Lauri Kien Kotcher、Different Day の CEO 兼共同創業者 – インタビューシリーズ

Lauri Kien Kotcher、Different Day の CEO 兼共同創業者であり、人工知能、消費財、小売、ヘルスケア、金融サービス、プライベートエクイティにわたるキャリアを持つ経験豊富なビジネスリーダー、ブランド構築者、取締役、戦略アドバイザーです。Different Day を設立する前は、quip の CEO および取締役として、口腔ケアから口腔ウェルネスへの大規模なシフトを主導し、新製品を導入し、同社の直販サブスクリプションモデルを再構築し、運営コストを削減しました。以前は The Shade Store と Hello Products を率い、後者を大幅な成長へ導き、2020 年に Colgate に買収されました。過去のリーダーシップ経験には、L Catterton、Godiva Chocolatier、Lehman Brothers、Pfizer Consumer Healthcare での上級職務、そして McKinsey & Company での 15 年の勤務が含まれ、同社でパートナーとなり北米消費財部門を共同統括しました。Kotcher は Freshpet の取締役会メンバーでもあり、成長戦略、イノベーション、マーケティング、M&A、組織変革に関する豊富な経験を持ちます。

Different Day は、中堅企業が業務上の課題を実用的でカスタマイズされた人工知能アプリケーションに変換し、既存の技術環境と統合できるよう支援します。実験的な AI プロジェクトや汎用ソフトウェアに焦点を当てるのではなく、同社は手作業の削減、可視性の向上、収益成長の加速、マージンの強化、そして有用なビジネスインサイトの発掘を目的としたエンドツーエンドのソリューションを開発します。業務範囲は需要予測、供給・在庫計画、販売インテリジェンス、財政支援の照合、コンプライアンス、契約分析、顧客関係管理、パフォーマンスレポーティングなどに及びます。Different Day は、問題の発見から導入、知識移転までをパートナーとして位置付け、クライアントが内部でアプリケーションを運用・継続的に改善できるよう支援します。

McKinsey、Godiva、hello products、The Shade Store、quip で何十年にもわたり変革をリードした後、Different Day を共同設立しましたが、中堅企業が新たなタイプの AI パートナーを必要としていると確信した理由は何ですか？また、既存の技術ベンダーやコンサルティング会社が解決できていないと考える業務上の課題は何だと思いますか？

驚くべきことに、経営者はしばしば情報が欠如した状態で業務を行っています。急成長する中堅の消費者ブランドや小売業を率いる CEO 兼 CMO として、事業のすべての要素の全体像を明確に把握することはできませんでした。データはチャネル、地域、機能オーナーごとに分断されたサイロに存在していることが多かったのです。私の直感では、AI がようやくそれらの点を結びつけ、何が欠けているのかを明らかにできると感じましたが、誰に相談すべきか、どこから始めるべきか全く分かりませんでした。Different Day がその疑問への答えとなったのです。

中堅企業は大企業に比べてリソースが限られていますが、官僚主義や技術的負債が少ないこともあります。AI 実装に対するアプローチは、エンタープライズの手法とどのように異なるべきでしょうか？

中堅企業には活かすべき卓越したスーパーパワーがあります。スピードが真の強みであるため、より大きな競合を飛び越えることを目指すべきです。私たちの見解では、ほとんどの中堅企業を 2026 年にゼロから立ち上げられたかのような AI ネイティブ組織に変えることが可能です。大企業は、AI が小規模な競合に対等な立場をもたらし、ヘッドカウントを増やさずに AI チームメンバーでより速く動けることを静かに恐れています。人数が少ないことは、何をすべきか、どのようにすべきか、目標は何かを決める人が少ないことを意味し、組織図が資産となり、制約ではなくなります。

企業の業務を評価する際、AI が真に効果を発揮するワークフローと、従来の自動化やソフトウェア改善、プロセス再設計で対処した方が良いワークフローをどのように見分けますか？

私は裸のアプローチを信じています：ワークフローを基本にまで削ぎ落とすことです。プロセスの簡素化は AI の前に行うべきです。白紙の状態から始めましょう――レガシーソフトウェアや回避策が存在しなかったら、ここで何をしますか？既存の多くのプロセスは、使いにくいツールを回避するために構築されたもので、最適なやり方ではありません。契約更新時には、どの機能を使用しているかを確認し、例外は少ないものの、AI は現在のものよりもよりカスタマイズされたものを構築できます。ERP や CRM のように残す価値のあるシステムは常にありますが、必要な正確なアドオンだけを設計し、余計なものは加えません。

Different Day は 72 時間のプロトタイプから数週間で本番レベルの引き渡しが可能だと言っています。そのスピードを実現できる要因は何ですか？また、技術的、セキュリティ的、組織的な条件で実装が遅れる可能性があるものは何ですか？

これは過大な約束のように聞こえるかもしれませんが、ビジネスとテクノロジーの両方を理解する人々が創業した会社としての独自の優位性の表れです。私たちのチームは AI ネイティブであるため、構築自体が従来のソフトウェア開発よりもはるかに速く進みます。変わらないのはディスカバリーです：プロセスの所有者は誰か、他に誰が合意すべきか、どのような成果をどれだけの規模で目指すか、過去に何が失敗したか。これらの作業を前もって省くと、後で統合や実装時にはるかに高いコストで再浮上します。スピードが可能なのは、コードを書く前に理解を前倒しにしているからです。

多くの中堅企業は、分断されたスプレッドシート、レガシーシステム、そして一貫性のないデータソースで業務を行っています。AI が信頼できる業務成果を出すまでに、通常どれくらいのデータ準備が必要ですか？

中堅企業が抱える分断されたデータは、実は障壁ではなく機会です。私たちのツールはギャップがどこにあるかを正確に浮き彫りにし、企業はそれを埋めるかどうか、どのように埋めるかを決定します。AI が導入される前は、これらのギャップは見えず、誰かがスプレッドシートを無理やり意思決定に持ち込んだり、不完全なデータで判断したりしていました。現在はチームがギャップを視認し、データが確実であると仮定せずに意思決定を行えるようになりました。

AI プロジェクトを開始する前に経営層が設定すべき指標は何ですか？また、実装が有意義な投資回収を生んでいるという証拠をどれくらいの速さで確認できるべきでしょうか？

AI は新しいかもしれませんが、古典的なビジネスの原則は依然として有効です。AI が問題に直面するのは、すべての従来のルールが無くなったと考える人がいるときです。すべての AI プロジェクトは、売上、ブランド認知度、マージン、意思決定速度、またはヘッドカウントを増やさずに生産性を上げるなど、明確な目標を一つ設定し、現実的なタイムラインを持つ必要があります。タイムラインはデータ接続数、内部・外部システムの数、ツールが学習し出力が安定するまでの時間によって変わります。3 ヶ月以内に何らかの成果が見えるはずです；より複雑なプロジェクトはそれ以上の時間がかかります。重要なのはプロジェクトを段階的に設計し、一度に大きな成果を待たないことです。

Different Day は需要予測、供給計画、契約インテリジェンス、財政支援の照合、リアルタイム販売シグナルなどのアプリケーションを掲げています。現在、最も再現性の高い成果を上げているユースケースはどれで、どのケースが企業の業界や業務モデルに強く依存していますか？

AI の再現性要因を過小評価しないでください。多くの面で、企業は私たちが思う以上に構造的に似ています。普遍的な契約から顧客ニーズと内部能力のマッチングまで。契約インテリジェンスと財政支援の照合は現在最も再現性が高く、明確なパラメータと出力があるため、ツールは何を解決すべきか正確に把握しています。需要予測と供給計画はより難しいです：データセットが多く、チャネルが多様で、企業ごとの業務モデルのばらつきが大きいからです。リアルタイムの顧客通知のようなものは中間に位置し、企業の現在の技術スタックとチャネルに依存します。

企業は、市販の AI 製品を購入すべきか、社内で構築すべきか、外部パートナーとカスタマイズアプリケーションを開発すべきかをどのように判断すべきでしょうか？不要な複雑性やベンダーロックインを明らかにするための質問は何ですか？

AI のクリックベイトに注意し、LinkedIn の投稿で社内で高度なツールを構築するのが簡単だと謳うものには懐疑的であるべきです。ツールが本当にシンプルな場合、例えば数枚のスプレッドシートを一つのクリーンなビューにまとめるダッシュボードのような場合にのみ、社内で構築すべきです。リアルタイムで内部・外部システムからデータを取得する必要が生じた瞬間、それは DIY ツールでは手に負えません。市販の AI は、汎用 SaaS と同様に上限があります。汎用データの読み取りは可能ですが、貴社や競合他社に特有のニュアンスは提供できません。

印象的な AI デモから、従業員が日常的に信頼し使用しなければならないシステムへ移行する際、企業が最もよく犯すミスは何ですか？

私は「プロトタイプ依存症」の流行を目の当たりにしています――氷山の見える 10% に騙される企業です。プロトタイプは印象的ですが、実際の作業は表面下で行われます：データのテストとバックテスト、すべてのシステム連携の検証、データの保護です。その後に変革管理が続きます――使用方法の教育、限界の把握、いつ人間が介入すべきか、出力に対してどのような質問をすべきかです。AI は目的に合ったものであるべきで、人間の判断の代替ではありません。特に、中堅企業ではその判断は何年もかけて築かれたものです。

AI がコア業務に組み込まれるにつれ、マネージャーと現場従業員の役割はどのように変化すると予想しますか？また、中堅企業のリーダーは、AI が単なる技術層を追加するだけでなく、チームを向上させるようにするために、今何をすべきでしょうか？

かつて「マネージャー」は人を指揮することを指していましたが、急速にエージェントやシステムの管理へと変わっています。まずはチームの最大の課題点をマッピングし、手作業で繰り返されている業務を切り離すことから始めましょう――それが AI が最初に取り組むべき領域であり、より複雑な意思決定を任せる前に行うべきです。特に中堅企業では、信頼は一つ一つの成功で築かれるため、走る前に歩くことが重要です。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者は Different Day をご覧ください。