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 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 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