การเลือกวิธีที่ถูกต้อง: วิธีการที่บริษัทอุตสาหกรรมควรเข้าใกล้เทคโนโลยีที่มีพลังงานจาก AI

เป็นที่ชัดเจนว่าปัญญาประดิษฐ์กำลังเปลี่ยนแปลงอุตสาหกรรมทุกประเภทที่เรารู้จัก นี่ไม่เพียงแต่รวมถึงส่วนที่ได้รับความสนใจมากที่สุด เช่น SaaS, fintech, healthtech และการเดินทาง แต่ยังรวมถึง อุตสาหกรรมหนักแบบดั้งเดิม ที่พร้อมสำหรับการเปลี่ยนแปลง

ในฐานะนักลงทุน AI ที่มุ่งเน้นไปที่อุตสาหกรรม ฉันเห็นว่าหลายบริษัทในภาคส่วนนี้กำลังยอมรับการใช้ระบบอัตโนมัติและกระบวนการตัดสินใจโดยใช้ข้อมูลมากขึ้น และแนวทางของพวกเขาอาจแตกต่างกันไปขึ้นอยู่กับความต้องการขององค์กรและทรัพยากรที่มีอยู่

ในบทความนี้ ฉันจะพูดถึงตัวเลือกต่างๆ ที่บริษัทต่างๆ มีในการรวมเทคโนโลยีที่มีพลังงานจาก AI เข้ากับกระบวนการทางธุรกิจ และเน้นถึงข้อดีและข้อเสียที่ฉันสังเกตเห็นในแต่ละตัวเลือก

1. จัดตั้งหน่วยวิจัยและพัฒนาภายใน

หลายบริษัทเลือกที่จะจัดตั้งหน่วยวิจัยและพัฒนา (R&D) ของตนเองเพื่อพัฒนาเทคโนโลยี AI ตัวอย่างเช่น Siemens ได้สร้าง ห้องปฏิบัติการ AI เพื่อสร้างสรรค์นวัตกรรม AI ในอุตสาหกรรม

แม้ว่า Siemens จะสามารถบรรลุผลสำเร็จบางอย่าง เช่น ลดเวลาในการผลิตโดยไม่ต้องใช้ฮาร์ดแวร์ใหม่ แต่ความเป็นจริงคือสำหรับบริษัทส่วนใหญ่ ประโยชน์ที่สามารถได้รับจากหน่วย R&D ภายในมีจำกัด

ไม่เหมือนกับบริษัทสตาร์ทอัพ โลกธุรกิจมีกระบวนการทำงานที่ช้า ความอดทนที่ต่ำต่อข้อผิดพลาด และความคาดหวังที่สูง ซึ่งสามารถฆ่าโครงการก่อนที่จะบรรลุผลสำเร็จได้ สตาร์ทอัพ另一方面 มีความสามารถในการปรับเปลี่ยนและรู้ว่าต้องมีการวนซ้ำหลายครั้งก่อนที่จะพบกับผลสำเร็จจริงๆ โดยเฉพาะอย่างยิ่งด้วยเทคโนโลยี AI ที่ต้องอยู่ในโหมด “การเรียนรู้” อย่างต่อเนื่อง

ดังนั้นจากมุมมองของฉัน บริษัทที่เลือกใช้วิธีนี้ต้องให้ความเป็นอิสระแก่หน่วย R&D เพื่อให้สามารถดำเนินงานได้เหมือนกับสตาร์ทอัพ หากไม่เช่นนั้น ความเร็วที่ช้าๆ ขององค์กรจะขัดขวางโอกาสของพวกเขา

2. สร้างกองทุนหรือเครื่องมือที่มุ่งเน้นไปที่ AI

บริษัทขนาดใหญ่ เช่น Toyota ได้ลงทุนหลายร้อยล้านเหรียญสหรัฐฯ ในสตาร์ทอัพ AI และเทคโนโลยีแรเงาผ่าน สถาบันวิจัย Toyota และ Toyota Ventures และ Qualcomm (QCOM ) ได้ลงทุนผ่าน Qualcomm Ventures

ในทางกลับกัน บริษัทอื่นๆ เช่น Fujitsu ได้สร้างโปรแกรมเร่งความเร็ว Fujitsu Engineering Accelerator หรือ Volkswagen ที่ ร่วมมือกับ Plug and Play เพื่อสนับสนุนสตาร์ทอัพใหม่ๆ ที่มุ่งเน้นไปที่ความต้องการและความท้าทายของอุตสาหกรรม

อย่างไรก็ตาม วิธีนี้ก็มีข้อจำกัดเช่นกัน การสร้างกองทุนหรือเครื่องมือไม่ได้เปลี่ยนแปลงวัฒนธรรมที่ฝังลึกขององค์กร นอกจากนี้ การดำเนินงานของกองทุนเหล่านี้มักถูกจำกัดโดยปัจจัยอื่นๆ เช่น โพรโทคอลและกฎที่กำหนดโดยบริษัทแม่

3. จ้าง Chief Digital Officer (CDO)

ขั้นตอนนี้เกี่ยวข้องกับการจ้างบุคคลหรือจัดตั้งหน่วยงานที่จะรับผิดชอบในการดิจิทัล化บริษัท โดยรวมถึงการพัฒนาแผนการนำ AI ไปใช้และการติดต่อกับสตาร์ทอัพ CDO จะมุ่งเน้นไปที่การปรับปรุงประสิทธิภาพ ความสามารถในการแข่งขัน และการเติบโตผ่านการดิจิทัล化

ข้อเสียที่อาจเกิดขึ้นของวิธีนี้คือ สตาร์ทอัพอาจพบว่ามันยากที่จะสื่อสารกับพนักงานขององค์กร เนื่องจากพวกเขาใช้แบบจำลองธุรกิจและโพรโทคอลการสื่อสารที่แตกต่างกัน นอกจากนี้ CDO อาจพึ่งพือข่ายผู้ติดต่อที่มีอยู่สำหรับการร่วมมือที่อาจมีประสิทธิภาพ ซึ่งอาจจำกัดขอบเขตของการร่วมมือที่มีประสิทธิภาพ

การพิจารณาอีกประการหนึ่งคือ CDO ต้องสอดคล้องกับวิสัยทัศน์โดยรวมของบริษัท หาก CDO ต้องการขับเคลื่อนการเปลี่ยนแปลงอย่างรวดเร็ว แต่บริษัทไม่พร้อมที่จะก้าวหน้าด้วยความเร็วที่เท่ากัน โครงการอาจหยุดชะงัก และนำไปสู่ความผิดหวังเพิ่มเติม

โดยทั่วไป โมเดลนี้ทำงานได้ดีขึ้นเมื่อองค์กรมีการโต้ตอบกับกองทุน VC เนื่องจากนักลงทุนสามารถเข้าใจได้อย่างรวดเร็วว่าบริษัทใดในพอร์ตโฟลิโอของพวกเขาที่เหมาะสมที่สุดในการแก้ปัญหาหรือความต้องการเฉพาะ

4. จัดงานแฮกกาธอนเกี่ยวกับ AI

การแฮกกาธอนซ้ำๆ เช่น ทุกๆ ปี เป็นวิธีที่มีประสิทธิภาพในการสร้างความคิดใหม่ๆ และโซลูชัน ในปัจจุบัน ไม่เพียงแต่บริษัทใหญ่ๆ เท่านั้นที่ใช้กลยุทธ์นี้ แต่ยังรวมถึงสตาร์ทอัพและกองทุนด้วย ฉันใช้วิธีนี้ส่วนตัว และหนึ่งในพอร์ตโฟลิโอของฉันจัดงานแฮกกาธอนเป็นประจำ เนื่องจากเป็นแพลตฟอร์มที่น่าทึ่งสำหรับคนในการคิดสร้างสรรค์และคิดนอกกรอบ

ในอดีต บางผลิตภัณฑ์ที่สร้างขึ้นที่งานแฮกกาธอนได้กลายเป็นผลิตภัณฑ์ที่ประสบความสำเร็จอย่างมาก ตัวอย่างเช่น ที่งานแฮกกาธอนของ Schneider Electric (SND.DE ) ผู้เข้าร่วมพัฒนา โซลูชัน AI ที่มีพลังงาน เพื่อเพิ่มประสิทธิภาพระบบการจัดการพลังงาน Schneider Electric นำโพรโทไทป์นี้และพัฒนาเพิ่มเติม โดยได้รับประโยชน์จากการใช้พลังงานที่มีประสิทธิภาพมากขึ้น และสุดท้ายก็ส่งต้นทุนลดลงไปยังลูกค้าของตน

ในทำนองเดียวกัน การแฮกกาธอนที่จัดโดย GE ส่งเสริมการพัฒนาแอปพลิเคชัน AI ที่ปรับปรุงประสิทธิภาพของกังหันลมโดยการวิเคราะห์ข้อมูลการดำเนินงานและปรับแต่งการตั้งค่าควบคุมอัตโนมัติ GE ขยายเทคโนโลยีนี้ และตอนนี้มันเพิ่มประสิทธิภาพการทำงานของฟาร์มลมในแผนกพลังงานทดแทนของ GE

แฮกกาธอน “Connected Experience” ของ Bosch ซึ่งมุ่งเน้นไปที่นวัตกรรม AI และ IoT เป็นตัวอย่างที่ดีอีกตัวหนึ่งของงานแฮกกาธอน AI ของบริษัทอุตสาหกรรม และคาดว่าสิ่งประดิษฐ์ที่เกิดขึ้นจากงานนี้จะเร่งการเปลี่ยนแปลงที่บริษัทในแผนกการผลิตและยานยนต์

ความลับของการแฮกกาธอนที่ประสบความสำเร็จไม่เพียงแต่เกี่ยวกับการจัดงานและความเต็มใจที่จะลงทุนเวลาและเงิน แต่ยังเกี่ยวกับการเข้าใจว่าทำไมจึงทำและวิธีการใช้ผลลัพธ์ – ความคิดที่สร้างขึ้นโดยผู้เข้าร่วม การให้ความเป็นอิสระแก่ผู้เข้าร่วมในการคิดสร้างสรรค์เป็นสิ่งสำคัญ เนื่องจากแก่นแท้ของการแฮกกาธอนคือการค้นหาความคิดใหม่ๆ ในทางกลับกัน การระบบ化ผลลัพธ์เป็นสิ่งจำเป็น การควบคุมสมดุลนี้สามารถทำให้การแฮกกาธอนเป็นแหล่งที่ดีของเทคโนโลยีใหม่ๆ สำหรับบริษัท หรือที่มีคนสามารถพัฒนาเทคโนโลยีเหล่านี้ภายในบริษัทได้

ความคิดสุดท้าย

แม้ว่าวิธีการเหล่านี้สี่วิธีจะสามารถเป็นกลยุทธ์ที่ประสบความสำเร็จสำหรับองค์กรในการรวมเทคโนโลยี AI เข้ากับกระบวนการและปรับปรุงผลลัพธ์ แต่ฉันต้องเน้นย้ำถึงความสำคัญของการสื่อสารและความเข้าใจระหว่างสองวิธีการทำงานที่แตกต่างกัน

สตาร์ทอัพ AI และผู้สร้างนวัตกรรมอาจพบว่ามันยากที่จะสื่อสารกับพนักงานขององค์กร ดังนั้น ทักษะนี้จึงต้องถูกสอน เนื่องจากการสื่อสารที่มีประสิทธิภาพสามารถเปิดทางสู่ความสำเร็จ

ดังนั้น คำแนะนำสุดท้ายสำหรับองค์กรคือการมีพนักงานที่สามารถทำงานร่วมกับสตาร์ทอัพและสอนพวกเขาให้รู้วิธีลดช่องว่างในการสื่อสาร Google เป็นตัวอย่างที่ดี ฉันพบคนที่ Google ที่ไม่เพียงแต่เกี่ยวข้องกับการขายให้กับองค์กรเท่านั้น แต่ยังเป็นคนกลางที่สอนสตาร์ทอัพให้หาจุดร่วมร่วมกับกลุ่มคอนกลอเมอเรตขนาดใหญ่ ซึ่งเป็นสิ่งสำคัญ เนื่องจากการเปลี่ยนแปลงอุตสาหกรรมในปัจจุบันด้วยพลังของ AI จะต้องทำงานร่วมกัน尽管ความแตกต่าง และผู้ที่ไม่รู้จักวิธีการร่วมมืออาจถูกทิ้งไว้ข้างหลัง