โรฮิต อาการ์วาล, ซีโอโอ ของ DecisionNext – สัมภาษณ์ซีรีส์

โรฮิต อาการ์วาล เป็น Chief Operating Officer ของ DecisionNext ซึ่งเป็นแพลตฟอร์ม AI ที่ช่วยให้บริษัทต่างๆ สามารถเพิ่มประสิทธิภาพการซื้อหรือขายสินค้าโภคภัณฑ์ได้ในราคาและเวลาที่ดีที่สุด เขามีประสบการณ์หลากหลายด้านในด้าน supply chain และ product management รวมถึงการนำทีมขนาดใหญ่ในการดำเนินโครงการที่ซับซ้อนและให้ผลลัพธ์ทางธุรกิจ โรฮิต曾ทำงานในตำแหน่ง product และ operations management ที่ Google (GOOGL ) และ Amazon (AMZN )

คุณ曾ทำงานที่ Amazon และ Google ล่าสุด คุณมีประสบการณ์สำคัญอะไรบ้างจากประสบการณ์เหล่านั้น?

ที่ Amazon ฉันมีโอกาสในการจัดการทีมที่มีความหลากหลายของพนักงาน 250 คนในการเปิดดำเนินการโรงงานที่มีคุณภาพสูงสุด ฉันยังช่วยในการนำนวัตกรรมใหม่ๆ เช่น การจัดส่งวันเดียวกัน การใช้หุ่นยนต์ และเทคโนโลยีใหม่อื่นๆ ที่ Google ฉันใช้ทักษะของฉันในการเชื่อมช่องว่างระหว่างผลิตภัณฑ์และการดำเนินงาน ซึ่งรวมถึงการสร้างแอปพลิเคชันจากศูนย์เพื่อจัดการกระบวนการใหม่ๆ

คุณสามารถอธิบายได้อย่างไรว่า DecisionNext ใช้ AI และ machine learning เพื่อปรับปรุงการคาดการณ์ราคาและอุปทานสินค้าโภคภัณฑ์?

DecisionNext ใช้ AI และ machine learning เพื่อประมวลผลข้อมูลหลายพันชุดและค้นหาความสัมพันธ์ระหว่างปัจจัยสำคัญในอดีตและปัจจุบัน จากนั้นจึงสร้างแบบจำลองที่เกี่ยวข้องสำหรับสินค้าโภคภัณฑ์ใดๆ ในตลาดเกษตรกรรมและทรัพยากรธรรมชาติ เครื่องมือของเราช่วยให้ลูกค้าสามารถคาดการณ์ราคาได้ดีขึ้น ตัดสินใจอย่างชาญฉลาด ลดความเสี่ยง และเพิ่มผลกำไรในห่วงโซ่อุปทานทั่วโลก เรากำลังทำงานในการใช้ Large Language Models (LLMs) เพื่อทำให้การตัดสินใจที่ซับซ้อนเป็นเรื่องง่ายขึ้นด้วยวิธีแก้ปัญหาที่มีความตระหนักรู้ถึงความเสี่ยง

คุณสามารถอธิบายได้อย่างไรว่า DecisionNext มีประโยชน์ gìเหนือกว่าวิธีการคาดการณ์แบบดั้งเดิม?

ผู้ซื้อและผู้ขายสินค้าโภคภัณฑ์ระดับโลกมักจะใช้กฎเกณฑ์และสเปรดชีตเพื่อทำให้ระบบที่ซับซ้อนมีมูลค่าหลายพันล้านดอลลาร์เป็นเรื่องง่ายขึ้น ซึ่งทำให้เงินหลายล้านดอลลาร์ถูกทิ้งไว้บนโต๊ะ สเปรดชีตเหล่านี้ได้ทำงานได้ดีและสนับสนุนธุรกิจหลายร้อยแห่ง แต่เมื่อพลวัตของแรงงานเปลี่ยนแปลงและตลาดโลกกลายเป็นเรื่องที่ไม่แน่นอนมากขึ้น สเปรดชีตเหล่านี้ก็กลายเป็นเรื่องที่ไม่มีประสิทธิภาพมากขึ้น DecisionNext ใช้เวลาหลายปีในการพัฒนาแพลตฟอร์ม AI ที่เปลี่ยนความซับซ้อนของโลกให้เป็นคำแนะนำที่สามารถดำเนินการได้ ซึ่งปรับปรุงประสิทธิภาพทางการเงินได้อย่างมาก

ลูกค้าของเรามีผู้เชี่ยวชาญที่มีประสบการณ์ 30 ปีหรือมากกว่าในอุตสาหกรรมหรือพื้นที่ใดพื้นที่หนึ่ง และเมื่อคนรุ่นใหม่เข้ามาเป็นเรื่องที่สำคัญมากที่จะต้องรักษาประสบการณ์ทั้งหมดให้สามารถใช้ได้ DecisionNext ช่วยเหลือในการสร้างห้องสมุดการตัดสินใจที่ครอบคลุม การรวมความคิดเห็นของผู้เชี่ยวชาญ และการเรียนรู้จากอดีต

ด้วยการทำเช่นนี้ แพลตฟอร์ม DecisionNext จะลดความเสี่ยงและความไม่แน่นอนในการตัดสินใจทางธุรกิจระหว่างหน่วยงานและบุคคล และจัดตั้งวิธีการที่สามารถขยายได้ในการตัดสินใจเหล่านั้น นอกจากนี้ยังปรับปรุงความสามารถในการทำกำไรในธุรกรรมประจำวัน ตำแหน่งระยะยาว และการวางแผนเชิงกลยุทธ์ที่มองไปข้างหน้า

คุณสามารถอธิบายได้อย่างไรว่าข้อมูลแบบไดนามิกมีบทบาท gìในกระบวนการตัดสินใจโดยใช้ AI ของ DecisionNext และข้อมูลนั้นถูกนำมาใช้อย่างไร?

ข้อมูลที่มีความทันสมัยและถูกต้องเป็นเรื่องที่สำคัญมากในการสร้างแบบจำลองที่ดีที่สุด แต่ความเร็วและความซับซ้อนในการประมวลผลและสร้างแบบจำลองไม่ใช่ปัจจัยเดียว ตัวอย่างเช่น โมเดลจะทราบถึงความสำคัญของข้อมูลล่าสุด (เช่น การช็อกในระบบ) และต้องปฏิบัติต่อข้อมูลนั้นแตกต่างออกไปอย่างไร ผู้ใช้ของเราสามารถโต้ตอบกับโมเดลผ่านเทคโนโลยีที่ได้รับการจดสิทธิบัตรเพื่อใส่ความคิดเห็นและสร้างการวิเคราะห์แบบ what-if เพื่อใช้ข้อมูลที่โมเดลหรือระบบไม่สามารถทราบได้ ซึ่งช่วยให้ลูกค้าของเรามีความเข้าใจที่ดีขึ้นเกี่ยวกับความเสี่ยงและผลกระทบของการเปลี่ยนแปลงทั่วโลก

คุณสามารถอธิบายได้อย่างไรว่า DecisionNext มีผลกระทบ gìต่อการตัดสินใจทางธุรกิจในตลาดสินค้าโภคภัณฑ์?

แพลตฟอร์มที่ดีที่สุดของเรามีการปฏิวัติวิธีการคาดการณ์ราคา อุปทาน และความต้องการโดยการให้ข้อมูลมากกว่าแค่การคาดการณ์ ผู้ใช้สามารถเข้าใจความเสี่ยง ความไม่แน่นอน และวิเคราะห์การตัดสินใจที่ซับซ้อนได้ด้วยการคลิกเพียงไม่กี่ครั้ง DecisionNext มีกรณีการใช้งานหลายกรณีในห่วงโซ่อุปทานทั้งในด้านเกษตรกรรมและเหมืองแร่ รวมถึงการเพิ่มประสิทธิภาพราคา การวางแผนธุรกิจ การจัดสรรทางภูมิศาสตร์ และการบริหารความเสี่ยง

คุณสามารถอธิบายได้อย่างไรว่า DecisionNext รับประกันความถูกต้องและความน่าเชื่อถือของโมเดลการคาดการณ์ AI สำหรับการซื้อขายสินค้าโภคภัณฑ์?

เรารับประกันความถูกต้องและความน่าเชื่อถือของโมเดลการคาดการณ์ AI ของเราผ่านการทดสอบย้อนหลังอย่างเข้มงวด DecisionNext มีระบบที่สามารถทดสอบโครงสร้างโมเดลหลายพันแบบและให้ข้อมูลแก่ผู้ใช้เกี่ยวกับความถูกต้องของโมเดล ซึ่งสามารถทำได้ในรูปแบบที่เข้าใจได้ง่ายและช่วยให้เราสามารถใช้ความถูกต้องนั้นเพื่อคาดการณ์ความไม่แน่นอนในอนาคต

คุณสามารถแบ่งปันกรณีศึกษาหรือตัวอย่างของวิธีที่ DecisionNext ช่วยให้บริษัทหนึ่งๆ นำทางความผันผวนของตลาดโดยใช้เครื่องมือ AI ของคุณ?

ด้วย DecisionNext ผู้ผลิตเหล็กขนาดใหญ่เพิ่มผลกำไรโดยเฉลี่ย 6-8% ในการขายสินค้า โดยการปรับปรุงกลยุทธ์ราคาและลดเวลาในการตัดสินใจเกี่ยวกับการจัดสรรทางภูมิศาสตร์ ในทำนองเดียวกัน เราสามารถช่วยให้ผู้ผลิตเนื้อสัตว์สามารถตัดสินใจได้ว่าจะขายเนื้อสัตว์จากซากสัตว์ไปที่ไหนและเมื่อไหร่

ในกรณีทั้งสอง DecisionNext ให้การคาดการณ์ที่ถูกต้องและสามารถป้องกันความเสี่ยงในการวางแผนการขาย โดยใช้เครื่องมือการแสดงภาพที่ช่วยให้ผู้ผลิตสามารถประเมินกลยุทธ์การขายต่างๆ ได้อย่างรวดเร็วและลดความเสี่ยงในการตัดสินใจ

หากไม่มี DecisionNext บริษัทต่างๆ จะถูกบังคับให้พึ่งพาค่าเฉลี่ยในอดีต ตลาดอนาคต (ถ้ามี) และประสบการณ์ในการตั้งราคาสินค้า แม้ว่าจะมีประสิทธิภาพในอดีต แต่ด้วยความผันผวนของตลาดสินค้าโภคภัณฑ์ที่เพิ่มขึ้น บริษัทต่างๆ ก็ทิ้งเงินหลายล้านดอลลาร์บนโต๊ะ

คุณสามารถอธิบายได้อย่างไรว่าความสำคัญของการมีโมเดลการคาดการณ์ที่โต้ตอบได้สำหรับผู้ใช้ และ DecisionNext รับประกันว่าโมเดลเหล่านี้เป็นมิตรต่อผู้ใช้อย่างไร?

โมเดลการคาดการณ์แบบเก่าไม่สามารถบอกผู้ใช้ได้ว่าทำไมการคาดการณ์จึงเป็นเช่นนั้น และไม่สามารถช่วยให้ผู้ใช้สามารถแปลการคาดการณ์เป็นการตัดสินใจที่สามารถดำเนินการได้ ดังนั้นผู้ใช้อาจไม่ใช้การคาดการณ์แม้ว่าจะเป็นแบบจำลองที่สมบูรณ์แบบก็ตาม และกลับไปใช้วิธีการเก่า

DecisionNext ช่วยให้ลูกค้าสามารถเข้าใจความเสี่ยงและความไม่แน่นอนในการตัดสินใจทางธุรกิจได้ดีขึ้น และทำความเข้าใจว่าทำไมความเสี่ยงและความไม่แน่นอนจึงควรเชื่อมโยงกันเมื่อพูดถึงการคาดการณ์ DecisionNext ให้ความโปร่งใสในการเข้าถึงแหล่งข้อมูลและโครงสร้างแบบจำลองพร้อมกับความชัดเจนและทิศทางเชิงกลยุทธ์

ทั้งหมดนี้ถูกนำเสนอผ่านแดชบอร์ดที่มีความเป็นมิตรต่อผู้ใช้ซึ่งออกแบบมาเพื่อการมีส่วนร่วมอย่างต่อเนื่อง

คุณสามารถอธิบายได้อย่างไรว่าโรคโควิด-19 และเหตุการณ์ทางภูมิรัฐศาสตร์ล่าสุดมีผลกระทบ gìต่อการพัฒนาและใช้ AI ในการซื้อขายสินค้าโภคภัณฑ์ที่ DecisionNext?

โควิด-19 ส่งผลกระทบต่อห่วงโซ่มูลค่าเนื้อสัตว์ทั่วโลก และหนึ่งในลูกค้าที่ได้รับผลกระทบอย่างมากคือผู้ที่มีปริมาณอาหารแช่แข็งที่จะส่งไปยังช่องทางบริการอาหารที่จะปิดตัวลงในไม่ช้า ด้วยการใช้ DecisionNext Analytics ลูกค้าสามารถขายสินค้าเกินจำนวนและวางแผนการซื้อกลับเข้ามาใหม่เมื่อการล็อกดาวน์เริ่มขึ้นในสหรัฐอเมริกา

โดยใช้แพลตฟอร์ม DecisionNext ลูกค้าสามารถสร้างและเปรียบเทียบตัวเลือกการขายและซื้อขั้นสูงหลายตัวเพื่อดูผลลัพธ์ของตลาดและเปรียบเทียบความเสี่ยง และสามารถขายสินค้าเกินจำนวนได้สำเร็จในหลายๆ ตัวเลือก ซึ่งให้ผลตอบแทน 5 เท่าของการลงทุนในซอฟต์แวร์ DecisionNext ในเดือนเดียว

คุณสามารถอธิบายได้อย่างไรว่า DecisionNext คาดการณ์ว่าจะมีการพัฒนา AI และ machine learning ในอนาคตที่จะส่งผลกระทบ gìต่อตลาดสินค้าโภคภัณฑ์ และ DecisionNext เตรียมพร้อมสำหรับการพัฒนาดังกล่าวอย่างไร?

DecisionNext เป็นผู้นำในการใช้ AI และ machine learning เพื่อทำให้ตลาดสินค้าโภคภัณฑ์มีประสิทธิภาพ มีกำไร และยั่งยืนมากขึ้น เมื่อโลกต้องเผชิญกับความท้าทายที่ยิ่งใหญ่ เช่น การเปลี่ยนแปลงสภาพภูมิอากาศและความไม่แน่นอนทางการเมือง เทคโนโลยีที่ชาญฉลาดจะมีบทบาทสำคัญในการช่วยให้เราผ่านพ้นความท้าทายเหล่านั้นได้ เรารู้สึกเป็นเกียรติในการได้รับความไว้วางใจจากลูกค้าและพันธมิตรในการให้บริการแพลตฟอร์มที่จะช่วยให้การเปลี่ยนแปลงนั้นเกิดขึ้น

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม DecisionNext เพื่อเรียนรู้เพิ่มเติม