インタビュー
マイケル・デルガド、Canalsの共同創設者兼CEO – インタビュー・シリーズ
マイケル・デルガド、Canalsの共同創設者兼CEOは、元企業弁護士であり、起業家として、法律の専門知識、製品開発、運用技術を結びつけるキャリアを築いてきた。トップレベルの法律事務所であるCravath, Swaine & Moore LLPでキャリアをスタートさせ、後にWillingでリーダーシップを担った後、Vestedを共同創設し、後にMetLifeに買収された。2022年にCanalsを設立し、法律、運用、製品開発の経験を活かし、特にAIを活用して伝統的な産業における非効率性を解決することを目指している。
Canalsは、卸売業者向けのバックオフィス業務を自動化するAIドリブンのプラットフォームである。会社は、営業オーダー処理、経理、調達などの業務を、既存のERPシステムに直接統合できる、構造化されたデータに変換することに焦点を当てている。ユーザーの操作から継続的に学習することで、Canalsは手動でのデータ入力を削減し、エラーを最小限に抑え、業務フローを加速させることで、ビジネス向けの実践的な実行レイヤーとしての役割を果たしている。
あなたは、Cravath, Swaine & Moore LLPのような法律事務所での法律の背景からスタートし、最終的にVestedを立ち上げた後、Canalsを設立しました。どのような課題があなたをCanalsの設立に駆り立てたのか、それらの経験がその決定にどのように影響したのか。
私の妻は配給業を営んでおり、彼女を通じて私は倉庫を見学し、配給業者と話をし、業界について学んだ。
配給業に没頭するにつれ、最も印象的なのは「営業オーダー入力」と呼ばれるプロセスであった。オーダーは様々なチャネルや形式で配給業者に届けられ、それぞれがERPに手動で入力される必要がある。営業担当者が主に行う時間のかかる作業である。
配給業者との会話を重ねるにつれ、この非効率性は小さなものではないことが明らかになった。営業オーダー入力は巨大な業界の核心的なワークフローであり、従来のソフトウェアはその可変性を処理できなかったため、テクノロジーが歴史的にこのニーズに応えられなかった。私は長年にわたりソフトウェアを開発し、AIの進歩を追跡しており、大きな市場、実際的な痛み点、そして新しい解決策を見出すことができた。Canalsはそこから生まれた。
この分野に新しい読者に向けて、Canalsは組織内で日常的に何をしているのか、ERPなどの既存システムとの関わりはどうなっているのか。
高レベルでは、Canalsは配給業者、請負業者、製造業者が毎日扱う入力データ（メール、PDF、スプレッドシート、手書きメモなど）を構造化されたデータに変換し、それをシステム間で流し、エンドツーエンドのワークフローを自動化する。さらに、そのデータを使用して、営業オーダーの生成や請求書の提出などのダウンストリームのアクションを自動化し、クリーンで検証されたデータをERPに直接プッシュする。
ERPはシステムの記録として残り、Canalsは運用AIとしてそれを正確で最新の状態に保つ。
産業的な配給業はまだ、メール、PDF、電話でのオーダー管理や請求書のやり取りに大きく依存している。なぜこのレベルの手動作業が長く続いたのか、そしてどのような要因が今までの本格的な自動化を妨げてきたのか。
問題は、従来のソフトウェアが厳格なルールと標準テンプレートに依存していることにある。入力データが一貫している環境では機能するが、建設や配給業はそうではない。文書は様々な形式で届けられ、同じ製品を表すために数多くの異なる名前、略称、専門用語が使用される。ある時点で、エッジケースの数は管理不可能になる。すべてのバリエーションに対してルールを定義することは現実的ではなく、プロセスは手動解釈に頼ることになる。
効率性を向上させる意志はいつも存在していたが、技術が追いつかなかったため、以前のアプローチは難しかったり、拡大することができなかった。
ここでの核心的な課題は、構造化されていない入力データを構造化されたアクションに変換することである。Canalsはどのようにしてメール、添付ファイル、文書を解釈し、有用なデータやワークフローに変換するのか。
これは、2つのステップを踏む必要がある課題である。
最初のステップはパース処理である。Canalsはユーザーの受信トレイ内の関連文書を特定し、重要なアイテムとフィールドを抽出し、データを抽出する。
2番目のステップはマッチングである。これは、抽出されたデータをシステム内で解決するステップである。場合によっては、アイテムを正しいSKUにマッピングしたり、製品の記述のバリエーションを処理したり、単位を正規化したりすることを意味する。場合によっては、請求書を購入オーダーと領収書に照合したり、アイテムを整列させたり、相違点を特定したりすることを意味する。
結果は、エンドツーエンドのワークフローを駆動できる、構造化された、コンテキスト化されたデータである。
Canalsは21億ドル以上の支払可能額に関連するワークフローをサポートしています。そんなスケールでは、非効率性、遅延、またはエラーに関するどのようなパターンが、多くの会社が気づいていないものとして現れるのでしょうか。
明らかな効率性の向上がある。例えば、顧客は平均して96%の請求書処理を自動化しており、手動作業を大幅に削減する。
もっと興味深いのは、それがコスト削減を超えてどのように表現されるかである。特にオーダー入力では、スピードが直接収益に影響する。
建設では、タイミングが重要であり、スケジュールを守ることが優先される。請負業者が複数の配給業者から見積もりを依頼し、一社が10分以内に応答し、他の社が数時間かかる場合、仕事は通常、最も早く応答した社に与えられる。材料を時間通りに入手することが重要である。
そのダイナミクスは収益に直接影響する。営業オーダー入力を自動化すると、配給業者が最初に応答する頻度が増え、ビジネスを獲得する頻度も増える。私たちの顧客の1社では、57%の取引がオーダーに変換された。これは、以前の平均20%よりも大幅に高い。
レガシーシステムであるERPプラットフォームは、しばしば硬直的で、近代化が難しい。Canalsは、既存のインフラストラクチャを破壊せずに統合に取り組むのか。
ERPはビジネスの運営に深く根付いており、実際の制約は統合だけではなく、統合をどれだけ迅速かつクリーンに実行できるかである。実装が遅い場合、または内部のITからの深い関与を必要とする場合、妨げとなるブロッカーとなる。
私たちのアプローチは、実装を迅速で摩擦のないものにすることに常に投資することである。多数の事前に構築された統合と、カスタム展開をサポートする大規模なエンジニアチームを保有し、迅速に顧客を立ち上げることと、継続的なメンテナンスの負担を生み出すことを優先する。
業界全体で、より自律的なシステムへの移行が見られます。配給業のワークフローでは、人間の監視が再び重要になるまで、自動化はどの程度進む可能性がありますか。
できることとできないことがある。AIは、複雑なビジネス上の決定を下したり、顧客関係を管理したり、現場で作業したりはできない。ただし、繰り返しのある管理作業を除去できる。多くの産業的ワークフローでは、人間がループ内にいるモデルが適切である。AIは大部分の作業を処理し、人間が例外を管理する。明確な場合は自動化できるが、曖昧な、価値の高い、またはリスクのある場合は、人間の判断が重要である。
目標は100%の自律性ではない。tedious、手動、ルーチンなワークフローを自動化し、人間が高価値の決定と例外に集中できるようにすることである。
自動化の1つのリスクは、経験豊かなオペレーターの制度的な知識を失うことである。Canalsは、専門知識がシステムに反映されるようにどのようにして、代わりにそれを置き換えるのではなく、確保していますか。
AIの1つの大きな利点は、従来のソフトウェアと比較して、時間の経過とともに学習できることである。
経験豊かなオペレーターが何かをレビューし、修正し、例外を処理するとき、システムはそれらの決定を捉え、将来にわたって知的に適用することができる。使用が増えるにつれて、システムは個々のルールに頼るのではなく、パターンを信頼性高く反映するようになる。
その結果、制度的な知識は、個人に依存するのではなく、ビジネスを運営するシステムに組み込まれる。経験豊かな従業員が去ったとしても、彼らの専門知識はCanals内に残り、新しい従業員が始めたとき、彼らはすでにビジネスの運営方法を反映したシステムで働くことができる。
データセンターの建設ブームは、サプライチェーンに大きな圧力をかけている。需要の変化は、配給業者に対するスピード、精度、調整の期待をどのように変えているのか。
データセンターの建設競争は加速し、700億ドルが建設に投資され、請負業者や配給業者に大きな圧力がかかっている。
需要の変化は、遅延に対する耐性を変える。手動でのオーダー処理や文書の調整のようなワークフローは、低容量では管理可能だったが、大規模化すると崩壊し始める。プロジェクトが大きくなり、スピードが上がると、見積もり、購入、納品のギャップが明らかになり、コストが高くなる。正確で最新の情報の欠如は、調整を損なうことができ、予期せぬ遅延や作業の停止につながる可能性がある。
スピードとリアルタイムの可視性で動作できるチームには、明らかな利点がある。そこでは、自動化は効率だけではなく、需要のペースと複雑さに追いつくために必要となる。
今後5年で、特にシステムが支援ツールからよりエージェントのような意思決定者への移行するにつれて、調達とサプライチェーンのワークフローでAIがどのように変化する可能性があるか。
確実に言えることは、AIの応用が、繰り返しの多い特定のワークフローで、明確な信頼性へのパスがある場所で、狭い範囲で行われていることである。調達とサプライチェーンでは、実行に重きを置いたプロセスでそれが現れる。ここでは、実際のドルと実際の関係が絡むため、自律性のハードルは高い。近い将来の変化は、エージェントによる意思決定ではなく、信頼性を持って取り扱えるものを拡大し、人々が重要な点で密接に関与することになるだろう。
素晴らしいインタビュー、詳しく知りたい読者はCanalsを訪れてください。
