Lauri Kien Kotcher, VD och medgrundare av Different Day – Intervjuserie

Lauri Kien Kotcher, VD och medgrundare av Different Day, är en erfaren affärsledare, varumärkesbyggare, styrelseledamot och strategisk rådgivare vars karriär spänner över artificiell intelligens, konsumentprodukter, detaljhandel, hälso‑ och sjukvård, finansiella tjänster och private equity. Innan hon grundade Different Day var hon VD och styrelsemedlem i quip, där hon ledde ett bredare skifte från munvård till munhälsa, introducerade nya produkter, omarbetade företagets direkt‑till‑konsument‑prenumerationsmodell och minskade driftskostnaderna. Hon ledde tidigare The Shade Store och Hello Products, och styrde sistnämnda genom betydande tillväxt och dess förvärv av Colgate 2020. Hennes tidigare ledarroller inkluderar seniora befattningar på L Catterton, Godiva Chocolatier, Lehman Brothers och Pfizer Consumer Healthcare, samt 15 år på McKinsey & Company, där hon blev partner och medledde företagets nordamerikanska konsumentvarusektor. Kotcher sitter också i Freshpets styrelse, och bidrar med omfattande erfarenhet av tillväxtstrategi, innovation, marknadsföring, fusioner och förvärv samt organisatorisk transformation.

Different Day hjälper medelstora organisationer att omvandla operativa utmaningar till praktiska, skräddarsydda artificiella intelligens‑applikationer som integreras med deras befintliga tekniska miljöer. Istället för att fokusera på experimentella AI‑projekt eller generisk mjukvara utvecklar företaget helhetslösningar som är avsedda att minska manuellt arbete, förbättra insyn, påskynda intäktsökning, stärka marginaler och avslöja användbara affärsinsikter. Deras arbete omfattar områden som efterfrågeprognoser, försörjnings‑ och lagerplanering, försäljningsintelligens, återbetalningsavstämning, efterlevnad, kontraktsanalys, kundrelationshantering och prestationsrapportering. Different Day positionerar sitt team som en partner från den initiala problemidentifieringen till implementering och kunskapsöverföring, så att kunderna kan driva och fortsätta förbättra applikationerna internt.

Du har tillbringat decennier med att leda transformationer på McKinsey, Godiva, Hello Products, The Shade Store och quip innan du medgrundade Different Day. Vad övertygade dig om att medelstora företag behövde en ny typ av AI‑partner, och vilka operativa problem ansåg du att befintliga teknikleverantörer och konsultföretag misslyckades med att lösa?

Chockerande nog lever många affärsledare i mörker. Som VD och CMO för snabbt växande medelstora konsumentvarumärken och detaljhandelsföretag kunde jag aldrig få en tydlig bild av hela omfattningen av alla rörliga delar i verksamheten. Våra data levde ofta i separata silos efter kanal, geografi och funktionell ägare. Min instinkt var att AI äntligen kunde koppla ihop dessa punkter och hjälpa oss att se vad vi saknade, men jag hade ingen aning om vem jag skulle kontakta eller var jag skulle börja. Different Day blev svaret på den frågan.

Medelstora företag har färre resurser än stora koncerner, men de kan också ha mindre byråkrati och teknisk skuld. Hur bör deras tillvägagångssätt för AI‑implementering skilja sig från den traditionella företagsmodellen?

Medelstora företag har en extraordinär superkraft som de måste omfamna. De bör sikta på att hoppa över sina större konkurrenter eftersom snabbhet är deras verkliga fördel. Vår syn är att vi kan förvandla de flesta medelstora företag till AI‑inhemska organisationer, som om de lanserades från grunden år 2026. Stora koncerner är tystligt rädda för att AI ska låta mindre rivaler jämna ut spelplanen, genom att använda AI‑medarbetare för att gå snabbare utan att öka personalstyrkan. Färre personer betyder färre beslutsfattare, färre som bestämmer vad som ska göras, hur det ska göras och vilka mål som gäller, så ett mindre organisationsschema blir en tillgång, inte en begränsning.

När du utvärderar ett företags verksamhet, hur skiljer du på ett arbetsflöde som verkligen drar nytta av AI från ett som bättre kan lösas med konventionell automation, förbättrad mjukvara eller processomdesign?

Jag tror på den nakna metoden: rensa ditt arbetsflöde till det grundläggande. Att förenkla processen bör komma före AI. Börja med ett tomt blad – vad skulle du göra här om den befintliga mjukvaran och kringgående lösningarna inte fanns? De flesta befintliga processer byggdes för att kringgå klumpiga verktyg, inte för att vara det rätta sättet att arbeta på. När kontrakt förnyas, fråga vilka funktioner du använder, och med få undantag kan AI bygga något mer skräddarsytt än vad du har idag. Även om det alltid finns system som är värda att behålla, som ditt ERP‑ eller CRM‑system, designar vi exakt de tillägg du behöver och inget mer.

Different Day säger att de kan börja med ett 72‑timmars prototyp och leverera en produktionsklar lösning inom veckor. Vad gör den takten möjlig, och vilka tekniska, säkerhets‑ eller organisationsförhållanden kan sakta ner en implementering?

Det kan låta som ett överlöfte, men det är en reflektion av vår unika fördel som ett företag grundat av personer som förstår både affärer OCH teknik. Vårt team är AI‑inhemskt, så själva bygget går mycket snabbare än traditionell mjukvaruutveckling. Det som inte förändras är upptäcktsfasen: vem som äger processen, vem som annars måste köpa in sig, vilket resultat du siktar på och med hur mycket, vad som har misslyckats tidigare. Hoppar du över det arbetet i början, dyker det upp senare; i integrationer, i implementering, till en mycket högre kostnad. Takten är bara möjlig eftersom vi front‑laddar förståelsen i stället för att koda först.

Många medelstora företag arbetar med separata kalkylblad, äldre system och inkonsekventa datakällor. Hur mycket dataförberedelse krävs vanligtvis innan AI kan leverera pålitliga operativa resultat?

Den fragmenterade data som de flesta medelstora företag lever med är faktiskt möjligheten, inte hindret. Våra verktyg visar exakt var luckorna finns, och företaget bestämmer om och hur de ska fyllas. Före AI var dessa luckor osynliga; någon bara knuffade in kalkylbladen i ett beslut eller fattade ett beslut på ofullständig data utan att inse det. Nu kan teamen se luckan och väga sitt beslut därefter istället för att anta att datan var solid.

Vilka nyckeltal bör ledningen fastställa innan de påbörjar ett AI‑projekt, och hur snabbt bör de förvänta sig bevis på att implementeringen ger en meningsfull avkastning?

AI kan vara nytt, men de klassiska affärsdisciplinerna gäller fortfarande. Där AI stöter på problem är när folk tror att alla gamla regler är borta. Varje AI‑projekt behöver ett tydligt mål från början, oavsett om det är försäljning, varumärkessynlighet, marginal, besluts­snabbhet eller mer output utan fler anställda, samt en realistisk tidsplan för att nå det. Tidsramarna varierar med antalet datakopplingar, interna och externa system som är inblandade, och hur mycket verktyget måste lära sig innan dess resultat är stabila. Du bör se någon form av resultat inom tre månader; mer komplexa projekt tar längre tid. Nyckeln är att designa projektet i steg, så att du inte väntar på ett enda stort resultat.

Different Day lyfter fram tillämpningar som efterfrågeprognoser, försörjningsplanering, kontrakt‑intelligens, återbetalningsavstämning och realtids‑försäljningssignaler. Vilka användningsfall ger de mest repeterbara resultaten idag, och vilka är fortfarande starkt beroende av ett företags bransch och driftmodell?

Underskatta inte AI:s repeterbarhetsfaktor. På många sätt är företag strukturellt mer lika varandra än vi tror, från universella kontrakt till att matcha kundbehov med interna kapaciteter. Kontrakts‑intelligens och återbetalningsavstämning är de mest repeterbara idag; båda har tydliga parametrar och tydliga utdata, så verktyget vet exakt vad det ska lösa. Efterfrågeprognoser och försörjningsplanering är svårare: fler datamängder, fler kanaler och mycket mer variation mellan ett företags driftmodell och ett annat. Något som realtids‑kundnotifieringar hamnar mitt emellan, beroende på företagets nuvarande teknikstack och kanaler.

Hur bör ett företag avgöra om de ska köpa en färdig AI‑produkt, bygga internt eller utveckla en skräddarsydd applikation med en extern partner? Vilka frågor hjälper till att avslöja onödig komplexitet eller leverantörslåsning?

Undvik AI‑clickbait och var skeptisk mot LinkedIn‑inlägg som får intern utveckling av sofistikerade verktyg att låta enkelt. Bygg internt bara när verktyget verkligen är enkelt, som en dashboard som samlar några kalkylblad till en ren vy för ett fåtal kollegor. Så snart du behöver realtids‑data från interna och externa system, är det utom räckhåll för ett icke‑tekniskt team med gör‑det‑själv‑verktyg. Färdiga AI‑lösningar har samma tak som färdiga SaaS‑produkter alltid haft. De ger dig en överblick på generisk data, men de ger dig inte den nyans som är specifik för ditt företag och dina konkurrenter.

Vilka är de vanligaste misstagen du ser företag göra när de går från en imponerande AI‑demonstration till ett system som anställda måste lita på och använda varje dag?

Jag ser en epidemi av “prototyp‑itis”: företag fastnar för den synliga 10 % av isberget. Prototypen ser imponerande ut, men det verkliga arbetet sker under ytan: datatesting och back‑testing, testning av varje systemlänk och säkring av data. Sedan kommer förändringshantering: att lära folk hur de ska använda den, var dess begränsningar ligger, när en människa måste vara i loopen och vilka frågor de ska ställa till dess output. AI bör vara ändamålsenligt, inte en ersättning för mänskligt omdöme, särskilt i ett medelstort företag där det omdömet byggdes under åratal.

När AI blir inbäddat i kärnverksamheten, hur förväntar du dig att rollerna för chefer och frontlinjepersonal förändras, och vad bör medelstora ledare göra nu för att säkerställa att AI lyfter sina team snarare än att bara lägga till ett extra lager av teknik?

“Chefer” brukade handla om att leda människor. Snabbt har det blivit ledning av agenter och system. Börja med att kartlägga teamets största smärtpunkter och isolera det manuella, repetitiva arbetet; det är där AI hör hemma först, innan du ger den mer komplexa beslut. Gå först innan du springer, särskilt i ett medelstort företag där förtroende måste förtjänas en seger i taget.

Tack för den fantastiska intervjun, läsare som vill veta mer bör besöka Different Day.