Lauri Kien Kotcher, CEO i współzałożyciel Different Day – seria wywiadów

Lauri Kien Kotcher, CEO i współzałożyciel Different Day, jest doświadczonym liderem biznesowym, budowniczym marki, członkiem rady nadzorczej i doradcą strategicznym, którego kariera obejmuje sztuczną inteligencję, produkty konsumenckie, handel detaliczny, opiekę zdrowotną, usługi finansowe i private equity. Przed założeniem Different Day pełniła funkcję CEO i członka rady nadzorczej firmy quip, gdzie doprowadziła do szerszej zmiany z pielęgnacji jamy ustnej na dobrostan oralny, wprowadziła nowe produkty, przeprojektowała model subskrypcji bezpośredniej do konsumenta i obniżyła koszty operacyjne. Wcześniej kierowała The Shade Store i Hello Products, prowadząc tę ostatnią przez znaczący wzrost i jej przejęcie przez Colgate w 2020 roku. Jej wcześniejsze stanowiska przywódcze obejmują wysokie role w L Catterton, Godiva Chocolatier, Lehman Brothers i Pfizer Consumer Healthcare, a także 15 lat w McKinsey & Company, gdzie została partnerem i współkierowała praktykę dóbr konsumenckich w Ameryce Północnej. Kotcher jest również członkiem rady nadzorczej Freshpet, wnosząc obszerne doświadczenie w strategii wzrostu, innowacjach, marketingu, fuzjach i przejęciach oraz transformacji organizacyjnej.

Different Day pomaga organizacjom z sektora średniego rynku przekształcać wyzwania operacyjne w praktyczne, dostosowane aplikacje sztucznej inteligencji, które integrują się z istniejącym środowiskiem technologicznym. Zamiast koncentrować się na eksperymentalnych projektach AI lub oprogramowaniu ogólnego przeznaczenia, firma opracowuje kompleksowe rozwiązania mające na celu zmniejszenie pracy ręcznej, poprawę przejrzystości, przyspieszenie wzrostu przychodów, wzmocnienie marż i odkrywanie użytecznych wglądów biznesowych. Jej działalność obejmuje takie obszary jak prognozowanie popytu, planowanie podaży i zapasów, wywiad sprzedażowy, uzgadnianie pomocy finansowych, zgodność, analiza umów, zarządzanie relacjami z klientami oraz raportowanie wyników. Different Day pozycjonuje swój zespół jako partnera od wstępnego odkrywania problemu, przez wdrożenie, po transfer wiedzy, umożliwiając klientom samodzielne operowanie i dalsze doskonalenie aplikacji.

Spędziłaś dekady, prowadząc transformacje w McKinsey, Godiva, Hello Products, The Shade Store i quip, zanim współzałożyłaś Different Day. Co przekonało Cię, że firmy ze średniego rynku potrzebują nowego rodzaju partnera AI, i które problemy operacyjne Twoim zdaniem nie były rozwiązywane przez istniejących dostawców technologii i firmy konsultingowe?

Szokująco, liderzy biznesowi często żyją w ciemności. Jako CEO i CMO prowadząca szybko rozwijające się marki konsumenckie i detalistów ze średniego rynku, nigdy nie mogłam uzyskać jasnego obrazu pełnego zakresu wszystkich elementów działalności. Nasze dane często były rozproszone w odrębnych silosach według kanału, regionu i właściciela funkcji. Mój instynkt podpowiadał, że AI w końcu połączy te punkty i pomoże zrozumieć, czego nam brakuje, ale nie miałam pojęcia, do kogo zadzwonić ani od czego zacząć. Different Day stało się odpowiedzią na to pytanie.

Firmy ze średniego rynku mają mniej zasobów niż duże przedsiębiorstwa, ale mogą też mieć mniej biurokracji i długu technicznego. Jak ich podejście do wdrażania AI powinno różnić się od strategii stosowanej w dużych przedsiębiorstwach?

Firmy ze średniego rynku mają niezwykłą supermoc, którą muszą wykorzystać. Powinny dążyć do przeskoczenia większych konkurentów, ponieważ szybkość jest ich prawdziwą przewagą. Naszym zdaniem możemy przekształcić większość firm ze średniego rynku w organizacje natywne dla AI, tak jakby zostały uruchomione w 2026 roku od podstaw. Duże przedsiębiorstwa cicho obawiają się, że AI pozwoli mniejszym rywalom wyrównać szanse, używając partnerów AI do szybszego działania bez zwiększania zatrudnienia. Mniej osób oznacza mniej decydentów co robić, jak to robić i jakie są cele, więc mniejszy schemat organizacyjny staje się atutem, a nie ograniczeniem.

Oceniąc operacje firmy, jak odróżniasz przepływ pracy, który naprawdę korzysta z AI, od tego, który lepiej rozwiązać tradycyjną automatyzacją, ulepszonym oprogramowaniem lub przeprojektowaniem procesu?

Wierzę w podejście „na surowo”: rozbierz swój przepływ pracy do podstaw. Uproszczenie procesu powinno poprzedzać AI. Zacznij od czystej kartki papieru – co byś zrobił tutaj, gdyby nie istniało przestarzałe oprogramowanie i obejścia? Większość istniejących procesów została zbudowana, aby omijać nieporęczne narzędzia, a nie dlatego, że są właściwym sposobem pracy. Gdy umowy zbliżają się do odnowienia, zapytaj, z jakich funkcji korzystasz, i z niewielkimi wyjątkami AI może stworzyć coś bardziej dopasowanego niż to, co masz dziś. Choć zawsze są systemy, które warto zachować, takie jak ERP czy CRM, projektujemy dokładnie te dodatki, które są potrzebne, i nic więcej.

Different Day twierdzi, że może rozpocząć od prototypu w 72 godziny i przejść do gotowego do produkcji przekazania w ciągu kilku tygodni. Co umożliwia tak szybkie tempo i jakie warunki techniczne, bezpieczeństwa lub organizacyjne mogą spowolnić wdrożenie?

Może to wydawać się nadmiernym obietnicą, ale odzwierciedla naszą unikalną przewagę jako firmy założonej przez ludzi, którzy rozumieją zarówno biznes, jak i technologię. Nasz zespół jest natywny AI, więc sam proces budowy przebiega znacznie szybciej niż tradycyjny rozwój oprogramowania. To, co się nie zmienia, to odkrywanie: kto jest właścicielem procesu, kto jeszcze musi się zaangażować, jaki rezultat jest celem i w jakim stopniu, co wcześniej się nie powiodło. Pominięcie tej pracy na początku sprawia, że pojawia się później; przy integracjach, wdrożeniach, po znacznie wyższych kosztach. Tak szybkie tempo jest możliwe tylko dlatego, że najpierw koncentrujemy się na zrozumieniu, a nie na kodowaniu.

Wiele firm ze średniego rynku działa na rozłączonych arkuszach kalkulacyjnych, przestarzałych systemach i niejednolitych źródłach danych. Ile przygotowania danych jest zazwyczaj potrzebne, zanim AI będzie mogło dostarczyć wiarygodne wyniki operacyjne?

Rozłączone dane, z którymi żyją większość firm ze średniego rynku, są w rzeczywistości szansą, a nie przeszkodą. Nasze narzędzia dokładnie wskazują, gdzie występują luki, a firma decyduje, czy i jak je wypełnić. Przed AI te luki były niewidoczne; ktoś po prostu wymuszał decyzję na podstawie arkuszy kalkulacyjnych lub podejmował decyzję na niekompletnych danych, nie zdając sobie z tego sprawy. Teraz zespoły mogą zobaczyć lukę i odpowiednio ocenić swoją decyzję, zamiast zakładać, że dane są solidne.

Jakie wskaźniki powinni ustalić menedżerowie przed rozpoczęciem projektu AI i jak szybko powinni oczekiwać dowodów, że wdrożenie generuje znaczący zwrot z inwestycji?

AI może być nowością, ale klasyczne zasady biznesowe wciąż obowiązują. Problem pojawia się, gdy ludzie myślą, że wszystkie stare reguły przestały obowiązywać. Każdy projekt AI potrzebuje jednego jasnego celu na start, czy to sprzedaży, widoczności marki, marży, szybkości decyzji, czy większej wydajności bez zwiększania zatrudnienia, wraz z realistycznym harmonogramem jego osiągnięcia. Terminy różnią się w zależności od liczby połączeń danych, zaangażowanych systemów wewnętrznych i zewnętrznych oraz tego, ile narzędzie musi się nauczyć, zanim jego wyniki będą solidne. Powinieneś zobaczyć pewne rezultaty w ciągu trzech miesięcy; bardziej złożone projekty trwają dłużej. Kluczem jest projektowanie projektu w etapach, aby nie czekać na jednorazowy, wielki rezultat.

Different Day wyróżnia zastosowania obejmujące prognozowanie popytu, planowanie dostaw, inteligencję kontraktową, uzgadnianie pomocy finansowych oraz sygnały sprzedaży w czasie rzeczywistym. Które przypadki użycia przynoszą dziś najbardziej powtarzalne wyniki, a które nadal silnie zależą od branży i modelu operacyjnego firmy?

Nie lekceważ czynnika powtarzalności AI. Pod wieloma względami firmy są strukturalnie bardziej podobne, niż się wydaje, od uniwersalnych kontraktów po dopasowywanie potrzeb klientów do wewnętrznych możliwości. Inteligencja kontraktowa i uzgadnianie pomocy finansowych są dziś najbardziej powtarzalne; oba mają jasne parametry i wyjścia, więc narzędzie dokładnie wie, co ma rozwiązać. Prognozowanie popytu i planowanie dostaw są trudniejsze: więcej zestawów danych, więcej kanałów i znacznie większa zmienność między modelami operacyjnymi firm. Coś takiego jak powiadomienia klientów w czasie rzeczywistym plasuje się pośrodku, w zależności od aktualnego stosu technologicznego i kanałów firmy.

Jak firma powinna zdecydować, czy kupić gotowy produkt AI, zbudować go wewnętrznie, czy opracować spersonalizowaną aplikację zewnętrznym partnerem? Jakie pytania pomagają ujawnić niepotrzebną złożoność lub uzależnienie od dostawcy?

Unikaj clickbaitu AI i bądź sceptyczny wobec postów na LinkedIn, które przedstawiają budowanie zaawansowanych narzędzi wewnętrznie jako łatwe. Buduj wewnętrznie tylko wtedy, gdy narzędzie jest naprawdę proste, np. pulpit nawigacyjny, który łączy kilka arkuszy kalkulacyjnych w jedną przejrzystą widok dla kilku współpracowników. Gdy potrzebujesz pobierania danych w czasie rzeczywistym z systemów wewnętrznych i zewnętrznych, jest to poza zasięgiem zespołu nietechnicznego z narzędziami DIY. Gotowe rozwiązania AI mają taki sam limit, jak zawsze miały gotowe SaaS. Dostarczą Ci odczyt danych ogólnych, ale nie zapewnią niuansów specyficznych dla Twojego biznesu i konkurentów.

Jakie najczęstsze błędy popełniają firmy, przechodząc od imponującej demonstracji AI do systemu, któremu pracownicy muszą ufać i używać na co dzień?

Widzę epidemię „prototypowej choroby”: firmy wpadają w pułapkę widocznych 10 procent góry lodowej. Prototyp wygląda imponująco, ale prawdziwa praca odbywa się pod powierzchnią: testowanie danych i weryfikacja wsteczna, testowanie każdego połączenia systemowego oraz zabezpieczanie danych. Następnie następuje zarządzanie zmianą: nauczanie ludzi, jak z niego korzystać, gdzie są jego granice, kiedy człowiek musi pozostać w pętli oraz jakie pytania zadawać jego wynikom. AI powinno być dopasowane do celu, a nie zastępować ludzką ocenę, szczególnie w firmie ze średniego rynku, gdzie ta ocena była budowana latami.

W miarę jak AI staje się integralną częścią kluczowych operacji, jak przewidujesz zmianę ról menedżerów i pracowników frontowych oraz co powinni teraz zrobić liderzy ze średniego rynku, aby AI podnosiło ich zespoły, a nie tylko dodawało kolejną warstwę technologii?

„Menedżerowie” kiedyś odnosiło się do kierowania ludźmi. Szybko stało się to zarządzaniem agentami i systemami. Zacznij od zmapowania największych punktów bólu zespołu i wyodrębnienia ręcznej, powtarzalnej pracy; to jest miejsce, w którym AI powinno najpierw działać, zanim powierzy mu bardziej złożone decyzje. Najpierw idź krok po kroku, zwłaszcza w firmie ze średniego rynku, gdzie zaufanie musi być zdobywane sukces po sukcesie.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Different Day.