इलान ग्लक, डिजिटल मैटर में नॉर्थ अमेरिका के लिए गो-टू-मार्केट के प्रमुख – साक्षात्कार श्रृंखला

इलान ग्लक, डिजिटल मैटर में नॉर्थ अमेरिका के लिए गो-टू-मार्केट के प्रमुख, एक अनुभवी प्रौद्योगिकी और व्यावसायिक नेता हैं जिनकी पृष्ठभूमि इंटरनेट ऑफ थिंग्स (आईओटी), आर्टिफिशियल इंटेलिजेंस, सप्लाई चेन प्रौद्योगिकी, डेटा विश्लेषण और उद्यम रणनीति में है। डिजिटल मैटर में शामिल होने से पहले, उन्होंने कॉक्स 2एम और गियरट्रैक के साथ पांच साल से अधिक समय बिताया, जहां उन्होंने जनरल मैनेजर और चीफ रेवेन्यू ऑफिसर के रूप में काम किया और वास्तविक समय के एसेट ट्रैकिंग और सप्लाई चेन दृश्यता समाधानों को आगे बढ़ाने में मदद की। इससे पहले, ग्लक वेस्टलेस एआई में जनरल मैनेजर थे, जहां उन्होंने खाद्य खुदरा विक्रेताओं को अपशिष्ट कम करने में मदद करने के लिए डिज़ाइन किए गए एआई-संचालित गतिशील मूल्य निर्धारण प्रौद्योगिकी पर काम किया, और वाइसबीरगर, एक आईओटी और डेटा विश्लेषण कंपनी में वरिष्ठ उत्पाद और व्यावसायिक भूमिकाएं निभाईं, जिसे एबी इनबेव द्वारा अधिग्रहित किया गया था। उन्होंने डेलॉइट कंसल्टिंग में रणनीति और संचालन में अपना करियर शुरू किया, जिससे उन्हें उत्पाद, व्यावसायीकरण और रणनीतिक अनुभव का मिश्रण मिला।

डिजिटल मैटर एक वैश्विक आईओटी हार्डवेयर कंपनी है जो लंबे समय तक चलने वाले एसेट ट्रैकिंग, सेंसर मॉनिटरिंग और टेलीमैटिक्स समाधानों में माहिर है। कंपनी लॉजिस्टिक्स, फ्लीट और उपकरण ट्रैकिंग, सप्लाई चेन मॉनिटरिंग, कृषि, और पर्यावरणीय अनुप्रयोगों जैसे क्षेत्रों में तैनाती के लिए डिज़ाइन किए गए कठोर, कम-शक्ति वाले कनेक्टेड डिवाइस विकसित करती है। इसके हार्डवेयर में वैश्विक नेविगेशन सैटेलाइट सिस्टम (जीएनएसएस), वाई-फाई पोज़िशनिंग, ब्लूटूथ लो एनर्जी (बीएलई), सेल्युलर आईओटी, लोरावैन, और सैटेलाइट कनेक्टिविटी जैसी स्थिति और कनेक्टिविटी प्रौद्योगिकियों की एक श्रृंखला का समर्थन किया जाता है। डिजिटल मैटर एक क्लाउड-आधारित डिवाइस मैनेजर प्लेटफ़ॉर्म भी प्रदान करता है जो ग्राहकों और भागीदारों को दूरस्थ रूप से कनेक्टेड डिवाइसों को कॉन्फ़िगर, मॉनिटर, प्रावधान और प्रबंधित करने में सक्षम बनाता है।

डिजिटल मैटर में शामिल होने से पहले, आपने गियरट्रैक, वेस्टलेस एआई और वाइसबीरगर में काम किया, जहां वास्तविक समय के संचालन डेटा का उपयोग सप्लाई चेन में सुधार, अपशिष्ट कम करने और बेहतर व्यावसायिक निर्णय लेने के लिए किया गया था। उस अनुभव ने आपके आईओटी के दृष्टिकोण को उद्यम एआई के लिए आधार के रूप में कैसे आकार दिया है?

गियरट्रैक, वेस्टलेस एआई और वाइसबीरगर में, मैंने देखा कि सबसे अच्छी प्रौद्योगिकी केवल तब तक अच्छी है जब तक कि इसके पीछे डेटा अच्छा है।

प्रत्येक कंपनी एक अलग समस्या का समाधान कर रही थी, लेकिन सामान्य धागा वास्तविक दुनिया से वास्तविक समय की जानकारी का उपयोग करके बेहतर निर्णय लेना था। इसका अर्थ यह हो सकता है कि यह समझना कि इन्वेंट्री कहां है, अपशिष्ट की पहचान करना इससे पहले कि यह हो या एक व्यवसाय को जमीन पर क्या बदल रहा है इसका जवाब देने में मदद करना।

वे अनुभव वास्तव में मेरे आईओटी और एआई के बारे में सोचने के तरीके को आकार देते हैं। बहुत सारी मूल्यवान संचालन जानकारी अभी भी पारंपरिक व्यवसाय प्रणालियों में कब्जा नहीं की जाती है। यह वाहनों, उपकरणों, इन्वेंट्री, सुविधाओं और सप्लाई चेन में मौजूद है। आईओटी वह है जो इस भौतिक गतिविधि को उपयोगी डेटा में परिवर्तित करता है।

मेरे लिए, यह उद्यम एआई के लिए आईओटी को एक महत्वपूर्ण आधार बनाता है। यह एआई को वास्तव में चल रहे व्यवसाय का एक बहुत अधिक स्पष्ट और वर्तमान चित्र देता है। ऐतिहासिक रिपोर्टों को पीछे की ओर देखने के बजाय, कंपनियां पैटर्न की पहचान करना, मुद्दों की भविष्यवाणी करना और वास्तविक समय में बेहतर निर्णय लेना शुरू कर सकती हैं।

कई कंपनियां अपने प्रतिस्पर्धियों के समान सार्वजनिक डेटासेट पर एआई मॉडल को प्रशिक्षित कर रही हैं। आप क्यों मानते हैं कि स्वामित्व वाला संचालन डेटा एआई विभेदन का एक अधिक महत्वपूर्ण स्रोत बन रहा है?

समान डेटा इन, समान अंतर्दृष्टि आउट। जैसे ही एआई मॉडल तक पहुंच अधिक व्यापक होती जा रही है, मॉडल स्वयं तेजी से कमोडिटी बन रहे हैं, और वास्तविक विभेदक डेटा है जो उन्हें खिलाता है।

यदि हर कोई समान उपकरणों का उपयोग कर रहा है जो समान सार्वजनिक, तृतीय-पक्ष या ऐतिहासिक डेटासेट पर प्रशिक्षित हैं, तो वे सभी लगभग समान निष्कर्ष पर पहुंचते हैं।

दो प्रतिस्पर्धी खुदरा विक्रेताओं पर विचार करें जो समान एआई प्लेटफ़ॉर्म, बाज़ार की भविष्यवाणियों और ऐतिहासिक मांग डेटा का उपयोग कर रहे हैं। यदि उनमें से एक ने अपने गोदामों, ट्रेलरों, पैलेटों और उपकरणों में आईओटी सेंसर तैनात किए हैं, तो यह लगातार अपने एआई को जमीनी सच्चाई डेटा खिला रहा है – वास्तविक समय की जानकारी इन्वेंट्री आंदोलन, निवास समय, एसेट उपयोग, बोतलें और संचालन व्यवधान के बारे में। इसका एआई केवल पिछली तिमाही में क्या हुआ, इस पर नहीं सीख रहा है। यह व्यवसाय में क्या हो रहा है, इसके बारे में लगातार सीख रहा है।

समय के साथ, यह एक वास्तविक लाभ में जमा होता है। इसका एआई केवल ऐतिहासिक रुझानों या तृतीय-पक्ष बेंचमार्क पर निर्भर नहीं कर रहा है। यह व्यवसाय के अपने संचालन से वास्तविक समय में सीख रहा है, जो एक बुद्धिमत्ता का स्रोत बनाता है जिसे प्रतिस्पर्धी खरीद, स्क्रैप या प्रतिकृति नहीं कर सकते हैं।

जब सेंसर को बेड़े में, सुविधाओं में, उपकरणों में और सप्लाई चेन में तैनात किया जाता है, तो कंपनियां किस प्रकार की संचालन बुद्धिमत्ता को कब्जा कर सकती हैं जिसे वे अन्यथा याद करेंगे?

कई संगठन महत्वपूर्ण निर्णय लेते हैं जिसमें उनके भौतिक संचालन में क्या हो रहा है, इसकी निरंतर दृश्यता नहीं होती है। वे जानते हैं कि उनके पास कितना इन्वेंट्री है या जब एक शिपमेंट आने वाला था, लेकिन वे अक्सर यह जानने में असमर्थ होते हैं कि एसेट, उपकरण और कार्य प्रवाह वास्तव में दिन-प्रतिदिन कैसे प्रदर्शन कर रहे हैं।

बेड़े, सुविधाओं, उपकरणों और सप्लाई चेन में सेंसर तैनात करके, संगठन बोतलें, एसेट उपयोग, इन्वेंट्री आंदोलन और वास्तविक दुनिया की स्थितियों के प्रदर्शन को कैसे प्रभावित कर रही हैं, इसकी पहचान कर सकते हैं।

उदाहरण के लिए, एक खुदरा विक्रेता जानता है कि इन्वेंट्री एक वितरण केंद्र पर पहुंची और अंततः एक स्टोर में पहुंचा दी गई, लेकिन यह महसूस नहीं कर सकता कि कुछ पैलेट लगातार एक स्टेजिंग क्षेत्र में नीचे की ओर जाने से पहले कुछ अतिरिक्त दिन बिताते हैं। सेंसर डेटा के बिना, यह देरी बड़े पैमाने पर अदृश्य रहती है। आईओटी के साथ, यह मापने योग्य और क्रियाशील हो जाता है – टीमों को जड़ कारण की पहचान करने, इन्वेंट्री प्रवाह में सुधार करने और स्टॉक उपलब्धता मुद्दों को कम करने की अनुमति देता है।

आईओटी द्वारा उत्पन्न डेटा एआई प्रणालियों को प्रशिक्षित, परिष्कृत या आधार बनाने के लिए पारंपरिक उद्यम डेटा से कैसे भिन्न होता है?

पारंपरिक उद्यम डेटा अक्सर लेन-देन और ऐतिहासिक होता है, जो पहले से ही हुए घटनाओं को पकड़ता है, जैसे कि ऑर्डर, इनवॉइस, इन्वेंट्री रिकॉर्ड या पूर्ण व्यवसाय प्रक्रियाएं। जबकि जानकारी मूल्यवान है, यह मुख्य रूप से अतीत का स्नैपशॉट प्रतिबिंबित करता है। और बाजारों की तुलना में पहले से अधिक तेजी से, जो पिछले सीजन में हुआ हो सकता है, इसका इस बारे में बहुत कुछ नहीं बता सकता है कि यह सीजन क्या है।

आईओटी द्वारा उत्पन्न डेटा अलग है क्योंकि यह वास्तविक समय में क्या हो रहा है इसकी पकड़ देता है। यह संपत्ति स्थान, आंदोलन, उपयोग, पर्यावरणीय स्थितियों और अन्य संचालन संकेतों के बारे में निरंतर अंतर्दृष्टि प्रदान करता है जो आमतौर पर पारंपरिक उद्यम प्रणालियों में उपलब्ध नहीं होते हैं।

एआई अनुप्रयोगों के लिए, यह अंतर महत्वपूर्ण है। ऐतिहासिक डेटा यह बताता है कि क्या हुआ, जबकि आईओटी डेटा यह स्थापित करता है कि अब क्या हो रहा है। जब संगठन दोनों को जोड़ते हैं, तो वे एआई प्रणालियों को वर्तमान संचालन वास्तविकताओं में आधार बना सकते हैं, जो अधिक सटीक अंतर्दृष्टि और तेजी से सूचित निर्णय लेने की अनुमति देता है।

डिजिटल मैटर लंबे समय तक चलने वाले एसेट ट्रैकिंग और सेंसर मॉनिटरिंग के लिए निर्मित कम-शक्ति वाले उपकरणों पर जोर देता है। जटिल वातावरण में वर्षों तक आईओटी उपकरणों को विश्वसनीय रूप से डेटा उत्पन्न करने के सबसे बड़े तकनीकी चुनौतियां क्या हैं?

आईओटी उपकरणों को अक्सर ऐसे वातावरण में तैनात किया जाता है जो अनुमान लगाने में मुश्किल होते हैं और नियंत्रित करने में भी मुश्किल होते हैं। एक ही डिवाइस वर्षों तक सुविधाओं, वाहनों, ग्राहक साइटों, दूरस्थ स्थानों और अस्थिर कनेक्टिविटी वाले क्षेत्रों के बीच जा सकता है।

सबसे बड़ी चुनौतियों में से एक दृश्यता के साथ शक्ति की खपत को संतुलित करना है। जितना अधिक बार एक डिवाइस डेटा एकत्र करता है और प्रसारित करता है, उतनी ही अधिक ऊर्जा यह उपभोग करता है। डिवाइसों को डिज़ाइन करना जो महत्वपूर्ण घटनाओं को समझदारी से पकड़ सकते हैं, परिचालन स्थितियों में बदलाव के अनुकूल हो सकते हैं और वर्षों तक बैटरी जीवन को अधिकतम कर सकते हैं, विश्वसनीय डेटा को बड़े पैमाने पर वितरित करने के लिए महत्वपूर्ण है।

टिकाऊपन समान रूप से महत्वपूर्ण है। डिवाइसों को कंपन, प्रभाव, तापमान में परिवर्तन, नमी, और वर्षों तक दैनिक उपयोग के दौरान निरंतर प्रदर्शन करते हुए, थोड़ी से भी देखभाल के साथ, कठोर परिस्थितियों का सामना करना पड़ता है। यहां तक कि एक छोटा विफलता दर भी जब तैनाती हजारों या दस हजारों डिवाइस तक बढ़ जाती है, तो एक महत्वपूर्ण संचालन चुनौती बन सकती है।

एआई कंपनियों को कैसे मदद कर सकता है जो केवल एसेट का पता लगाने से आगे बढ़कर विफलताओं की भविष्यवाणी करने, मार्गों का अनुकूलन करने, अपशिष्ट को कम करने या उपयोगिता में सुधार करने की दिशा में काम कर रही हैं?

यह जानना कि एसेट कहां है, महत्वपूर्ण है, लेकिन स्थान अकेले chỉ आधी कहानी बताता है। वास्तविक अवसर एसेट का उपयोग कैसे किया जा रहा है, इसकी समझ में निहित है और मैनुअल रूप से पहचानने में मुश्किल पैटर्न की पहचान करना है। जब संगठन आईओटी डेटा को एआई के साथ जोड़ते हैं, तो वे केवल प्रतिक्रिया करने से आगे बढ़कर घटनाओं की भविष्यवाणी करना शुरू कर देते हैं।

आंदोलन, उपयोग, निवास समय, पर्यावरणीय स्थितियों और अन्य संचालन डेटा के रुझानों का विश्लेषण करके, एआई अक्षमताओं की पहचान करने, संभावित मुद्दों की भविष्यवाणी करने और सुधार के अवसरों को उजागर करने में मदद कर सकता है। इससे बेहतर एसेट उपयोग, अधिक कुशल संचालन, कम अपशिष्ट और तेजी से निर्णय लेने में मदद मिल सकती है। मूल्य केवल यह नहीं है कि एसेट आज कहां है, बल्कि डेटा का उपयोग यह तय करने के लिए किया जाता है कि आगे क्या होगा।

लॉजिस्टिक्स, कोल्ड चेन, स्वास्थ्य सेवा, निर्माण या उपकरण प्रबंधन जैसे उद्योगों में, जहां आप आईओटी डेटा को एआई के साथ जोड़ने के लिए निकट भविष्य में सबसे मजबूत अवसर देखते हैं?

सबसे मजबूत अवसर वितरित एसेट के प्रबंधन वाले जटिल संचालन में हैं, जो लॉजिस्टिक्स, कोल्ड चेन, स्वास्थ्य सेवा, निर्माण और उपकरण प्रबंधन को फिट करता है।

और यह सैद्धांतिक नहीं है। बड़े उद्यम, प्रमुख खुदरा विक्रेताओं से लेकर ऑटोमोटिव ओईएम और भारी उपकरण निर्माताओं तक, पहले से ही इस रणनीति पर अमल कर रहे हैं, जो यही कारण है कि वे महत्वपूर्ण आईओटी निवेश कर रहे हैं। उनके बोर्ड अब यह नहीं पूछ रहे हैं कि क्या वे एआई का उपयोग कर रहे हैं। वे यह पूछ रहे हैं कि व्यावसायिक मूल्य कहां से आ रहा है, और उत्तर संचालन से हैं: बेहतर प्रवाह, कम गुणवत्ता की घटनाएं, बेहतर समय पर डिलीवरी और बेहतर ग्राहक अनुभव।

निकट भविष्य में, सबसे बड़ा मूल्य उन संगठनों से आएगा जो अपने दैनिक संचालन से उत्पन्न गतिविधि का उपयोग करके बेहतर संचालन निर्णय ले रहे हैं जिसे वे पहले पूरी तरह से कब्जा नहीं कर पा रहे थे या उपयोग नहीं कर पा रहे थे।

जैसे ही कंपनियां अधिक सेंसर और कनेक्टेड डिवाइस तैनात करती हैं, उन्हें डेटा गुणवत्ता, सिग्नल विश्वसनीयता, सुरक्षा और शासन के बारे में कैसे सोचना चाहिए जब वे आईओटी डेटा को रणनीतिक एआई संपत्ति के रूप में मानते हैं?

एआई मॉडल उतने ही अच्छे हैं जितना डेटा उन्हें खिलाता है। संगठन अक्सर अधिक डेटा एकत्र करने पर ध्यान केंद्रित करते हैं, लेकिन यदि वह डेटा अधूरा है, असंगत है या अविश्वसनीय है, तो एआई की अंतर्दृष्टि भी ऐसी ही होगी। यह क्लासिक गार्बेज इन, गार्बेज आउट समस्या है, और उद्यम स्तर पर यह एक महंगी गलती बन जाती है।

इसका कारण यह है कि डेटा गुणवत्ता को दिन एक से प्राथमिकता देने की आवश्यकता है। संगठनों को यह विश्वास होना चाहिए कि डेटा लगातार एकत्र किया जा रहा है, सुरक्षित रूप से प्रसारित किया जा रहा है और भौतिक दुनिया में क्या हो रहा है इसका सटीक प्रतिनिधित्व करता है, साथ ही साथ डेटा की उत्पत्ति, प्रबंधन और व्याख्या के बारे में स्पष्ट शासन है।

अंततः, मूल्य डेटा को उत्पन्न करने में नहीं है। यह विश्वसनीय, उच्च गुणवत्ता वाले डेटा को उत्पन्न करने में है जो निर्णय लेने के लिए एक विश्वसनीय आधार के रूप में कार्य कर सकता है।

कंपनियों के लिए जो पहले से ही आईओटी तैनाती की है, उन्हें अपने डेटा को एआई अनुप्रयोगों के लिए अधिक उपयोगी बनाने के लिए क्या कदम उठाने चाहिए?

पहला कदम व्यवसाय समस्या से शुरू करना है, एआई से। एक बार जब उद्देश्य स्पष्ट हो जाता है, चाहे वह निवास समय को कम करना, उपयोगिता में सुधार करना या नुकसान को कम करना हो, तो यह बहुत आसान हो जाता है कि डेटा, कार्यप्रवाह और एआई क्षमताओं की पहचान करना जो इसका समर्थन करने की आवश्यकता है। कई संगठन पहले से ही बड़ी मात्रा में संचालन डेटा एकत्र करते हैं, लेकिन यह असंबद्ध प्रणालियों में बैठता है और कभी भी निर्णय में अपना रास्ता नहीं बनाता है।

दूसरा कदम वह है जिसे अधिकांश कंपनियां कम आंकती हैं, और वह है परिवर्तन प्रबंधन। बड़े पैमाने पर तैनाती विफल नहीं होती है क्योंकि प्रौद्योगिकी विफल हो जाती है। वे तब विफल होते हैं जब लोग डेटा से क्या सीख रहे हैं उस पर कार्रवाई नहीं करते हैं। एक स्टेजिंग क्षेत्र में कम स्टॉक के बारे में एक अलर्ट केवल तभी मूल्य बनाता है जब कोई वास्तव में इन्वेंट्री को स्थानांतरित करता है, इसलिए डेटा को कार्रवाई से जोड़ने वाली प्रक्रियाओं और आदतों का निर्माण करना काम का सबसे कठिन और सबसे महत्वपूर्ण हिस्सा है।

अंततः, सबसे अधिक सफलता देख रही कंपनियां वे हैं जो संचालन डेटा को व्यावसायिक परिणामों से जोड़ रही हैं और सुनिश्चित कर रही हैं कि उनके लोग इसका उपयोग कर रहे हैं।

आगे देखते हुए, क्या आप मानते हैं कि स्वामित्व वाला संचालन बुद्धिमत्ता एआई नेताओं और उन कंपनियों के बीच सबसे बड़ी बाधाओं में से एक बन जाएगी जो हर किसी के समान उपकरणों का उपयोग कर रही हैं?

हाँ। जैसे ही एआई अधिक व्यापक रूप से उपलब्ध हो जाती है, प्रौद्योगिकी स्वयं कम विभेदक बन जाती है।

जो संगठन खड़े होंगे वे वे होंगे जो अपने स्वयं के वातावरण से अनोखी संचालन बुद्धिमत्ता उत्पन्न कर रहे हैं और इसका उपयोग बेहतर निर्णय लेने के लिए कर रहे हैं। कई उद्योगों में, सबसे मूल्यवान जानकारी अभी भी भौतिक दुनिया में मौजूद है – एसेट, उपकरण, इन्वेंट्री, और सप्लाई चेन में – और इसे खरीदा नहीं जा सकता है, स्क्रैप नहीं किया जा सकता है या प्रतिकृति नहीं की जा सकती है।

वे कंपनियां जो लगातार इस जानकारी को पकड़ सकती हैं, समझ सकती हैं और कार्रवाई कर सकती हैं, वे उन लोगों की तुलना में एक बहुत मजबूत स्थिति में होंगी जो केवल हर किसी के समान उपकरणों और डेटासेट पर निर्भर कर रहे हैं।

धन्यवाद महान साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें डिजिटल मैटर पर जाना चाहिए।