Лаури Кин Котчер, CEO и со‑учредитель Different Day — серия интервью

Lauri Kien Kotcher, CEO и со‑учредитель Different Day, является опытным бизнес‑лидером, создателем брендов, членом совета директоров и стратегическим советником, чья карьера охватывает искусственный интеллект, потребительские товары, розничную торговлю, здравоохранение, финансовые услуги и частный капитал. До основания Different Day она была CEO и членом совета директоров компании quip, где руководила переходом от ухода за полостью рта к оздоровлению полости рта, ввела новые продукты, переработала модель подписки напрямую потребителям и сократила операционные расходы. Ранее она возглавляла The Shade Store и Hello Products, помогая последней достичь значительного роста и её приобретения компанией Colgate в 2020 году. Её предыдущие руководящие должности включают старшие роли в L Catterton, Godiva Chocolatier, Lehman Brothers и Pfizer Consumer Healthcare, а также 15 лет в McKinsey & Company, где она стала партнёром и совместно возглавляла практику потребительских товаров Северной Америки. Котчер также входит в совет директоров Freshpet, привнося обширный опыт в стратегии роста, инновации, маркетинг, слияния и поглощения и организационные трансформации.

Different Day помогает организациям среднего рынка превращать операционные проблемы в практические, кастомизированные приложения искусственного интеллекта, которые интегрируются с их существующей технологической инфраструктурой. Вместо того чтобы сосредотачиваться на экспериментальных проектах ИИ или универсальном программном обеспечении, компания разрабатывает комплексные решения, направленные на сокращение ручного труда, повышение прозрачности, ускорение роста доходов, укрепление маржи и выявление полезных бизнес‑инсайтов. Их работа охватывает такие области, как прогнозирование спроса, планирование поставок и запасов, аналитика продаж, сверка финансовой помощи, соответствие нормативам, анализ контрактов, управление взаимоотношениями с клиентами и отчётность о производительности. Different Day позиционирует свою команду как партнёра от начального выявления проблемы до развертывания и передачи знаний, позволяя клиентам эксплуатировать и постоянно улучшать приложения внутри компании.

Вы провели десятилетия, возглавляя трансформацию в McKinsey, Godiva, Hello Products, The Shade Store и quip, прежде чем со‑создать Different Day. Что убедило вас, что компаниям среднего рынка нужен новый тип партнёра в области ИИ, и какие операционные проблемы, по вашему мнению, существующие технологические поставщики и консалтинговые фирмы не решают?

Шокирующе, но бизнес‑лидеры часто находятся в темноте. Как CEO и CMO, руководящие быстрорастущими брендами потребительских товаров и розничными компаниями среднего рынка, я никогда не могла получить чёткое представление о полном спектре всех движущих частей бизнеса. Наши данные часто жили в разрозненных «силосах» по каналам, географии и функциональному владельцу. Я интуитивно чувствовала, что ИИ наконец‑то может соединить эти точки и помочь понять, чего нам не хватает, но я не знала, к кому обратиться и с чего начать. Different Day стала ответом на этот вопрос.

У компаний среднего рынка меньше ресурсов, чем у крупных корпораций, но у них также может быть меньше бюрократии и технического долга. Как их подход к внедрению ИИ должен отличаться от корпоративного плана?

У компаний среднего рынка есть удивительная суперсила, которую им нужно использовать. Они должны стремиться обогнать более крупных конкурентов, поскольку скорость является их реальным преимуществом. Мы считаем, что можем превратить большинство средних компаний в организации, «родившиеся» с ИИ, как если бы они запускались в 2026 году с нуля. Крупные корпорации тихо боятся, что ИИ позволит меньшим соперникам уравнять условия, используя ИИ‑сотрудников для ускорения без увеличения численности персонала. Меньше людей означает меньше людей, принимающих решения, определяющих, как действовать, и какие цели ставить, поэтому более компактная организационная структура становится активом, а не ограничением.

При оценке операций компании, как вы отличаете рабочий процесс, который действительно выигрывает от ИИ, от того, который лучше решить традиционной автоматизацией, улучшенным программным обеспечением или редизайном процесса?

Я верю в «голый» подход: разберите ваш рабочий процесс до основ. Упрощение процесса должно предшествовать ИИ. Начните с чистого листа — что бы вы делали здесь, если бы не существовало устаревшего программного обеспечения и обходных решений? Большинство существующих процессов были построены, чтобы обходить громоздкие инструменты, а не потому, что это правильный способ работы. Когда контракты подходят к продлению, спросите, какие функции вы используете, и, за редким исключением, ИИ может построить что‑то более адаптированное, чем то, что у вас сейчас. Хотя есть системы, которые стоит сохранять, такие как ваш ERP или CRM, мы разрабатываем именно те дополнения, которые вам нужны, и ничего лишнего.

Different Day утверждает, что может начать с 72‑часового прототипа и перейти к готовой к производству передаче в течение нескольких недель. Что делает такой темп возможным и какие технические, безопасностные или организационные условия могут замедлить внедрение?

Это может звучать как переоценка, но это отражение нашего уникального преимущества как компании, основанной людьми, понимающими бизнес И технологию. Наша команда «родилась» с ИИ, поэтому процесс построения происходит гораздо быстрее, чем традиционная разработка программного обеспечения. Что не меняется — это этап обнаружения: кто владеет процессом, кто ещё должен поддержать, какой результат вы преследуете и насколько, что уже провалилось ранее. Пропустить эту работу в начале — значит, что она всплывёт позже; в интеграциях, в реализации, по гораздо более высокой цене. Такой темп возможен только потому, что мы загружаем понимание в начале, а не пишем код.

Многие компании среднего рынка работают с разрозненными электронными таблицами, устаревшими системами и непоследовательными источниками данных. Сколько подготовки данных обычно требуется, прежде чем ИИ сможет дать надёжные операционные результаты?

Разрозненные данные, с которыми живут большинство компаний среднего рынка, на самом деле являются возможностью, а не препятствием. Наши инструменты точно показывают, где находятся пробелы, а компания решает, заполнять их или нет и как. До ИИ эти пробелы были невидимы; кто‑то просто «проталкивал» таблицы в решение или принимал решение на основе неполных данных, не осознавая этого. Теперь команды видят пробел и могут взвешенно принимать решение, а не предполагать, что данные были надёжными.

Какие метрики должны установить руководители перед началом проекта ИИ и как быстро они должны ожидать увидеть доказательства того, что внедрение генерирует значимую отдачу от инвестиций?

ИИ может быть новым, но классические бизнес‑дисциплины остаются. Проблемы возникают, когда люди думают, что все старые правила исчезли. Каждый проект ИИ нуждается в одной чёткой цели с самого начала, будь то продажи, видимость бренда, маржа, скорость принятия решений или больший объём без увеличения штата, а также реалистичном графике её достижения. Сроки зависят от количества соединений данных, внутренних и внешних систем и от того, сколько инструменту нужно «выучить», прежде чем его вывод станет надёжным. Вы должны увидеть какие‑то результаты к трём месяцам; более сложные проекты займут дольше. Главное — проектировать его поэтапно, чтобы не ждать единственного крупного результата.

Different Day подчёркивает приложения, охватывающие прогнозирование спроса, планирование поставок, интеллектуальный анализ контрактов, сверку финансовой помощи и сигналы продаж в реальном времени. Какие случаи использования сегодня дают наибольшие повторяемые результаты, а какие остаются сильно зависимыми от отрасли и модели работы компании?

Не недооценивайте фактор повторяемости ИИ. Во многих отношениях бизнесы структурно более похожи, чем мы думаем, от универсальных контрактов до сопоставления потребностей клиентов с внутренними возможностями. Интеллектуальный анализ контрактов и сверка финансовой помощи — сегодня самые повторяемые; у обоих чёткие параметры и выводы, поэтому инструмент точно знает, что он решает. Прогнозирование спроса и планирование поставок сложнее: больше наборов данных, больше каналов и гораздо больше вариаций от модели работы одной компании к другой. Что‑то вроде уведомлений клиентам в реальном времени находится посередине, в зависимости от текущего технологического стека и каналов компании.

Как бизнес должен решить, покупать готовый ИИ‑продукт, разрабатывать его внутри компании или создавать кастомное приложение с внешним партнёром? Какие вопросы помогают выявить ненужную сложность или привязку к поставщику?

Избегайте кликбейта вокруг ИИ и будьте скептичны к постам в LinkedIn, которые делают создание сложных инструментов внутри компании звучащим легко. Разрабатывать внутри стоит только тогда, когда инструмент действительно прост, например, панель, собирающая несколько таблиц в один чистый вид для небольшого числа коллег. Как только требуется вытягивание данных в реальном времени из внутренних и внешних систем, это выходит за рамки возможностей нетехнической команды с DIY‑инструментами. Готовый ИИ имеет тот же потолок, что и готовый SaaS. Он даст вам общие данные, но не предоставит нюансы, специфичные для вашего бизнеса и конкурентов.

Какие самые распространённые ошибки вы видите у компаний, когда они переходят от впечатляющей демонстрации ИИ к системе, которой сотрудники должны доверять и использовать каждый день?

Я наблюдаю эпидемию «прототип‑итиса»: компании попадаются на видимые 10 % айсберга. Прототип выглядит впечатляюще, но реальная работа происходит под поверхностью: тестирование данных и обратное тестирование, проверка каждой системной связи и обеспечение безопасности данных. Затем следует управление изменениями: обучение людей, как пользоваться системой, где её ограничения, когда человек должен оставаться в цепочке, и какие вопросы задавать выводам ИИ. ИИ должен быть пригоден для конкретной цели, а не заменой человеческого суждения, особенно в компании среднего рынка, где это суждение формировалось годами.

По мере того как ИИ внедряется в ключевые операции, как, по вашему мнению, изменятся роли менеджеров и сотрудников фронт‑лайн, и что должны сейчас делать лидеры среднего рынка, чтобы ИИ поднимал их команды, а не просто добавлял ещё один слой технологий?

«Менеджеры» когда‑то означали руководство людьми. Сейчас это управление агентами и системами. Начните с картирования самых больших болевых точек команды и изоляции ручной, повторяющейся работы; именно туда ИИ сначала и нужен, прежде чем передавать ему более сложные решения. Идите шаг за шагом, особенно в компании среднего рынка, где доверие должно зарабатываться победой за победой.

Спасибо за отличное интервью, читатели, желающие узнать больше, могут посетить Different Day.