Rohit Aggarwal, COO di DecisionNext – Seri Wawancara

Rohit Aggarwal adalah Chief Operating Officer di DecisionNext, sebuah platform AI terkemuka yang memungkinkan perusahaan untuk mengoptimalkan pembelian atau penjualan komoditas pada waktu dan harga terbaik. Ia menggunakan latar belakang yang kuat di rantai pasokan dan manajemen produk serta pengalaman langsung memimpin tim besar untuk melaksanakan proyek multi-disiplin yang kompleks dan menghasilkan hasil bisnis. Rohit sebelumnya menjabat sebagai manajer produk dan operasi di Google (GOOGL ) dan Amazon (AMZN ).

Anda telah bekerja di Amazon dan lebih baru-baru ini di Google. Apa saja sorotan utama dari pengalaman Anda?

Di Amazon, saya memiliki kesempatan untuk mengelola tim yang beragam yang terdiri dari 250 karyawan fungsional untuk meluncurkan fasilitas operasional kelas dunia. Saya juga mendukung implementasi inovasi seperti pengiriman hari yang sama, robotika, dan teknologi lainnya. Kemudian di Google, saya menggunakan keterampilan saya untuk menjembatani kesenjangan antara produk dan operasi. Ini melibatkan membangun aplikasi dari awal untuk mengelola proses pengiriman baru, di antara penawaran lainnya.

Bagaimana DecisionNext menggunakan AI dan machine learning untuk meningkatkan peramalan harga dan pasokan komoditas?

DecisionNext menggunakan kecerdasan buatan dan machine learning untuk mengonsumsi ribuan set data dan menemukan hubungan historis dan saat ini antara faktor-faktor kunci. Kemudian, ia mempelajari informasi ini dan membangun model yang relevan untuk setiap komoditas. Di pasar pertanian dan sumber daya alam, alat kami membantu pelanggan untuk meramalkan harga dengan lebih baik, membuat keputusan yang lebih cerdas, mengurangi risiko, dan meningkatkan keuntungan di seluruh rantai pasokan global. Kami juga bekerja pada penggunaan Large Language Models (LLM) untuk menyederhanakan keputusan global yang kompleks dengan solusi yang sadar risiko.

Apa saja manfaat utama menggunakan platform AI DecisionNext dibandingkan dengan metode peramalan tradisional?

Pembeli dan penjual produk komoditas global sering menggunakan aturan dan spreadsheet untuk menyederhanakan sistem yang kompleks yang bernilai miliaran dolar dalam transaksi. Ini meninggalkan uang yang signifikan di atas meja. Spreadsheet ini telah bekerja dengan baik dan mendukung ratusan bisnis. Namun, karena dinamika tenaga kerja berubah dan pasar global menjadi lebih tidak terduga, mereka menjadi kurang efektif. DecisionNext telah menghabiskan waktu bertahun-tahun untuk menyempurnakan platform AI yang mengubah kompleksitas global menjadi rekomendasi yang dapat diambil tindakan dengan skala besar—secara signifikan meningkatkan kinerja keuangan.

Pelanggan kami memiliki ahli yang telah berada di ruang atau industri tertentu selama 30 tahun atau lebih. Dan ketika generasi baru datang, sangat penting untuk mempertahankan semua pengalaman itu dengan cara yang dapat digunakan. DecisionNext membantu dengan membangun perpustakaan komprehensif keputusan, mengintegrasikan pendapat ahli, dan mempelajari dari masa lalu.

Dengan melakukan hal ini, platform DecisionNext mengurangi risiko dan ketidakpastian dalam keputusan bisnis di seluruh unit bisnis dan individu sambil membangun cara yang dapat diperluas untuk membuat keputusan tersebut. Ini juga meningkatkan profitabilitas dalam transaksi sehari-hari, posisi jangka panjang, dan perencanaan strategis yang berorientasi pada masa depan.

Bagaimana peran data dinamis dalam proses pengambilan keputusan yang didorong AI di DecisionNext, dan bagaimana data ini diintegrasikan dan digunakan?

Data yang dinamis dan mutakhir sangat penting ketika membangun model kelas dunia. Namun, kecepatan dan kompleksitas dengan mana data dapat diproses dan dimodelkan bukanlah satu-satunya faktor. Misalnya, bagaimana model mengetahui bobot dari data point terbaru (misalnya, kejutan dalam sistem) dan bahwa ia perlu memperlakukannya secara berbeda? Pengguna kami dapat berinteraksi dengan model melalui teknologi paten untuk memasukkan pendapat mereka dan membangun analisis “what-if” untuk menggunakan data yang model atau sistem tidak dapat ketahui sebelumnya. Ini memungkinkan pelanggan kami untuk mendapatkan wawasan baru yang tidak mungkin dilakukan sebelumnya. Mereka juga dapat memahami dampak pergeseran global dalam pasokan atau peraturan perdagangan baru, di antara situasi lainnya.

Bagaimana platform AI DecisionNext merevolusi keputusan bisnis di pasar komoditas?

Platform kelas dunia kami telah merevolusi pendekatan standar untuk peramalan harga, pasokan, dan permintaan dengan memberikan pengguna lebih dari sekedar peramalan. Dengan alat kami, mereka dapat dengan cepat memahami risiko, ketidakpastian, dan menganalisis keputusan kompleks dengan beberapa klik mouse. DecisionNext memiliki sejumlah kasus penggunaan di seluruh rantai pasokan di pertanian dan pertambangan. Ini termasuk optimasi harga pembelian dan penjualan, perencanaan bisnis, arbitrase geografis dan produk, formulasi biaya terendah, dan manajemen risiko, di antara lainnya.

Bagaimana DecisionNext memastikan akurasi dan keandalan model peramalan AI untuk perdagangan komoditas?

Kami memastikan akurasi dan keandalan model peramalan AI kami melalui pengujian kembali yang intensif. DecisionNext telah membangun sistem yang ketat yang dapat dengan cepat menguji ribuan struktur model dan memberikan pengguna pemahaman penuh tentang seberapa akurat model tersebut. Ini dapat dilakukan dengan cara yang mudah dipahami dan juga memungkinkan kami untuk menggunakan akurasi tersebut untuk memprediksi ketidakpastian di masa depan.

Apakah Anda dapat membagikan contoh atau studi kasus tentang bagaimana DecisionNext membantu perusahaan menghadapi volatilitas pasar menggunakan alat AI?

Dengan DecisionNext, produsen bijih besi besar meningkatkan keuntungannya rata-rata 6-8% pada penjualan spot. Solusi kami membantu mereka mengoptimalkan strategi harga dan mengurangi waktu yang dibutuhkan untuk membuat keputusan kunci tentang arbitrase geografis. Serupa, kami dapat membantu produsen sapi membuat keputusan yang sama tentang di mana dan kapan menjual daging sapi dari bangkai mereka.

Dalam kedua kasus, DecisionNext menyediakan peramalan jangka pendek dan panjang yang akurat dan dapat dipertahankan untuk mengoptimalkan strategi perencanaan penjualan. Alat visualisasi kami memungkinkan produsen untuk dengan cepat menilai strategi penjualan multiple secara berdampingan untuk meminimalkan risiko, menyederhanakan pengambilan keputusan, dan lebih efektif meningkatkan margin.

Tanpa DecisionNext, perusahaan dipaksa untuk mengandalkan rata-rata historis, pasar futures (jika tersedia), dan pengalaman untuk menentukan harga barang. Meskipun efektif di masa lalu, dengan pasar komoditas yang semakin volatil, perusahaan meninggalkan jutaan dolar di atas meja.

Bagaimana pentingnya memiliki model peramalan interaktif untuk pengguna, dan bagaimana DecisionNext memastikan model-model ini ramah pengguna?

Model peramalan “black box” lama tidak memberitahu orang-orang mengapa peramalan itu apa adanya. Ini juga tidak dapat membantu dalam menerjemahkan peramalan menjadi keputusan yang dapat diambil. Jadi dalam skenario ini, pengguna mungkin tidak menggunakan peramalan yang sempurna dan kembali ke metode lama.

DecisionNext membantu pelanggan memperoleh pemahaman yang lebih baik tentang risiko pasar dan risiko bisnis serta mengapa keduanya harus terhubung ketika datang ke peramalan. DecisionNext menyediakan visibilitas penuh ke sumber data dan struktur model serta kejelasan strategis dan arah.

Semua ini disampaikan melalui dasbor yang ramah pengguna, dirancang untuk keterlibatan berkelanjutan.

Bagaimana pandemi dan peristiwa geopolitik baru-baru ini mempengaruhi pengembangan dan penggunaan AI dalam perdagangan komoditas di DecisionNext?

COVID-19 mengguncang rantai nilai daging global, dan salah satu pelanggan yang terkena dampak krisis ini adalah yang paling menonjol. Dengan jumlah besar makanan beku yang ditujukan untuk saluran pelayanan makanan yang segera dorman, pelanggan tersebut menggunakan analitik DecisionNext untuk dengan cepat dan optimal menghilangkan inventori saat lockdown menyebar di AS dan juga merencanakan bagaimana dan kapan membangun kembali inventori tersebut.

Menggunakan platform DecisionNext, pelanggan membangun dan membandingkan empat alternatif penjualan dan pengadaan yang kompleks untuk melihat hasil pasar yang diharapkan dan membandingkan risiko. Mereka dapat dengan sukses menghilangkan inventori berlebih di berbagai potongan, dan transaksi ini memberikan pengembalian 5X terhadap investasi perangkat lunak DecisionNext dalam satu bulan.

Apa kemajuan masa depan dalam AI dan machine learning yang Anda lihat akan mempengaruhi pasar komoditas, dan bagaimana DecisionNext mempersiapkan diri untuk hal itu?

DecisionNext berada di garis depan upaya untuk memanfaatkan AI dan machine learning untuk membuat pasar komoditas lebih efisien, menguntungkan, dan berkelanjutan. Ketika dunia terus berjuang dengan tantangan besar seperti perubahan iklim dan ketidakstabilan politik, teknologi cerdas akan menjadi komponen yang semakin penting dalam cara kita berhasil menghadapinya. Kami merasa terhormat untuk dipercaya oleh pelanggan dan mitra kami untuk menyediakan platform untuk membantu membuat hal itu terjadi.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi DecisionNext.