Michael Delgado, Co-Fondatore e Amministratore Delegato di Canals – Serie di Interviste

Michael Delgado, Co-Fondatore e Amministratore Delegato di Canals, è un ex avvocato d’impresa diventato imprenditore che ha costruito una carriera che combina competenze legali, sviluppo di prodotti e tecnologia operativa. Dopo aver iniziato in studi legali di primo livello come Cravath, Swaine & Moore LLP, è passato alle startup, ricoprendo ruoli di leadership in Willing prima di co-fondare Vested, che in seguito è stato acquisito da MetLife. Ha poi fondato Canals nel 2022, applicando la sua esperienza in diritto, operazioni e prodotti per affrontare le inefficienze nei settori tradizionali, in particolare sfruttando l’intelligenza artificiale per modernizzare i flussi di lavoro aziendali complessi.

Canals è una piattaforma guidata da intelligenza artificiale progettata per automatizzare le operazioni critiche di back-office per i distributori all’ingrosso, tra cui l’elaborazione degli ordini di vendita, i pagamenti e gli acquisti. L’azienda si concentra sulla trasformazione di input non strutturati come e-mail, PDF e documenti manoscritti in dati strutturati e azionabili che si integrano direttamente nei sistemi ERP esistenti. Continuando a imparare dalle interazioni degli utenti, Canals riduce l’inserimento manuale dei dati, minimizza gli errori e accelera i flussi di lavoro operativi, posizionandosi come uno strato di esecuzione pratico per le aziende piuttosto che come una soluzione di intelligenza artificiale puramente analitica.

Si è trasferito da un background legale in studi come Cravath, Swaine & Moore LLP alle startup, fondando infine Canals dopo la sua esperienza nella costruzione di Vested. Quali sono stati i problemi specifici nei flussi di lavoro di distribuzione che l’hanno spinto a fondare l’azienda e come i suoi ruoli precedenti hanno influenzato quella decisione?

Mia moglie gestisce un’azienda di distribuzione, quindi è stato attraverso di lei che ho iniziato a visitare magazzini, a parlare con i distributori e a conoscere l’industria.

Man mano che trascorrevo più tempo immerso nella distribuzione, ciò che mi colpiva di più era un processo chiamato “inserimento dell’ordine di vendita”. Gli ordini arrivano a un distributore attraverso una vasta gamma di canali e in una vasta gamma di formati, e ognuno di essi deve essere esaminato e inserito manualmente in un ERP. È un lavoro lungo e noioso che grava sulle squadre di rappresentanti delle vendite, persone il cui lavoro dovrebbe essere quello di generare entrate e costruire relazioni.

Quanto più parlavo con i distributori, tanto più mi rendevo conto che non si trattava di un’in-efficienza di poco conto. L’inserimento dell’ordine di vendita è un flusso di lavoro fondamentale in un’industria mastodontica che la tecnologia ha storicamente fallito nel servire, in parte perché il software tradizionale non poteva gestire la variabilità. Avevo trascorso anni a costruire software e a seguire l’avanzamento dell’intelligenza artificiale, quindi ero ben equipaggiato per vedere un grande mercato, un vero dolore e un nuovo modo per risolverlo. Canals è nata da lì.

Per i lettori che si avvicinano a questo settore per la prima volta, cosa fa effettivamente Canals all’interno di un’organizzazione nella vita di tutti i giorni e come interagisce con i sistemi esistenti come la Pianificazione delle Risorse Aziendali (ERP)?

A un livello alto, Canals prende gli input che i distributori, i contractor e i produttori trattano ogni giorno – e-mail, PDF, fogli di calcolo, anche appunti manoscritti – e li trasforma in dati strutturati che possono fluire tra i sistemi e alimentare flussi di lavoro end-to-end. Quindi utilizza quei dati per automatizzare azioni a valle, che sia generare un ordine di vendita o inviare una fattura, prima di spingere dati puliti e validati direttamente in un ERP.

L’ERP rimane il sistema di record, mentre Canals agisce come l’intelligenza artificiale operativa che lo mantiene preciso e aggiornato.

La distribuzione industriale si affida ancora ampiamente a e-mail, PDF e telefonate per gestire gli ordini e le fatture. Perché questo livello di lavoro manuale è persistito per così tanto tempo e cosa ha impedito un’automazione significativa fino a ora?

Il problema è che il software tradizionale dipende da regole rigide e modelli standard. Funziona in ambienti in cui gli input sono coerenti, ma la costruzione e la distribuzione non sono così. I documenti arrivano in una vasta gamma di formati e ci sono decine di nomi diversi, termini abbreviati e gergo di settore che descrivono tutti lo stesso prodotto. A un certo punto, il numero di casi limite diventa ingestibile. Non è realistico definire regole per ogni variante, quindi il processo ricade sull’interpretazione manuale.

La volontà di introdurre maggiore efficienza è sempre esistita, ma fino a poco tempo fa la tecnologia non poteva stare al passo, rendendo gli approcci precedenti difficili da implementare e impossibili da scalare.

Una sfida fondamentale qui è quella di trasformare input non strutturati in azioni strutturate. Come la piattaforma interpreta e-mail, allegati e documenti e li converte in dati e flussi di lavoro utilizzabili?

È una sfida che richiede due passaggi per essere risolta.

Il primo è l’analisi. Canals identifica i documenti rilevanti nella casella di posta di un utente, estrae le voci di riga e i campi chiave e estrae i dati.

Il secondo è l’abbinamento. Questo è il punto in cui quei dati estratti vengono risolti all’interno del sistema. In alcuni casi, significa mappare le voci di riga sui corretti codici articolo, gestire le variazioni nella descrizione dei prodotti e normalizzare le unità. In altri, significa riconciliare i documenti, come abbinare una fattura a un ordine di acquisto e ricevuta, allineare le voci di riga e identificare le discrepanze.

Il risultato è un dato strutturato e contestualizzato che può alimentare un flusso di lavoro end-to-end.

Avete supportato flussi di lavoro legati a oltre 2,1 miliardi di dollari in pagamenti. A quella scala, quali modelli emergono intorno a inefficienze, ritardi o errori che la maggior parte delle aziende non si rende nemmeno conto di avere?

Ci sono alcuni vantaggi di efficienza ovvi. Ad esempio, sul lato dei pagamenti, i nostri clienti automatizzano il 96% dell’elaborazione delle fatture in media, il che rimuove una quantità significativa di lavoro manuale.

Ciò che è più interessante, tuttavia, è come si manifesta oltre i risparmi sui costi. Nell’inserimento degli ordini, ad esempio, la velocità ha un impatto diretto sulle entrate.

Nella costruzione, il timing è critico e rimanere nei tempi è la priorità. Se un appaltatore richiede preventivi a più distributori e uno risponde in dieci minuti mentre gli altri impiegano ore, il lavoro va solitamente a chi ha risposto per primo, anche se non è il prezzo più basso. Ottenere il materiale in tempo è più importante che risparmiare alcuni dollari.

Quella dinamica ha un impatto diretto sulle entrate. L’automazione dell’inserimento degli ordini aumenta la frequenza con cui un distributore è il primo a rispondere, il che aumenta la frequenza con cui vince gli affari. Per uno dei nostri clienti, ciò si è tradotto nel 57% delle transazioni che si sono trasformate in ordini, rispetto a una media precedente vicina al 20%.

I sistemi legacy come le piattaforme ERP sono spesso rigidi e difficili da modernizzare. Come si approccia l’integrazione senza costringere le aziende a sostituire la loro infrastruttura esistente?

Le ERP sono profondamente radicate nel modo in cui un’azienda funziona, quindi il vero vincolo non è solo l’integrazione, ma anche la velocità e la pulizia con cui si può integrare senza aggiungere oneri. Se l’implementazione è lenta o richiede un forte coinvolgimento dell’IT interno, diventa un blocco disruptivo.

Il nostro approccio è sempre stato quello di investire per rendere la nostra implementazione veloce e senza attrito. Abbiamo decine di integrazioni preconfigurate e un grande team di ingegneri per supportare i deploy personalizzati, e ci concentriamo sull’avvio rapido dei clienti senza creare un onere di manutenzione continuo.

Stiamo assistendo a un passaggio verso sistemi più autonomi in vari settori. Quanto realisticamente può andare l’automazione nei flussi di lavoro di distribuzione prima che la supervisione umana diventi di nuovo critica?

Ci sono molte cose che l’intelligenza artificiale non può fare. Non prenderà decisioni aziendali complesse, non gestirà le relazioni con i clienti o opererà sul campo. Cosa può fare è rimuovere molto del lavoro amministrativo ripetitivo che si trova sotto quei processi.

Nella maggior parte dei flussi di lavoro industriali, il modello giusto è l’uomo-nel-ciclo, dove l’intelligenza artificiale gestisce la maggior parte del lavoro, lasciando le persone al controllo delle eccezioni. Quando qualcosa è lineare, può essere automatizzato. Quando qualcosa è ambiguo, ad alto valore o comporta un rischio reale, lì è dove il giudizio umano è critico.

L’obiettivo non è l’autonomia al 100%. È automatizzare le parti tediose, manuali e ripetitive del flusso di lavoro in modo che le persone possano concentrarsi su decisioni ad alto valore e eccezioni.

Uno dei rischi dell’automazione è la perdita della conoscenza istituzionale da parte degli operatori esperti. Come Canals assicura che l’esperienza venga catturata e riflessa nel sistema piuttosto che sostituita?

Uno dei vantaggi chiave dell’intelligenza artificiale rispetto al software tradizionale è che può imparare nel tempo.

Quando un operatore esperto esamina qualcosa, apporta una correzione o gestisce un’eccezione, il sistema può catturare quelle decisioni e applicarle intelligentemente in futuro. Man mano che l’uso aumenta, inizia a riflettere in modo affidabile quei modelli invece di affidarsi a un insieme fisso di regole.

Ciò significa che la conoscenza istituzionale non è più legata a una singola persona. Invece di vivere con gli individui, viene incorporata nei sistemi utilizzati per gestire l’azienda, quindi viene applicata in modo più coerente in tutta l’organizzazione. Quando gli impiegati esperti se ne vanno, la loro esperienza rimane catturata all’interno di Canals. Quando nuovi dipendenti iniziano, lavorano all’interno di un sistema che già riflette come funziona l’azienda, il che li aiuta a salire più velocemente e a eseguire in modo più coerente.

La rapida costruzione di data center sta esercitando una pressione reale sulle catene di approvvigionamento. Come questa domanda sta cambiando le aspettative intorno alla velocità, alla precisione e alla coordinazione per i distributori?

La corsa alla costruzione di data center si sta accelerando con 700 miliardi di dollari investiti nella costruzione, mettendo una pressione enorme sui contractor e sui distributori per stare al passo.

Ciò che cambia quella domanda è la tolleranza per i ritardi. I flussi di lavoro che erano gestibili a volumi inferiori – come l’elaborazione manuale degli ordini e la riconciliazione dei documenti – iniziano a rompersi a scala. Man mano che i progetti diventano più grandi e si muovono più velocemente, le lacune tra la quotazione, l’acquisto e l’adempimento diventano più visibili e più costose su entrambi i lati della transazione. La mancanza di informazioni accurate e aggiornate mina la coordinazione e può risultare in ritardi imprevisti e improvvisi arresti dei lavori.

Le squadre che possono operare con velocità e visibilità in tempo reale hanno un chiaro vantaggio. A quel punto, l’automazione non è più solo una questione di efficienza, diventa un requisito per stare al passo con il ritmo e la complessità della domanda.

Guardando avanti, come pensa che l’intelligenza artificiale ridisegnerà i flussi di lavoro di approvvigionamento e catena di approvvigionamento nei prossimi cinque anni, in particolare man mano che i sistemi si spostano da strumenti di supporto a decisioni più simili a quelle di un agente?

È difficile dirlo con un certo grado di certezza, ma ciò che sta diventando più evidente è come l’intelligenza artificiale stia essere applicata – in modo limitato, in flussi di lavoro specifici dove c’è molta ripetizione e un percorso chiaro verso l’affidabilità. Nell’approvvigionamento e nella catena di approvvigionamento, ciò si manifesta in processi di esecuzione pesanti. Questi flussi di lavoro sono legati a dollari reali e relazioni reali, quindi la barra per l’autonomia è alta. Il passaggio a breve termine sarà meno legato alla presa di decisioni guidata da agenti e più all’ampliamento di ciò che può essere gestito in modo affidabile, con le persone che rimangono coinvolte laddove conta.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Canals.