestelmiä eri aloilla. Miten pitkälle automaatio voi realistisesti mennä jakeluprosesseissa ennen kuin ihmisen valvonta tulee jälleen kriittiseksi?

On monia asioita, joita tekoäly ei voi tehdä. Se ei tee monimutkaisia liiketoimintapäätöksiä, ei hoitaa asiakassuhteita eikä toimi kentällä. Mitä se voi tehdä, on poistaa paljon toistuvaa hallinnollista työtä, joka on alla prosesseja.

Useimmissa teollisuuden prosesseissa oikea malli on ihmisten osallistuminen, jossa tekoäly käsittelee suurimman osan työstä, jättäen ihmiset vastuuseen poikkeuksista. Kun jotain on yksinkertaista, se voidaan automatisoida. Kun jotain on epäselvää, arvokasta tai sisältää todellista riskiä, siinä on kriittistä ihmisten harkintaa.

Tavoitteena ei ole 100 %:n autonomia. Se on automatisoida tylsät, manuaaliset ja rutiininomaiset osat prosessista, jotta ihmiset voivat keskittyä arvokkaisiin päätöksiin ja poikkeuksiin.

Yksi riski automaation kanssa on menettää instituutioiden tietämys kokeneilta operaattoreilta. Miten Canals varmistaa, että asiantuntemus otetaan talteen ja heijastetaan järjestelmään sen sijaan, että se korvataan? 

Yksi tekoälyn etu perinteiseen ohjelmistoon nähden on, että se voi oppia ajan myötä.

Kun kokenut operaattori tarkistaa jotain, tekee korjauksen tai käsittelee poikkeuksen, järjestelmä voi ottaa nämä päätökset talteen ja soveltaa niitä älykkäästi eteenpäin. Kun käyttö lisääntyy, se alkaa luotettavasti heijastaa näitä malleja sen sijaan, että se nojautuisi kiinteään sääntöjoukkoon.

Se tarkoittaa, että instituutioiden tietämys ei enää ole sidottu yksittäiseen henkilöön. Sen sijaan se on upotettu järjestelmiin, joita käytetään liiketoiminnan pyörittämiseen, joten se sovelletaan yhdenmukaisemmin koko organisaatiossa. Kun kokeneet työntekijät lähtevät, heidän asiantuntemuksensa säilyy Canalsissa. Kun uudet työntekijät aloittavat, he työskentelevät järjestelmässä, joka jo heijastaa, miten liiketoimintaa pyöritetään, mikä auttaa heitä kiihdyttämään nopeammin ja toimimaan yhdenmukaisemmin.

Datakeskuksien rakentamisen kasvu asettaa todellista painetta toimitusketjuihin. Miten tämä kysyntä muuttaa odotuksia nopeudesta, tarkkuudesta ja koordinoinnista jakelijoiden osalta? 

Datakeskuksien rakentamisen kilpailu kiihtyy, kun 700 miljardia dollaria pumpataan rakentamiseen, mikä asettaa valtavan paineen urakoitsijoille ja jakelijoille pysyäkseen mukana.

Mitä tämä kysyntä muuttaa, on sietokyky viivästysten suhteen. Prosessit, jotka olivat hallittavissa alhaisemmissa volyymeissa – kuten manuaalinen tilauskäsittely ja asiakirjojen vastaaminen – alkavat murtua suuremmassa mittakaavassa. Kun projektit kasvavat suuremmiksi ja nopeammiksi, aukot tilaamisen, ostamisen ja toimituksen välillä tulevat näkyviksi ja kalliiksi kummallakin puolella transaktiota. Tarkkaa ja ajantasaista tietoa puuttuu koordinoinnista, mikä voi johtaa odottamattomiin viivästymisiin ja työn keskeytymiseen.

Joukkueet, jotka voivat toimia nopeasti ja reaaliajassa, ovat selkeässä edussa. Tuolloin automaatio ei ole vain tehokkuuskysymys, vaan se on vaatimus pysyäkseen mukana kysynnän tahdissa ja monimutkaisuudessa.

Miten näet tekoälyn muokkaavan hankintaa ja toimitusketjun prosesseja seuraavien viiden vuoden aikana, erityisesti kun järjestelmät siirtyvät avustavista työkaluista enemmän agenttimaisiin päätöksentekijöihin?

On vaikea sanoa varmuudella, mutta mitä on tullut selvemmäksi, on se, miten tekoälyä sovelletaan – kapeasti, tietyissä prosesseissa, joissa on paljon toistoa ja selkeä polku luotettavuuteen. Hankinnassa ja toimitusketjussa se ilmenee prosesseissa, jotka ovat sidottu oikeisiin dollareihin ja oikeisiin suhteisiin, joten autonomian kynnys on korkea. Lähiaikainen siirtymä tulee olemaan vähemmän agentin johtamaa päätöksentekoa ja enemmän sitä, mitä voidaan käsitellä luotettavasti, ihmisten pysyessä mukana siellä, missä se on tärkeää.