Rohit Aggarwal, COO i DecisionNext – Intervju-serie

Rohit Aggarwal er Chief Operating Officer i DecisionNext, en ledende AI-plattform som muliggjør at bedrifter kan optimalisere kjøp eller salg av råvarer til beste mulige tid og pris. Han utnytter en sterk bakgrunn i leverandørkjede og produktledelse, samt erfaring med å lede store team for å utføre komplekse flerdisiplinære prosjekter og levere forretningsresultater. Rohit hadde tidligere produkt- og driftsledelsesroller i både Google (GOOGL ) og Amazon (AMZN ).

Hva var noen av dine viktigste høydepunkter fra disse erfaringene?

I Amazon hadde jeg mulighet til å lede et mangfoldig team på 250 tverrfaglige ansatte for å lansere beste-i-klassen driftsanlegg. Jeg støttet også implementeringen av innovasjoner som samme-dag-levering, robotikk og andre nye teknologier. Deretter i Google, brukte jeg mine ferdigheter til å brygge gapet mellom produkt og drift. Dette innebar å bygge applikasjoner fra scratch for å håndtere en ny type leveringsprosess, blant annet nye tilbud.

Kan du forklare hvordan DecisionNext utnytter AI og maskinlæring for å forbedre råvarepris- og tilbudsmelding?

DecisionNext bruker kunstig intelligens og maskinlæring for å forbruke tusenvis av datasamlinger og finne historiske og nåværende relasjoner mellom nøkelfaktorer. Den lærer så av denne informasjonen og bygger relevante modeller for enhver råvare. I landbruk og naturressursmarked, hjelper våre verktøy kundene med å forutsi priser bedre, ta smartere beslutninger, redusere risiko og øke fortjeneste over hele verdens leverandørkjeder. Vi arbeider også med å bruke store språkmodeller (LLM) for å forenkle komplekse globale beslutninger med risiko-bevisste løsninger.

Hva er de viktigste fordelene med å bruke DecisionNexts AI-plattform sammenlignet med tradisjonelle meldingsmetoder?

Globale råvarekjøpere og selgere ofte benytter seg av regler og regneark for å forenkle et komplekst system verdt milliarder av dollar i transaksjoner. Dette etterlater betydelig penger på bordet. Disse regnearkene har fungert godt og støttet hundrevis av bedrifter. Imidlertid, ettersom arbeidsmarkedet endrer seg og globale marked blir mer uforutsigbare, blir de mindre effektive. DecisionNext har brukt år på å perfeksjonere en AI-plattform som omdanner globale kompleksiteter til handlebare anbefalinger i stor skala – og betydelig forbedrer økonomisk ytelse.

Våre kunder har fagfolk som har vært i en bestemt bransje eller industri i 30 år eller mer. Og når nye generasjoner kommer inn, er det ekstremt viktig å beholde all denne erfaringen på en brukenbar måte. DecisionNext hjelper med det ved å bygge omfattende biblioteker av beslutninger, integrere ekspertmeninger og lære av fortiden.

Ved å gjøre dette, reduserer DecisionNext-plattformen risiko og usikkerhet i forretningsbeslutninger over bedriftsenheter og enkeltindivider, samt etablerer en skalerbar måte å ta disse beslutningene på. Den forbedrer også lønnsomheten i dag-til-dag-transaksjoner, langsiktige posisjoner og fremtidsrettet strategisk planlegging.

Hva rolle spiller dynamisk data i DecisionNexts AI-drevne beslutningsprosess, og hvordan integreres og utnyttes denne datoen?

Dynamisk og oppdatert data er ekstremt viktig når det kommer til å bygge beste-i-klassen-modeller. Det sagt, hastigheten og kompleksiteten med hvilken datoen kan prosesseres og modelleres, er ikke den eneste faktoren. For eksempel, hvordan vet en modell vekten av den nyeste datapunktet (sier en sjokk i systemet) og at den må behandle det annerledes? Våre brukere kan interagere med modellene gjennom patenterert teknologi for å inputte sine meninger og bygge hva-hvis-analyse for å bruke data som modellen eller systemet bare ikke kan vite ennå. Dette tillater våre kunder å få nye innsikter som ellers ikke ville være mulig. De er også i stand til å bedre forstå innvirkningen av globale endringer i tilbud eller nye handelsreguleringer, blant en uendelig mengde andre potensielle situasjoner.

På hvilke måter har DecisionNexts AI-plattform revolusjonert forretningsbeslutninger i råvaremarkedet?

Vår beste-i-klassen-plattform har revolusjonert den standard tilnærmingen til pris, tilbud og etterspørselsmelding ved å gi våre brukere mer enn bare en melding. Med vårt verktøy kan de raskt forstå risiko, usikkerhet og analysere komplekse beslutninger med noen få museklikk. DecisionNext har en rekke brukstilfeller over hele leverandørkjeden i både landbruk og gruvedrift. Disse inkluderer optimalisering av innkjøps- og salgspris, forretningsplanlegging, geografisk og produktarbitrage, lavest-kostnadsformulering og risikostyring, blant mange andre.

Hvordan sikrer DecisionNext nøyaktigheten og påliteligheten av sine AI-meldingsmodeller for råvarehandel?

Vi sikrer nøyaktigheten og påliteligheten av våre AI-meldingsmodeller gjennom intensiv backtesting. DecisionNext har bygget et rigorøst system som kan raskt teste tusenvis av modellstrukturer og gi brukeren en fullstendig forståelse av hvor nøyaktige modellene har vært. Dette kan gjøres på en enkel å forstå måte som også tillater oss å bruke denne nøyaktigheten til å forutsi usikkerhet i fremtiden.

Kan du dele et eksempel eller en case-studie på hvordan DecisionNext har hjulpet et selskap med å navigere markedsvolatilitet med dine AI-verktøy?

Med DecisionNext, økte en stor jernmalmprodusent sine fortjenester med en gjennomsnitt på 6-8% på spot-salg. Vår løsning hjalp dem med å optimalisere prisstrategi og redusere tiden det tok å ta viktige beslutninger om geografisk arbitrage. Liksom, vi er i stand til å hjelpe kvegprodusenter med å ta samme beslutning om hvor og når å selge kjøttet fra deres kadaver.

I begge tilfeller, ga DecisionNext en nøyaktig og forsvarlig kort- og langsiktig melding for å optimalisere salgsplan-strategi. Våre visualiseringsverktøy enablet produsentene til å raskt vurdere flere salgsstrategier side om side for å best mulig mitigere risiko, strømlinje beslutningstaking og mer effektivt øke marginaler.

Uten DecisionNext, er selskaper tvunget til å stole på historiske gjennomsnitt, futures-markeder (hvis tilgjengelig) og erfaring for å prissætte varer. Selv om effektivt i fortiden, med våre økende volatile råvaremarkeder, etterlater selskaper millioner av dollar på bordet.

Kan du diskutere betydningen av å ha interaktive meldingsmodeller for brukere, og hvordan sikrer DecisionNext at disse modellene er brukervennlige?

Den gamle, foreldede “black box”-modellen av melding forteller ikke mennesker hvorfor meldingen er hva den er. Den kan heller ikke hjelpe med hvordan å oversette meldingen til handlebare beslutninger. Så i denne situasjonen, kan brukerne ikke bruke selv en perfekt melding og gå tilbake til gamle metoder.

DecisionNext hjelper kundene med å få en bedre forståelse av både markedrisiko og forretningsrisiko og hvorfor de to bør være sammenkoblet når det kommer til melding. DecisionNext gir full visibilitet inn i datasamlinger og modellstrukturer samt strategisk klarhet og retning.

Alt dette leveres gjennom en brukervennlig dashboard, designet for kontinuerlig engasjement.

På hvilke måter har pandemien og nylige geopolitiske hendelser påvirket utviklingen og bruken av AI i råvarehandel hos DecisionNext?

COVID-19 snudde den globale kjøttverdikjeden, og en kunde som var spesielt berørt av krisen, kommer i mente. Med store mengder frosset mat rettet mot snart dormante matvarekanaler, benyttet kunden DecisionNext-analyse for å raskt og optimalt likvidere lager og planlegge hvordan og når å gjenopbygge disse lagerene.

Ved å bruke DecisionNext-plattformen, bygde kunden ut og sammenlignet fire komplekse salgs- og innkjøpsalternativer for å se de forventede markedssultatene og sammenligne risiko. De var i stand til å suksessfullt likvidere overskuddslager over flere snitt, og disse transaksjonene ga en 5X avkastning mot DecisionNext-programvareinvesteringen i en enkelt måned.

Hva fremtidige fremskritt i AI og maskinlæring ser du for deg vil påvirke råvaremarkedet, og hvordan forbereder DecisionNext seg på dem?

DecisionNext er i forkant av arbeidet med å utnytte AI og maskinlæring for å gjøre råvaremarkedet mer effektivt, lønnsomt og bærekraftig. Ettersom verden fortsatt kjemper med massive utfordringer som klimaendringer og politisk ustabilitet, vil intelligent teknologi være en stadig viktigere komponent i hvordan vi suksessfullt navigerer dem. Vi er æret over å være betrodd av våre kunder og partnere til å levere en plattform som kan hjelpe med å gjøre dette.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke DecisionNext.