Lauri Kien Kotcher, CEO และผู้ร่วมก่อตั้ง Different Day – ซีรีส์สัมภาษณ์

Lauri Kien Kotcher, CEO และผู้ร่วมก่อตั้ง Different Day, เป็นผู้นำธุรกิจที่มีประสบการณ์, ผู้สร้างแบรนด์, กรรมการบริษัท, และที่ปรึกษากลยุทธ์ที่ทำงานในหลายสาขา ตั้งแต่ปัญญาประดิษฐ์, ผลิตภัณฑ์ผู้บริโภค, ค้าปลีก, การดูแลสุขภาพ, บริการทางการเงิน, จนถึงการลงทุนส่วนบุคคล. ก่อนก่อตั้ง Different Day, เธอเคยดำรงตำแหน่ง CEO และกรรมการของ quip, ที่ซึ่งเธอได้ขับเคลื่อนการเปลี่ยนแปลงจากการดูแลช่องปากไปสู่การส่งเสริมสุขภาพช่องปาก, เปิดตัวผลิตภัณฑ์ใหม่, ปรับโมเดลการสมัครสมาชิกโดยตรงต่อผู้บริโภค, และลดต้นทุนการดำเนินงาน. เธอยังเคยเป็นผู้นำ The Shade Store และ Hello Products, นำบริษัทเหล่านั้นผ่านการเติบโตอย่างสำคัญและการถูกซื้อโดย Colgate ในปี 2020. ตำแหน่งผู้นำก่อนหน้านี้ของเธอรวมถึงบทบาทระดับสูงที่ L Catterton, Godiva Chocolatier, Lehman Brothers, และ Pfizer Consumer Healthcare, รวมถึง 15 ปีที่ McKinsey & Company, ที่เธอเป็นหุ้นส่วนและร่วมเป็นหัวหน้าฝ่ายสินค้าผู้บริโภคของอเมริกาเหนือ. Kotcher ยังดำรงตำแหน่งในคณะกรรมการของ Freshpet, นำประสบการณ์ด้านกลยุทธ์การเติบโต, นวัตกรรม, การตลาด, การควบรวมและการเข้าซื้อกิจการ, และการเปลี่ยนแปลงองค์กรมาใช้.

Different Day ช่วยให้องค์กรระดับกลางเปลี่ยนความท้าทายด้านการดำเนินงานให้เป็นแอปพลิเคชันปัญญาประดิษฐ์ที่ปรับแต่งได้ตามความต้องการและเชื่อมต่อกับสภาพแวดล้อมเทคโนโลยีที่มีอยู่ของพวกเขา. แทนที่จะมุ่งเน้นที่โครงการ AI ทดลองหรือซอฟต์แวร์ทั่วไป, บริษัทพัฒนาโซลูชันแบบครบวงจรที่ออกแบบมาเพื่อลดงานที่ต้องทำด้วยมือ, เพิ่มการมองเห็น, เร่งการเติบโตของรายได้, เสริมกำไร, และเปิดเผยข้อมูลเชิงธุรกิจที่มีประโยชน์. งานของบริษัทครอบคลุมด้านการพยากรณ์ความต้องการ, การวางแผนอุปทานและสินค้าคงคลัง, สายงานข่าวกรองการขาย, การกระทบยอดเงินช่วยเหลือทางการเงิน, การปฏิบัติตามกฎระเบียบ, การวิเคราะห์สัญญา, การจัดการความสัมพันธ์ลูกค้า, และการรายงานผลการดำเนินงาน. Different Day วางตำแหน่งทีมของตนเป็นพันธมิตรตั้งแต่การค้นพบปัญหาเริ่มต้นจนถึงการปรับใช้และการถ่ายทอดความรู้, ทำให้ลูกค้าสามารถดำเนินการและพัฒนาแอปพลิเคชันต่อไปได้ด้วยตนเอง.

คุณใช้เวลาหลายทศวรรษในการนำการเปลี่ยนแปลงใน McKinsey, Godiva, hello products, The Shade Store และ quip ก่อนจะร่วมก่อตั้ง Different Day. สิ่งใดทำให้คุณเชื่อว่าบริษัทระดับกลางต้องการพันธมิตร AI รูปแบบใหม่, และปัญหาการดำเนินงานใดที่คุณคิดว่าผู้ให้บริการเทคโนโลยีและบริษัทที่ปรึกษาเดิมไม่สามารถแก้ไขได้?

น่าแปลกใจที่ผู้นำธุรกิจมักดำรงอยู่ในความมืด. ในฐานะ CEO และ CMO ที่ดูแลแบรนด์ผู้บริโภคและผู้ค้าปลีกระดับกลางที่เติบโตอย่างรวดเร็ว, ฉันไม่เคยเห็นภาพรวมของส่วนต่าง ๆ ของธุรกิจอย่างชัดเจน. ข้อมูลของเรามักอยู่ในซิลโล่ที่แยกจากกันตามช่องทาง, ภูมิภาค, และเจ้าของฟังก์ชัน. สัญชาตญาณของฉันคือ AI สามารถเชื่อมต่อจุดเหล่านั้นและช่วยให้เราเห็นสิ่งที่ขาดหายไป, แต่ฉันไม่มีไอเดียว่าจะติดต่อใครหรือเริ่มต้นจากที่ไหน. Different Day จึงเป็นคำตอบของคำถามนั้น.

บริษัทระดับกลางมีทรัพยากรน้อยกว่าบริษัทขนาดใหญ่, แต่พวกเขาอาจมีระบบราชการและหนี้เทคนิคน้อยกว่า. วิธีการนำ AI ไปใช้ของพวกเขาควรแตกต่างจากแนวทางขององค์กรใหญ่อย่างไร?

บริษัทระดับกลางมีพลังพิเศษที่ต้องใช้ให้เต็มที่. พวกเขาควรมุ่งกระโดดข้ามคู่แข่งที่ใหญ่กว่าเนื่องจากความเร็วเป็นข้อได้เปรียบที่แท้จริงของพวกเขา. เราเชื่อว่าสามารถเปลี่ยนธุรกิจระดับกลางส่วนใหญ่ให้กลายเป็นองค์กรที่เป็น AI‑native ได้, เหมือนกับว่าถูกสร้างขึ้นใหม่ในปี 2026 ตั้งแต่ศูนย์. บริษัทขนาดใหญ่มักกลัวอย่างเงียบ ๆ ว่า AI จะทำให้คู่แข่งขนาดเล็กเทียบเท่ากันได้, โดยใช้ AI เป็นเพื่อนร่วมงานเพื่อเคลื่อนที่เร็วขึ้นโดยไม่ต้องเพิ่มจำนวนพนักงาน. คนน้อยหมายถึงการตัดสินใจที่ต้องทำโดยคนน้อย, วิธีการทำงาน, และเป้าหมายที่ชัดเจน, ดังนั้นโครงสร้างองค์กรที่เล็กลงจึงกลายเป็นสินทรัพย์ ไม่ใช่อุปสรรค.

เมื่อประเมินการดำเนินงานของบริษัท, คุณแยกแยะ workflow ที่จะได้ประโยชน์จริงจาก AI อย่างไรจาก workflow ที่ควรแก้ด้วยการอัตโนมัติแบบดั้งเดิม, ซอฟต์แวร์ที่ดีขึ้น หรือการออกแบบกระบวนการใหม่?

ฉันเชื่อในวิธี “เปลือยเปล่า”: ทำให้ workflow ของคุณเหลือเพียงพื้นฐาน. การทำให้กระบวนการง่ายขึ้นควรมาก่อน AI. เริ่มจากกระดาษเปล่า – คุณจะทำอะไรที่นี่หากซอฟต์แวร์เก่าและวิธีแก้ไขไม่มีอยู่? กระบวนการส่วนใหญ่ถูกสร้างขึ้นเพื่อหลบหลีกเครื่องมือที่ลำบาก, ไม่ได้เพราะมันเป็นวิธีทำที่ถูกต้อง. เมื่อสัญญาต้องต่ออายุ, ถามว่าคุณใช้ฟีเจอร์อะไร, และยกเว้นกรณีพิเศษ, AI สามารถสร้างสิ่งที่ปรับให้เหมาะกับคุณได้ดีกว่าที่คุณมีอยู่ในตอนนี้. แม้ว่าจะมีระบบที่ควรเก็บไว้, เช่น ERP หรือ CRM ของคุณ, เราจะออกแบบ add‑on ที่คุณต้องการเท่านั้นและไม่มีอะไรเกินความจำเป็น.

Different Day บอกว่าสามารถเริ่มต้นด้วยต้นแบบ 72 ชั่วโมงและส่งมอบเป็นผลิตภัณฑ์พร้อมใช้งานภายในไม่กี่สัปดาห์. สิ่งใดทำให้ความเร็วนี้เป็นไปได้, และเงื่อนไขทางเทคนิค, ความปลอดภัย หรือองค์กรใดที่อาจทำให้การดำเนินการช้าลง?

ดูเหมือนเป็นการสัญญาเกินจริง, แต่จริง ๆ แล้วเป็นผลมาจากข้อได้เปรียบเฉพาะของเราในฐานะบริษัทที่ก่อตั้งโดยคนที่เข้าใจทั้งธุรกิจและเทคโนโลยี. ทีมของเรามีพื้นฐานเป็น AI‑native, ดังนั้นการสร้างจึงเร็วกว่า การพัฒนาซอฟต์แวร์แบบดั้งเดิม. สิ่งที่ไม่เปลี่ยนแปลงคือขั้นตอนการค้นพบ: ใครเป็นเจ้าของกระบวนการ, ใครต้องสนับสนุน, ผลลัพธ์ที่ต้องการคืออะไรและต้องการเท่าไหร่, สิ่งที่เคยล้มเหลวก่อนหน้านี้คืออะไร. หากข้ามขั้นตอนเหล่านี้ไปตั้งแต่ต้น, ปัญหาจะปรากฏในภายหลัง; ในการรวมระบบ, การนำไปใช้, และค่าใช้จ่ายที่สูงขึ้น. ความเร็วนี้เป็นไปได้เพราะเราเน้นการทำความเข้าใจก่อนการเขียนโค้ด.

หลายธุรกิจระดับกลางทำงานบนสเปรดชีตที่ไม่เชื่อมต่อ, ระบบเก่าและแหล่งข้อมูลที่ไม่สอดคล้องกัน. ปกติแล้วต้องเตรียมข้อมูลเท่าไหร่ก่อนที่ AI จะให้ผลลัพธ์การดำเนินงานที่เชื่อถือได้?

ข้อมูลที่ไม่เชื่อมต่อซึ่งบริษัทระดับกลางต้องเผชิญจริง ๆ แล้วเป็นโอกาส ไม่ใช่อุปสรรค. เครื่องมือของเราช่วยให้เห็นช่องว่างที่แน่นอน, และบริษัทจะตัดสินใจว่าจะเติมหรือไม่. ก่อน AI, ช่องว่างเหล่านั้นมองไม่เห็น; มีคนบังคับสเปรดชีตให้เป็นการตัดสินใจหรือใช้ข้อมูลที่ไม่ครบถ้วนโดยไม่รู้ตัว. ตอนนี้ทีมสามารถมองเห็นช่องว่างและพิจารณาการตัดสินใจตามนั้น แทนที่จะสมมติว่าข้อมูลแน่นหนา.

ผู้บริหารควรกำหนดเมตริกใดก่อนเริ่มโครงการ AI, และควรคาดหวังว่าจะเห็นหลักฐานว่าการดำเนินการให้ผลตอบแทนการลงทุนที่มีความหมายภายในระยะเวลาเท่าไหร่?

AI อาจเป็นเรื่องใหม่, แต่หลักการธุรกิจคลาสสิกยังคงใช้ได้. จุดที่ AI พบปัญหาคือเมื่อคนคิดว่ากฎเก่า ๆ หายไปทั้งหมด. ทุกโครงการ AI ต้องมีเป้าหมายที่ชัดเจนตั้งแต่ต้น, ไม่ว่าจะเป็นยอดขาย, การมองเห็นแบรนด์, กำไร, ความเร็วในการตัดสินใจ, หรือการเพิ่มผลผลิตโดยไม่เพิ่มคน, พร้อมกับไทม์ไลน์ที่เป็นจริง. ระยะเวลาต่างกันตามจำนวนการเชื่อมต่อข้อมูล, ระบบภายในและภายนอกที่เกี่ยวข้อง, และความต้องการให้เครื่องมือเรียนรู้ก่อนที่ผลลัพธ์จะมั่นคง. คุณควรเห็นผลบางอย่างภายในสามเดือน; โครงการที่ซับซ้อนกว่าจะใช้เวลานานกว่า. สิ่งสำคัญคือการออกแบบโครงการเป็นขั้นตอน, เพื่อไม่ต้องรอผลลัพธ์ครั้งเดียวใหญ่โต.

Different Day เน้นการใช้งานที่ครอบคลุมการพยากรณ์ความต้องการ, การวางแผนอุปทาน, สัญญาอัจฉริยะ, การกระทบยอดเงินช่วยเหลือและสัญญาณการขายแบบเรียลไทม์. กรณีการใช้งานใดที่ให้ผลลัพธ์ที่ทำซ้ำได้มากที่สุดในวันนี้, และกรณีใดที่ยังขึ้นอยู่กับอุตสาหกรรมและโมเดลการดำเนินงานของบริษัท?

อย่าประเมินค่าความสามารถในการทำซ้ำของ AI ต่ำเกินไป. ในหลาย ๆ ด้าน, ธุรกิจมีโครงสร้างที่คล้ายกันมากกว่าที่เราคิด, ตั้งแต่สัญญามาตรฐานจนถึงการจับคู่ความต้องการของลูกค้ากับความสามารถภายใน. สัญญาอัจฉริยะและการกระทบยอดเงินช่วยเหลือเป็นกรณีที่ทำซ้ำได้มากที่สุดในวันนี้; ทั้งสองมีพารามิเตอร์และผลลัพธ์ที่ชัดเจน, ทำให้เครื่องมือรู้ว่าต้องแก้อะไร. การพยากรณ์ความต้องการและการวางแผนอุปทานยากกว่า: มีชุดข้อมูลมากกว่า, ช่องทางมากกว่า, และความแปรปรวนระหว่างโมเดลการดำเนินงานของแต่ละบริษัทสูงกว่า. การแจ้งเตือนลูกค้าแบบเรียลไทม์อยู่ระหว่างกลาง, ขึ้นกับเทคโนโลยีและช่องทางของบริษัท.

ธุรกิจควรตัดสินใจอย่างไรว่าจะซื้อผลิตภัณฑ์ AI สำเร็จรูป, พัฒนาเองภายในหรือร่วมพัฒนากับพันธมิตรภายนอก? คำถามใดที่ช่วยเปิดเผยความซับซ้อนที่ไม่จำเป็นหรือการล็อกผู้ให้บริการ?

หลีกเลี่ยงคลิกเบต AI และสงสัยในโพสต์ LinkedIn ที่ทำให้การสร้างเครื่องมือซับซ้อนภายในดูง่าย. ควรพัฒนาเองเฉพาะเมื่อเครื่องมือจริง ๆ ง่าย, เช่น แดชบอร์ดที่รวบรวมสเปรดชีตไม่กี่ไฟล์ให้มุมมองที่เรียบง่ายสำหรับเพื่อนร่วมงานไม่กี่คน. ทันทีที่ต้องดึงข้อมูลแบบเรียลไทม์จากระบบภายในและภายนอก, การทำเช่นนั้นเกินขีดความสามารถของทีมที่ไม่มีความเชี่ยวชาญด้านเทคนิคและเครื่องมือ DIY. AI สำเร็จรูปมีขีดจำกัดเท่ากับ SaaS สำเร็จรูปทั่วไป. มันจะให้ข้อมูลทั่วไป, แต่ไม่ให้ความละเอียดเฉพาะที่ธุรกิจและคู่แข่งของคุณต้องการ.

ข้อผิดพลาดที่พบบ่อยที่สุดที่บริษัททำเมื่อต้องเปลี่ยนจากการสาธิต AI ที่น่าประทับใจไปสู่ระบบที่พนักงานต้องเชื่อถือและใช้ทุกวันคืออะไร?

ฉันเห็นการระบาดของ “prototype‑itis”: บริษัทหลงเชื่อใน 10% ที่มองเห็นได้ของภูเขาน้ำแข็ง. ต้นแบบอาจดูน่าประทับใจ, แต่งานจริงเกิดขึ้นใต้พื้นผิว: การทดสอบข้อมูล, การทดสอบย้อนกลับ, การตรวจสอบการเชื่อมต่อระบบทุกอย่าง, และการรักษาความปลอดภัยของข้อมูล. จากนั้นต้องมีการจัดการการเปลี่ยนแปลง: สอนคนใช้, ระบุขอบเขต, บอกเมื่อคนต้องเข้ามาแทรกแซง, และตั้งคำถามต่อผลลัพธ์ของมัน. AI ควรเหมาะกับวัตถุประสงค์, ไม่ใช่ทดแทนการตัดสินใจของมนุษย์, โดยเฉพาะในบริษัทระดับกลางที่การตัดสินใจนั้นใช้เวลาหลายปีในการสร้าง.

เมื่อ AI ฝังตัวในกระบวนการหลัก, คุณคาดว่า บทบาทของผู้จัดการและพนักงานระดับหน้าเปลี่ยนแปลงอย่างไร, และผู้นำระดับกลางควรทำอะไรตอนนี้เพื่อให้ AI ยกระดับทีมของพวกเขาแทนที่จะเป็นเพียงชั้นเทคโนโลยีเพิ่ม?

“ผู้จัดการ” เคยหมายถึงการชี้นำคน. อย่างรวดเร็ว, มันกลายเป็นการจัดการเอเจนต์และระบบ. เริ่มจากการระบุจุดเจ็บปวดที่ใหญ่ที่สุดของทีมและแยกงานที่ทำด้วยมือและทำซ้ำ; นั่นคือที่ AI ควรเริ่มก่อน, ก่อนที่คุณจะมอบหมายงานที่ซับซ้อนกว่า. อย่ารีบวิ่งก่อนเดิน, โดยเฉพาะในบริษัทระดับกลางที่ความเชื่อใจต้องสร้างจากความสำเร็จทีละหนึ่งครั้ง.

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม, ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Different Day.