Michael Delgado, Współzałożyciel i Dyrektor Generalny w Canals – Seria Wywiadów

Michael Delgado, Współzałożyciel i Dyrektor Generalny w Canals, to były prawnik korporacyjny, który przeszedł na stronę przedsiębiorców i zbudował karierę łączącą wiedzę prawniczą, rozwój produktów i technologię operacyjną. Po rozpoczęciu pracy w najlepszych firmach prawniczych, takich jak Cravath, Swaine & Moore LLP, przeszedł do startupów, obejmując stanowiska kierownicze w Willing, a następnie współzałożył Vested, który później został przejęty przez MetLife. Następnie założył Canals w 2022 roku, wykorzystując swoje doświadczenie w dziedzinie prawa, operacji i produktów, aby rozwiązać nieefektywności w tradycyjnych branżach, szczególnie poprzez wykorzystanie sztucznej inteligencji do modernizacji złożonych procesów biznesowych.

Canals to platforma napędzana przez sztuczną inteligencję, zaprojektowana do automatyzacji krytycznych operacji biurowych dla dystrybutorów hurtowych, w tym przetwarzania zamówień sprzedaży, rozliczeń i zakupów. Firma koncentruje się na przekształcaniu nieustrukturyzowanych danych wejściowych, takich jak e-maile, pliki PDF i dokumenty odręczne, w strukturalne, użyteczne dane, które bezpośrednio integrują się z istniejącymi systemami ERP. Poprzez ciągłe uczenie się z interakcji użytkowników, Canals redukuje ręczne wprowadzanie danych, minimalizuje błędy i przyspiesza procesy operacyjne, pozycjonując się jako praktyczna warstwa wykonawcza dla firm, a nie wyłącznie analityczne rozwiązanie sztucznej inteligencji.

Przeszedłeś z tła prawniczego w firmach takich jak Cravath, Swaine & Moore LLP do startupów, a ostatecznie założyłeś Canals po doświadczeniach w budowaniu Vested. Jakie konkretnie nieefektywności w procesach dystrybucyjnych skłoniły Cię do założenia firmy, a jak Twoje wcześniejsze role wpłynęły na tę decyzję?

Moja żona prowadzi firmę dystrybucyjną, więc to przez nią po raz pierwszy zacząłem odwiedzać magazyny, rozmawiać z dystrybutorami i uczyć się branży.

Im więcej czasu spędzałem w branży dystrybucyjnej, tym bardziej rzucała się w oczy procedura zwana „wprowadzaniem zamówień”. Zamówienia docierają do dystrybutora przez różne kanały i w różnych formatach, a każde z nich musi być przeglądane i ręcznie wprowadzane do systemu ERP. To czasochłonne zadanie, które spoczywa na zespołach przedstawicieli handlowych – ludzi, których praca powinna polegać na generowaniu przychodu i budowaniu relacji.

Im więcej rozmów prowadziłem z dystrybutorami, tym bardziej było jasne, że jest to nie mała nieefektywność. Proces wprowadzania zamówień jest podstawowym procesem w ogromnej branży, której technologia historycznie nie potrafiła sprostać, częściowo dlatego, że tradycyjne oprogramowanie nie mogło obsłużyć zmienności. Przez lata budowałem oprogramowanie i obserwowałem postęp sztucznej inteligencji, więc byłem dobrze przygotowany, aby zobaczyć duży rynek, prawdziwy ból i nowy sposób rozwiązania tego problemu. Canals powstało z tego.

Dla czytelników, którzy nie znają tej branży, co Canals dokładnie robi w organizacji w codziennym życiu, i jak wchodzi w interakcje z istniejącymi systemami, takimi jak Planowanie Zasobów Przedsiębiorstwa (ERP)?

Na wysokim poziomie Canals bierze dane wejściowe, z którymi dystrybutorzy, kontrahenci i producenci mają do czynienia każdego dnia – e-maile, pliki PDF, arkusze kalkulacyjne, a nawet notatki odręczne – i przekształca je w strukturalne dane, które mogą przepływać między systemami i napędzać procesy końcowe. Następnie używa tych danych do automatyzacji działań w dół, czy to generowania zamówienia sprzedaży, czy składania faktury, zanim wprowadzi czyste, zwalidowane dane bezpośrednio do systemu ERP.

System ERP pozostaje systemem ewidencji, podczas gdy Canals działa jako operacyjna sztuczna inteligencja, która go utrzymuje dokładnym i na bieżąco.

Jeszcze w branży dystrybucji przemysłowej dominują e-maile, pliki PDF i połączenia telefoniczne w zarządzaniu zamówieniami i fakturami. Dlaczego ten poziom pracy ręcznej utrzymywał się przez tak długi czas, i co uniemożliwiało znaczącą automatyzację do tej pory? 

Problem polega na tym, że tradycyjne oprogramowanie opiera się na sztywnych regułach i standardowych szablonach. To działa w środowiskach, w których dane wejściowe są spójne, ale dystrybucja i budownictwo nie są takie. Dokumenty przychodzą w różnych formatach, a istnieje wiele różnych nazw, skrótów i slangów, które wszystkie opisują ten sam produkt. W pewnym momencie liczba przypadków brzegowych staje się nie do ogarnięcia. Nie można realistycznie zdefiniować reguł dla każdej odmiany, więc proces spada do ręcznej interpretacji.

Chęć wprowadzenia większej wydajności zawsze istniała, ale do niedawna technologia nie mogła nadążyć, co utrudniało wdrożenie wcześniejszych podejść i uniemożliwiało ich skalowanie.

Jednym z podstawowych wyzwań jest przekształcenie nieustrukturyzowanych danych wejściowych w strukturalne działania. Jak Twoja platforma interpretuje e-maile, załączniki i dokumenty, i konwertuje je w użyteczne dane i procesy?

To wyzwanie wymaga dwóch kroków, aby je rozwiązać.

Pierwszym krokiem jest parsowanie. Canals identyfikuje odpowiednie dokumenty w skrzynce odbiorczej użytkownika, wyciąga kluczowe pozycje i pola, i wyodrębnia dane.

Drugim krokiem jest dopasowanie. To jest miejsce, w którym wyodrębnione dane są rozwiązane w systemie. W niektórych przypadkach oznacza to mapowanie pozycji na odpowiednie SKUs, obsługę zmienności w opisach produktów i normalizację jednostek. W innych przypadkach oznacza to uzgodnienie dokumentów, takich jak dopasowanie faktury do zamówienia zakupu i otrzymania, wyrównywanie pozycji i identyfikowanie rozbieżności.

Wynikiem jest strukturalne, kontekstowe dane, które mogą napędzać proces końcowy.

Wsparłeś procesy związane z ponad 2,1 miliardami dolarów w płatnościach. Na takiej skali, jakie wzorce pojawiają się wokół nieefektywności, opóźnień lub błędów, których większość firm nawet nie zdaje sobie sprawy? 

Istnieją oczywiste korzyści z wydajności. Na przykład po stronie rozliczeń naszym klientom udaje się zautomatyzować średnio 96% przetwarzania faktur, co usuwa znaczną ilość pracy ręcznej.

To, co jest bardziej interesujące, to jak to manifestuje się poza oszczędnościami kosztów. W przypadku wprowadzania zamówień szybkość ma bezpośredni wpływ na przychody.

W budownictwie czas jest krytyczny, a pozostawanie w harmonogramie jest priorytetem. Jeśli kontrahent żąda ofert od wielu dystrybutorów, a jeden z nich odpowiada w ciągu dziesięciu minut, podczas gdy inni potrzebują godzin, praca zwykle idzie do tego, który odpowiedział pierwszy, nawet jeśli nie jest to najniższa cena. Uzyskanie materiału na czas ma znaczenie bardziej niż oszczędność kilku dolarów.

Ten dynamizm ma bezpośredni wpływ na przychody. Automatyzacja wprowadzania zamówień zwiększa częstotliwość, z jaką dystrybutor jest pierwszym, który odpowiada, co zwiększa częstotliwość, z jaką wygrywa on zamówienia. Dla jednego z naszych klientów to przetłumaczyło się na 57% transakcji, które przekształciły się w zamówienia, w porównaniu z poprzednim średnim poziomem bliższym 20%.

Starsze systemy, takie jak platformy ERP, są często sztywne i trudne do zmodernizowania. Jak podejść do integracji bez zmuszania firm do wymiany istniejącej infrastruktury?

Systemy ERP są głęboko zakorzenione w tym, jak firma działa, więc prawdziwe ograniczenie nie jest tylko integracja, ale jak szybko i jak czysto można ją wykonać bez dodawania obciążeń. Jeśli wdrożenie jest wolne lub wymaga dużego zaangażowania wewnętrznego działu IT, staje się ono perturbującym blokerem.

Nasze podejście zawsze polegało na inwestowaniu w przyspieszenie wdrożenia i uczynienie go bezproblemowym. Mamy dziesiątki predefiniowanych integracji i duży zespół inżynierów, aby wesprzeć niestandardowe wdrożenia, i priorytetem jest szybkie uruchomienie klientów bez tworzenia ciągłego obciążenia konserwacyjnego.

Obserwujemy przesunięcie w kierunku bardziej autonomicznych systemów w różnych branżach. Jak daleko może sięgać automatyzacja w procesach dystrybucyjnych, zanim nadzór ludzki stanie się ponownie krytyczny?

Istnieje wiele rzeczy, których sztuczna inteligencja nie może zrobić. Nie podejmie skomplikowanych decyzji biznesowych, nie będzie zarządzać relacjami z klientami, ani nie będzie działać w terenie. To, co może zrobić, to usunąć wiele powtarzalnych zadań administracyjnych, które leżą pod tymi procesami.

W większości przepływów pracy przemysłowych właściwym modelem jest człowiek w pętli, gdzie sztuczna inteligencja zajmuje się większością pracy, pozostawiając ludzi kontrolujących wyjątki. Kiedy coś jest proste, może być zautomatyzowane. Kiedy coś jest niejednoznaczne, wysoko-wartościowe lub niesie prawdziwe ryzyko, tam jest krytyczne osądzenie ludzkie.

Celem nie jest 100% autonomia. To zautomatyzowanie nużących, ręcznych i rutynowych części przepływu pracy, aby ludzie mogli się skoncentrować na decyzjach o wysokiej wartości i wyjątkach.

Jednym z ryzyk związanych z automatyzacją jest utrata wiedzy instytucjonalnej od doświadczonych operatorów. Jak Canals zapewnia, że ekspertyza jest przechwycona i odzwierciedlona w systemie, a nie zastąpiona? 

Jedną z kluczowych zalet sztucznej inteligencji nad tradycyjnym oprogramowaniem jest to, że może się uczyć z czasem.

Kiedy doświadczony operator przegląda coś, dokonuje korekty lub obsługuje wyjątek, system może przechwycić te decyzje i inteligentnie zastosować je w przyszłości. Wraz ze wzrostem użytkowania zaczyna niezawodnie odzwierciedlać te wzorce, zamiast polegać na stałym zestawie reguł.

To oznacza, że wiedza instytucjonalna nie jest już związana z jedną osobą. Zamiast mieszkać z osobami, jest wbudowana w systemy używane do prowadzenia biznesu, więc jest stosowana bardziej konsekwentnie w całej organizacji. Kiedy doświadczeni pracownicy odchodzą, ich ekspertyza pozostaje przechwycona w Canals. Kiedy nowi pracownicy zaczynają, pracują w systemie, który już odzwierciedla, jak firma działa, co pomaga im szybciej wchodzić w rolę i wykonywać zadania bardziej konsekwentnie.

Budowa centrów danych powoduje realne napięcia w łańcuchach dostaw. Jak ten popyt zmienia oczekiwania dotyczące szybkości, dokładności i koordynacji dla dystrybutorów? 

Wyścig do budowy centrów danych przyspiesza z 700 miliardami dolarów zainwestowanymi w budowę, co powoduje ogromne napięcia dla kontrahentów i dystrybutorów, aby nadążyć.

Co to zmienia, to tolerancja na opóźnienia. Procesy, które były zarządzalne przy niższych objętościach – takie jak ręczne przetwarzanie zamówień i uzgodnienie dokumentów – zaczynają się psuć w skali. Im większe projekty i szybsze tempo, tym bardziej widoczne stają się luki między cytowaniem, kupowaniem i realizacją, a brak dokładnych, aktualnych informacji podważa koordynację i może skutkować nieoczekiwanymi opóźnieniami i nagłymi przerwami w pracy.

Zespoły, które mogą działać z szybkością i czasem rzeczywistym, mają wyraźną przewagę. W tym momencie automatyzacja nie jest już tylko kwestią wydajności, staje się wymogiem, aby nadążyć za tempem i złożonością popytu.

Spójrzając w przyszłość, jak widzisz, że sztuczna inteligencja zmienia procesy zakupów i łańcuchów dostaw w ciągu najbliższych pięciu lat, szczególnie gdy systemy przechodzą od narzędzi asystujących do bardziej agentowych podejmowania decyzji?

Trudno powiedzieć z pewnością, ale to, co staje się bardziej widoczne, to jak sztuczna inteligencja jest stosowana – wąsko, w określonych procesach, w których jest wiele powtórzeń i jasna ścieżka do niezawodności. W procesach zakupów i łańcuchów dostaw to pojawia się w procesach wymagających wykonania. Te procesy są związane z prawdziwymi dolarami i prawdziwymi relacjami, więc poprzeczka dla autonomii jest wysoka. Krótkoterminowa zmiana będzie mniej dotyczyć podejmowania decyzji przez agenty i bardziej dotyczyć rozszerzania tego, co może być obsłużone w sposób niezawodny, przy zachowaniu ludzi w miejscach, gdzie to ma znaczenie.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Canals.