Rolf Schmitz ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหารร่วมของ CollectiveCrunch – ซีรีส์สัมภาษณ์

Rolf Schmitz เป็นผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหารร่วมของ CollectiveCrunch ซึ่งเป็นแพลตฟอร์มที่เปลี่ยนแปลงความเข้าใจของโลกเกี่ยวกับป่าไม้ โดยการให้บริการวิเคราะห์ข้อมูลที่แม่นยำที่สุด ขยายขนาดได้ และทันสมัยทั่วโลก และช่วยให้เกิดการป่าไม้ที่ยั่งยืน และความโปร่งใสในการซื้อขายคาร์บอน

Rolf เป็นวิศวกรโดยการฝึกอบรมและจบการศึกษาด้าน MBA จาก Manchester Business School เขามีประสบการณ์อย่างลึกซึ้งในการพัฒนาธุรกิจและการขายในระดับโลก โดยสร้างทีมในเอเชีย สหรัฐอเมริกา และยุโรป

คุณสามารถเล่าเรื่องราวเกี่ยวกับการก่อตั้ง CollectiveCrunch ได้หรือไม่?

เรามีประสบการณ์ในการจัดการข้อมูลจำนวนมากและได้รับข้อมูลเชิงลึกจากข้อมูลเหล่านั้น ความคิดแรกของเราที่เริ่ม CollectiveCrunch คือการรวมข้อมูลภูมิอากาศกับกระบวนการทางธุรกิจ เนื่องจากเรารู้สึกว่านี่เป็นด้านที่ถูกมองข้ามของการเปลี่ยนแปลงสภาพภูมิอากาศ

ในตอนแรก เรามุ่งเน้นโลจิสติกส์และพลังงาน เราได้พัฒนาผลิตภัณฑ์ที่สามารถคาดการณ์พลังงานที่ผลิตจากฟาร์มลม ซึ่งเป็นสิ่งสำคัญในการรักษาเสถียรภาพของเครือข่ายพลังงาน ผลิตภัณฑ์นี้ได้รับการใช้งานที่ Fingrid ซึ่งเป็นเครือข่ายพลังงานแห่งชาติของฟินแลนด์ อย่างไรก็ตาม เราพบว่าตลาดโลจิสติกส์และพลังงานมีการแข่งขันที่สูง และจะยากสำหรับบริษัทขนาดเล็กในการสร้างบทบาทความเป็นผู้นำในตลาดเหล่านี้

ผ่านเพื่อนของ Jarkko หนึ่งในผู้ร่วมก่อตั้งของเรา เราได้รับทราบถึงความท้าทายในการสร้างและบำรุงรักษา บัญชีทรัพยากรป่าไม้ เราคิดว่ามีการใช้เทคโนโลยีที่ต่ำเกินไป ดังนั้นบัญชีทรัพยากรป่าไม้จึงมีราคาแพง ไม่แม่นยำ และทำได้เพียงทุก 5-10 ปี ความสำคัญของป่าไม้ในการบรรเทาการเปลี่ยนแปลงสภาพภูมิอากาศ การให้บริการระบบนิเวศ และการแก้ปัญหาโดยธรรมชาติเป็นที่ชัดเจนในขณะนั้น นั่นคือวิธีที่ CollectiveCrunch กลายเป็น “บริษัทป่าไม้ AI” ในระดับบุคคล เราทุกคนเติบโตขึ้นในพื้นที่ชนบท ดังนั้นเราจึงมีความสัมพันธ์ที่ดีกับป่าไม้ นั่นคือวิธีที่เราสร้างโมเดล AI สำหรับป่าไม้

มีเครื่องมือและกล้องใดบ้างที่ใช้ในการติดตามป่าไม้?

แนวทางของเราคือไม่เจาะจงวิธีการตรวจวัดเพียงวิธีเดียว แต่รวมแหล่งข้อมูลที่เกี่ยวข้องทั้งหมดที่เราสามารถหาได้ แต่ละวิธีมีจุดแข็งและจุดอ่อน การรวมแหล่งข้อมูลช่วยชดเชยจุดอ่อนได้ เช่น ภาพเชิงแสงมีประโยชน์มาก แต่ภาพจากดาวเทียมจะใช้ไม่ได้เมื่อมีเมฆปกคลุม ในธุรกิจของเรา ข้อมูลจากดาวเทียมมีความสำคัญ เช่นเดียวกับข้อมูลสแกน LIDAR เท่าที่มีให้ใช้ ในแง่รูปแบบธุรกิจ เราไม่ได้เก็บข้อมูลเองด้วยวิธีต่าง ๆ เช่น บินโดรนหรือเช่าเครื่องบินเพื่อสแกนพื้นที่

นอกจากข้อมูลตรวจวัดหลากหลายชนิดจากดาวเทียมแล้ว LIDAR ยังเป็นเครื่องมือหรือวิธีการที่สำคัญมาก ภาพเชิงแสงความละเอียดสูงจากการสำรวจทางอากาศมีบทบาทน้อยกว่า LIDAR แต่ก็มีการใช้งานเช่นกัน เครื่องมือที่ยังใช้กันอย่างแพร่หลายจนน่าแปลกใจคือวิธีเก็บตัวอย่างด้วยมือแบบดั้งเดิมจากศตวรรษที่ 19 เนื่องจากมีการใช้สถิติจำนวนมาก ผมจึงยังนับว่าวิธีนี้เป็นเครื่องมืออย่างหนึ่ง

ระบบสามารถฝึกอบรมสำหรับระบบนิเวศที่แตกต่างกันเพื่อระบุการติดเชื้อจากเชื้อก่อโรค ความผิดปกติ และการรบกวน หรือโรคต่างๆ ของต้นไม้ได้หรือไม่?

มีการปรับให้เหมาะสมสำหรับระบบนิเวศที่แตกต่างกัน รวมถึงการตรวจจับการเปลี่ยนแปลง ต้นไม้ชนิดต่างๆ รูปแบบการเติบโต และการบริหารจัดการป่าไม้แตกต่างกันมากในแต่ละภูมิภาค ข้อมูลที่ใช้ในการฝึกอบรมและวิธีการเก็บข้อมูลก็แตกต่างกันเช่นกัน ดังนั้นไม่ใช่แค่ต้นไม้เท่านั้น แต่ยังรวมถึงข้อมูลที่ใช้ในการฝึกอบรมด้วย

มีข้อมูลเชิงลึกที่สามารถใช้ได้จากข้อมูลนี้หรือไม่?

• การตรวจจับการเปลี่ยนแปลง เช่น การตรวจจับการทำลายจากพายุ การระบุการระบาดของศัตรูพืช และผลกระทบด้านลบอื่นๆ ที่ต้องการการแทรกแซงเพื่อให้สามารถดำเนินการได้บนพื้นที่และจำกัดผลกระทบของความเสียหาย
• บัญชีคาร์บอนให้ความโปร่งใสในการซื้อขายคาร์บอนและช่วยในการตัดสินใจเกี่ยวกับการประเมินมูลค่าและการซื้อโครงการและเครดิตเหล่านั้น
• ในโครงการปลูกป่าใหม่ ความสามารถในการเติบโตของต้นไม้ขึ้นอยู่กับระดับความชื้นในดิน การตรวจจับความแห้งแล้งหรือความชื้นมากเกินไปสามารถกระตุ้นการแทรกแซงเพื่อป้องกันไม่ให้ต้นอ่อนเหล่านั้นตาย
• บัญชีทรัพยากรป่าไม้ในธุรกิจป่าไม้ให้ข้อมูลในการตัดสินใจ เช่น การตัดสางขยายระยะ (ซึ่งช่วยส่งเสริมการเติบโต) และการเพิ่มประสิทธิภาพการเก็บเกี่ยว การตรวจจับชนิดพันธุ์ทำให้โซ่อุปทานมีประสิทธิภาพมากขึ้นและเพิ่มอัตรากำไร เมื่อรวมกันแล้ว ช่วยให้อุตสาหกรรมใช้ทรัพยากรป่าไม้อย่างมีประสิทธิภาพมากขึ้น ซึ่งเป็นสิ่งสำคัญในการรักษาชุมชนชนบทและขับเคลื่อนการนำผลิตภัณฑ์หมุนเวียนและบรรจุภัณฑ์มาใช้
• การตรวจสอบความหลากหลายทางชีวภาพสามารถกระตุ้นการแทรกแซงหากพื้นที่ใดๆ ต้องทนทุกข์ทรมานจากความเสื่อมโทรม ความหลากหลายทางชีวภาพมีความสำคัญต่อการทำให้ป่าไม้ของเรามีความยืดหยุ่นมากขึ้นในขณะที่เรากำลังเผชิญกับวิกฤตสภาพภูมิอากาศที่เร่งตัวขึ้น

วิเคราะห์ข้อมูลช่วยให้การเป็นเจ้าของป่าไม้อย่างยั่งยืนได้อย่างไร?

มีหลายประโยชน์ที่เกิดขึ้น ประการแรก ธุรกิจป่าไม้กำลังนำมาตรการใหม่ๆ มาใช้เพื่อให้การดำเนินงานมีความยั่งยืนมากขึ้น มาตรการเหล่านี้ต้องใช้วิเคราะห์ข้อมูลที่ดีขึ้นและลึกซึ้งยิ่งขึ้น ตัวอย่างเช่น การตัดไม้หมดทั้งแปลง ซึ่งป่าไม้ถูกตัดทั้งหมด มีผลกระทบต่อระบบนิเวศในพื้นที่ การทำเช่นนี้เพื่อความมีประสิทธิภาพ – ผลิตภัณฑ์ที่ยั่งยืน เช่น บรรจุภัณฑ์จากเส้นใยไม้ ไม่สามารถแข่งขันกับผลิตภัณฑ์ที่ไม่ยั่งยืนได้หากอุตสาหกรรมป่าไม้ลดประสิทธิภาพลง อุตสาหกรรมกำลังสำรวจทางเลือกที่จะไม่ตัดป่าไม้ทั้งหมด แต่ตัดเฉพาะต้นไม้ที่ใหญ่ที่สุดในแต่ละพื้นที่เท่านั้น มันคือวิธีการที่ยั่งยืนกว่า แต่จากมุมมองด้านลอจิสติกส์และต้นทุน มันเป็นความท้าทายที่ร้ายแรง และสามารถทำได้เฉพาะด้วยการวิเคราะห์ที่ทันสมัยเท่านั้น

ความหลากหลายทางชีวภาพมีความสำคัญต่อความยืดหยุ่นของป่าไม้ การตรวจสอบความหลากหลายทางชีวภาพและช่วยให้สามารถแทรกแซงได้เมื่อจำเป็น มีความสำคัญต่อความสามารถในการอยู่รอดของป่าไม้ในระยะสั้นและระยะยาว

สำหรับโครงการด้านการดักจับคาร์บอน ระบบตรวจสอบว่าโครงการนั้นลดการปล่อยก๊าซเรือนกระจกตามที่โฆษณาไว้หรือไม่?

ระบบบรรลุความแม่นยำสำหรับบัญชีทรัพยากรป่าไม้ที่เกี่ยวข้อง ซึ่งสามารถตรวจสอบได้ การฟอกเขียว ส่วนใหญ่ไม่เกิดขึ้นที่ระดับการวิเคราะห์ แต่เกิดขึ้นในการออกแบบโครงการ โครงการคาร์บอนป่าไม้ที่มีเป้าหมายในการหลีกเลี่ยงการทำลายป่าไม้ส่วนใหญ่ต้องเผชิญกับปัญหา 2 ประการ

• เส้นฐาน: นี่คือชุดสมมติฐานที่คาดการณ์ว่าจะเกิดอะไรขึ้นหากไม่มีการแทรกแซง การแทรกแซงจะถูกคำนวณเป็น “ประโยชน์ส่วนเพิ่มจากโครงการ” เหนือเส้นฐาน เส้นฐานในปัจจุบันไม่ได้มาจากการวิเคราะห์ข้อมูลที่ขับเคลื่อนด้วยข้อมูล แต่มักเป็นเพียงค่าเฉลี่ยอย่างหยาบ นอกจากนี้ เส้นฐานยังถูกคำนวณโดยผู้จัดการโครงการเอง ซึ่งมีความขัดแย้งทางผลประโยชน์: เส้นฐานที่ต่ำกว่าจะสร้างเครดิตได้มากขึ้น
• การรั่วไหล: ปรากฏการณ์ที่สิ่งที่ดีๆ ที่เกิดขึ้นในพื้นที่โครงการที่กำหนด (เช่น การลดการตัดไม้) ถูกชดเชยด้วยสิ่งที่เกิดขึ้นนอกพื้นที่โครงการที่กำหนด บ่อยครั้งพื้นที่เหล่านี้ไม่ได้รับการติดตาม ดังนั้นโครงการจึงได้รับเครดิตในขณะที่ประโยชน์ถูกหักล้างด้วยผลกระทบต่อป่าโดยรอบ

ปัญหาหลักคือการขาดการวิเคราะห์ที่อาศัยข้อมูลเพื่อติดตามสิ่งที่เกิดขึ้นอย่างเป็นอิสระ ปัจจุบันสามารถทำได้ และเราทำได้ในวงกว้าง แต่ภาคส่วนนี้นำเทคโนโลยีล้ำสมัยมาใช้อย่างช้ามาก สั้นๆ แล้ว ปัญหาไม่ใช่การวิเคราะห์ แต่เป็นสิ่งที่การคำนวณเครดิตขึ้นอยู่กับ

คุณสามารถแบ่งปันกรณีศึกษาของลูกค้าที่ใช้ระบบนี้ได้หรือไม่?

• ENCE ซึ่งเป็นเจ้าของป่าไม้ที่ใหญ่ที่สุดในประเทศสเปน ใช้ระบบของเรา
• ลูกค้ารายแรกและรายใหญ่ที่สุดของเราคือ Metsähallitus (ป่าไม้ของรัฐฟินแลนด์)
• พันธมิตรของเรา Forliance ซึ่งเป็นหนึ่งในผู้จัดการโครงการคาร์บอนที่ใหญ่ที่สุดและได้รับการยอมรับมากที่สุดในโลก ทำงานร่วมกับเราในหนึ่งในโครงการคาร์บอนที่ใหญ่ที่สุดในโคลัมเบีย
• 7 ใน 10 ประเทศที่มีป่าไม้ใหญ่ที่สุดในยุโรปเหนือเป็นลูกค้าของเรา ลูกค้ารายล่าสุดของเราซึ่งจะประกาศเร็วๆ นี้เป็นหนึ่งใน ‘สามใหญ่’ ในฟินแลนด์

คุณมีวิสัยทัศน์สำหรับอนาคตของการอนุรักษ์ป่าไม้หรือไม่?

วิสัยทัศน์ของเราคือการมีการวิเคราะห์ที่ขับเคลื่อนด้วยข้อมูลและข้อมูลเชิงลึกที่เป็นข้อเท็จจริงในโซลูชันที่อาศัยธรรมชาติ มันชัดเจนว่าเราต้องดำเนินการอย่างรวดเร็วเพื่อบรรเทาการเปลี่ยนแปลงสภาพภูมิอากาศ ป่าไม้จำนวนมากทั่วโลกได้รับการสำรวจทุก 5-10 ปี เราควรลดเวลานี้ลงเหลือการตรวจสอบรายเดือนเพื่อทำความเข้าใจสิ่งที่เกิดขึ้น นอกจากนี้เรายังต้องตรวจสอบความหลากหลายทางชีวภาพ ไม่มีความหลากหลายทางชีวภาพ เราก็จะสูญเสียความยืดหยุ่นของป่าไม้ของเราในระหว่างวิกฤตสภาพภูมิอากาศที่กำลังเร่งตัวขึ้น

คุณมีอะไรที่ต้องการแบ่งปันเกี่ยวกับ CollectiveCrunch หรือไม่?

ใช่ เราสามารถทำได้ที่ระดับใหญ่ เราครอบคลุม 20 ล้านเฮกตาร์ หรือประมาณ 50 ล้านเอเคอร์ของป่าไม้ เราทำได้ด้วยความแม่นยำที่สูงกว่าวิธีการแบบเดิมที่เราเข้าไปทดแทน นี่เป็นความจริง และช่วยให้เกิดความโปร่งใสในการซื้อขายคาร์บอน

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม CollectiveCrunch เพื่อเรียนรู้เพิ่มเติม