Rolf Schmitz, ผู้ร่วมก่อตั้งและผู้บริหารร่วมของ CollectiveCrunch – ซีรีส์สัมภาษณ์

Rolf Schmitz เป็นผู้ร่วมก่อตั้งและผู้บริหารร่วมของ CollectiveCrunch ซึ่งเป็นแพลตฟอร์มที่เปลี่ยนแปลงความเข้าใจของโลกเกี่ยวกับป่าไม้โดยการให้ข้อมูลวิเคราะห์ที่แม่นยำ ที่สามารถปรับขนาดได้ และทันเวลา ทั่วโลก และช่วยให้การทำป่าไม้อย่างยั่งยืนและนำความโปร่งใสมาใช้ในตลาดการซื้อขายคาร์บอน

Rolf เป็นวิศวกรโดยการศึกษาและจบการศึกษาระดับ MBA จาก Manchester Business School เขามีประสบการณ์อย่างลึกซึ้งในการพัฒนาธุรกิจและขายทั่วโลก โดยสร้างทีมในเอเชีย สหรัฐอเมริกา และยุโรป

คุณสามารถแบ่งปันเรื่องราวเกี่ยวกับ CollectiveCrunch ได้หรือไม่?

เรามีประสบการณ์ในการจัดการข้อมูลจำนวนมากและได้รับข้อมูลเชิงลึกจากข้อมูลเหล่านั้น ความคิดแรกของเราที่เริ่มต้น CollectiveCrunch คือการรวมข้อมูลสภาพภูมิอากาศกับกระบวนการทางธุรกิจ เนื่องจากเรารู้สึกว่านี่เป็นด้านหนึ่งของการเปลี่ยนแปลงสภาพภูมิอากาศที่ถูกมองข้าม

ในตอนแรก เราได้พัฒนาสินค้าสำหรับโลจิสติกส์และพลังงาน เราได้สร้างผลิตภัณฑ์ที่สามารถคาดการณ์การผลิตพลังงานจากฟาร์มลม ซึ่งเป็นสิ่งจำเป็นในการรักษาเสถียรภาพของเครือข่ายพลังงาน ผลิตภัณฑ์นี้ถูกใช้งานที่ Fingrid ซึ่งเป็นเครือข่ายพลังงานแห่งชาติของฟินแลนด์ อย่างไรก็ตาม เราพบว่าโลจิสติกส์และพลังงานเป็นตลาดที่มีการแข่งขันสูง ซึ่งจะยากสำหรับบริษัทขนาดเล็กในการสร้างบทบาทความเป็นผู้นำ

ผ่านเพื่อนของ Jarkko หนึ่งในผู้ร่วมก่อตั้งของเรา เราได้รับความรู้เกี่ยวกับความท้าทายในการสร้างและบำรุงรักษา คลังป่าไม้ เราคิดว่ามีระดับของความซับซ้อนทางเทคนิคที่ต่ำเกินไป ดังนั้น คลังป่าไม้จึงมีราคาแพง ไม่แม่นยำ และทำได้เพียงทุก 5-10 ปี ความสำคัญของป่าไม้ในการบรรเทาผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศ บริการระบบนิเวศ และวิธีแก้ปัญหาที่อาศัยธรรมชาติเป็นเรื่องที่ชัดเจนในขณะนั้น นั่นคือวิธีที่ CollectiveCrunch กลายเป็น “บริษัทป่าไม้ AI” ในระดับบุคคล เราทุกคนเติบโตขึ้นในพื้นที่ชนบท ดังนั้นเราจึงมีความสัมพันธ์ที่ดีต่อป่าไม้ นั่นคือวิธีที่เราสร้างแบบจำลอง AI สำหรับป่าไม้

มีเครื่องมือและกล้องอะไรที่ใช้ในการติดตามป่าไม้?

แนวทางของเราคือไม่เชี่ยวชาญใน phương phápการรับรู้ใด phương phápหนึ่ง แต่จะรวมแหล่งข้อมูลทั้งหมดที่เราสามารถเข้าถึงได้ วิธีการรับรู้ใดๆ มีจุดแข็งและจุดอ่อน การรวมแหล่งข้อมูลช่วยให้เราแก้ไขจุดอ่อนได้ ตัวอย่างเช่น ภาพออปติคอลมีประโยชน์มาก แต่ไม่สามารถใช้ได้จากดาวเทียมเมื่อมีฝนในพื้นที่ ในธุรกิจของเรา ข้อมูลจากดาวเทียมมีความสำคัญ แต่การสแกน LIDAR ก็มีความสำคัญเช่นกัน ภาพออปติคอลความละเอียดสูงจากแคมเปญทางอากาศมีน้อยกว่า LIDAR แต่ก็ถูกใช้เช่นกัน เครื่องมือที่ใช้กันอย่างแพร่หลายคือวิธีการเก่าแก่ของคริสต์ศตวรรษที่ 19 ซึ่งเป็นการเก็บตัวอย่างด้วยมือ โดยมีการใช้สถิติอย่างมาก ฉันจะเรียกมันว่าเครื่องมือ

ระบบสามารถฝึกอบรมสำหรับระบบนิเวศที่ตั้งอยู่ในพื้นที่เพื่อระบุการอักเสบของโรค เชื้อรา และความผิดปกติอื่นๆ หรือโรคของต้นไม้ได้หรือไม่?

มีการปรับให้เหมาะสมสำหรับระบบนิเวศในพื้นที่ต่างๆ รวมถึงการตรวจจับการเปลี่ยนแปลง รูปแบบการเติบโตของต้นไม้และแนวปฏิบัติในการจัดการป่าไม้แตกต่างกันมากในแต่ละภูมิภาค สิ่งเดียวกันกับวิธีการเก็บข้อมูลและแนวปฏิบัติ ดังนั้นจึงไม่ใช่แค่ต้นไม้เท่านั้น แต่ยังรวมถึงข้อมูลการฝึกอบรมที่แตกต่างกันด้วย

มีข้อมูลเชิงลึกที่สามารถดำเนินการได้จากข้อมูลนี้?

• การตรวจจับการเปลี่ยนแปลง เช่น การตรวจจับความเสียหายจากพายุ การระบุการระบาดของศัตรูพืช และผลกระทบด้านลบอื่นๆ ที่ต้องการการแทรกแซงเพื่อให้สามารถดำเนินการได้บนพื้นที่และจำกัดผลกระทบของความเสียหาย
• คลังคาร์บอนนำความโปร่งใสมาให้กับโครงการคาร์บอนและอำนวยความสะดวกในการตัดสินใจเกี่ยวกับการประเมินมูลค่าและการซื้อโครงการและเครดิต
• ในโครงการการปลูกป่าใหม่ ความสามารถในการอยู่รอดของต้นไม้ใหม่ที่ปลูกขึ้นขึ้นอยู่กับระดับความชื้นในดินที่เหมาะสม การตรวจจับความแห้งแล้งหรือความชื้นที่มากเกินไปสามารถกระตุ้นการแทรกแซงเพื่อป้องกันต้นไม้ใหม่เหล่านั้นจากความล้มเหลว
• คลังป่าไม้ในอุตสาหกรรมป่าไม้เชิงพาณิชย์ให้ข้อมูลในการตัดสินใจ เช่น การขจัดพื้นที่ (ซึ่งเพิ่มการเติบโต) และการเพิ่มประสิทธิภาพการเก็บเกี่ยว การตรวจจับชนิดพืชทำให้โซ่อุปทานมีประสิทธิภาพมากขึ้นและเพิ่มผลกำไร เมื่อรวมกันแล้ว สิ่งนี้ช่วยให้อุตสาหกรรมใช้ทรัพยากรป่าไม้อย่างมีประสิทธิภาพมากขึ้น ซึ่งเป็นสิ่งสำคัญเนื่องจากป่าไม้เชิงพาณิชย์ส่วนใหญ่เป็นกุญแจสำคัญในการรักษาชุมชนชนบทและขับเคลื่อนการนำผลิตภัณฑ์และบรรจุภัณฑ์แบบหมุนเวียนมาใช้
• การตรวจสอบความหลากหลายทางชีวภาพสามารถกระตุ้นการแทรกแซงหากพื้นที่ใดพื้นที่หนึ่งกำลังทุกข์ทรมานจากความเสื่อมโทรม ความหลากหลายทางชีวภาพมีความสำคัญต่อความยืดหยุ่นของป่าไม้ของเราในระหว่างวิกฤติการเปลี่ยนแปลงสภาพภูมิอากาศที่เร่งตัวขึ้น

การวิเคราะห์เชิงลึกมีประโยชน์ต่อการเป็นเจ้าของป่าไม้อย่างยั่งยืนอย่างไร?

มีประโยชน์หลายประการ การทำป่าไม้เชิงพาณิชย์กำลังนำมาตรการใหม่ๆ มาใช้เพื่อให้การดำเนินงานมีความยั่งยืนมากขึ้น มาตรการเหล่านี้ต้องใช้การวิเคราะห์เชิงลึกที่ดีขึ้น ตัวอย่างเช่น การตัดไม้แบบชัดเจน ซึ่งเป็นพื้นที่ป่าไม้ที่ถูกตัดทั้งหมด มีผลกระทบต่อระบบนิเวศท้องถิ่นอย่างมาก มันถูกทำเพื่อความมีประสิทธิภาพ – ผลิตภัณฑ์ที่ยั่งยืนหลายอย่าง เช่น บรรจุภัณฑ์จากเส้นใย ไม่สามารถแข่งขันกับตัวเลือกที่ไม่ยั่งยืนน้อยกว่าได้หากอุตสาหกรรมป่าไม้กลายเป็นมีประสิทธิภาพน้อยลง อุตสาหกรรมกำลังสำรวจวิธีการที่จะทำได้โดยการตัดไม้เพียงต้นไม้ที่ใหญ่ที่สุดในแต่ละพื้นที่เท่านั้น มันคือวิธีการที่ยั่งยืนกว่ามาก แต่จากมุมมองด้านลอจิสติกส์และต้นทุนเป็นเรื่องที่ท้าทายมาก และสามารถทำได้เฉพาะด้วยการวิเคราะห์เชิงลึกที่ทันสมัยเท่านั้น

ความหลากหลายทางชีวภาพมีความสำคัญต่อความยืดหยุ่นของป่าไม้ การติดตามความหลากหลายทางชีวภาพและทำให้เกิดการแทรกแซงเมื่อจำเป็นเป็นสิ่งสำคัญต่อความสามารถในการอยู่รอดของป่าไม้ในระยะสั้นและระยะยาว

สำหรับโครงการจับกักคาร์บอน ระบบตรวจสอบว่าโครงการลดการปล่อยก๊าซเรือนกระจกตามที่โฆษณาไว้อย่างไร?

ระบบบรรลุความแม่นยำที่แน่นอนสำหรับคลังป่าไม้ที่เกี่ยวข้อง ซึ่งสามารถตรวจสอบได้ การหลอกลวงส่วนใหญ่ไม่เกิดขึ้นที่ระดับการวิเคราะห์ แต่เกิดขึ้นในทางที่โครงสร้างโครงการ การโครงการคาร์บอนป่าไม้ที่มุ่งหมายเพื่อป้องกันการทำลายป่าไม้ส่วนใหญ่ต้องเผชิญกับปัญหา 2 ประการ:

• เส้นฐาน: นี่คือชุดของสมมติฐานที่คาดการณ์ว่าจะเกิดอะไรขึ้นหากไม่มีการแทรกแซง การแทรกแซงจะถูกคำนวณเป็น “ความเพิ่มขึ้น” เหนือเส้นฐาน เส้นฐานในปัจจุบันไม่ได้มาจากการวิเคราะห์ข้อมูลเชิงลึก แต่บ่อยครั้งเป็นค่าเฉลี่ยที่หยาบ เส้นฐานถูกคำนวณโดยผู้จัดการโครงการเอง ซึ่งมีความขัดแย้งทางผลประโยชน์: เส้นฐานที่ต่ำกว่าหมายถึงเครดิตที่สร้างขึ้นมากขึ้น
• การรั่วไหล: ปรากฏการณ์ที่สิ่งที่ดีๆ ที่เกิดขึ้นภายในพื้นที่โครงการที่กำหนด (เช่น การลดการทำลายป่าไม้) ถูกชดเชยด้วยสิ่งที่เกิดขึ้นนอกพื้นที่โครงการที่กำหนด บ่อยครั้งพื้นที่เหล่านี้ไม่ได้รับการติดตาม ดังนั้นโครงการจึงได้รับเครดิตในขณะที่ข้อได้เปรียบที่ดีหายไปในพื้นที่ป่าไม้โดยรอบ

ปัญหาหลักคือการขาดการวิเคราะห์ข้อมูลเชิงลึกที่จะตรวจสอบสิ่งที่เกิดขึ้นได้อย่างอิสระ มันสามารถทำได้ในปัจจุบัน แต่มีการปรับใช้เทคโนโลยีที่ทันสมัยในด้านนี้อย่างช้าๆ ปัญหาไม่ใช่การวิเคราะห์ แต่เป็นสิ่งที่การคำนวณเครดิตอาศัยอยู่

คุณมีกรณีศึกษาที่สามารถแบ่งปันได้หรือไม่?

• ENCE ซึ่งเป็นเจ้าของป่าไม้ที่ใหญ่ที่สุดในスペน ใช้ระบบของเรา
• ลูกค้าแรกและใหญ่ที่สุดของเราคือ Metsähallitus (รัฐป่าไม้ฟินแลนด์)
• พันธมิตรของเรา Forliance ซึ่งเป็นหนึ่งในผู้จัดการโครงการคาร์บอนที่ใหญ่ที่สุดและได้รับการยกย่องมากที่สุดในโลก ทำงานร่วมกับเราในหนึ่งในโครงการคาร์บอนที่ใหญ่ที่สุดในโคลัมเบีย
• 7 ใน 10 ประเทศที่มีป่าไม้ใหญ่ที่สุดในยุโรปเหนือเป็นลูกค้าของเรา ลูกค้าล่าสุดของเราที่จะประกาศเร็วๆ นี้เป็นหนึ่งใน “สามอันดับแรก” ในฟินแลนด์

วิสัยทัศน์ของคุณสำหรับอนาคตของการอนุรักษ์ป่าไม้คืออะไร?

วิสัยทัศน์ของเราคือการมีการวิเคราะห์ข้อมูลเชิงลึกที่มีหลักฐานและข้อมูลในโซลูชันที่อาศัยธรรมชาติ มันชัดเจนว่าเราต้องดำเนินการอย่างรวดเร็วเพื่อบรรเทาผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศ ป่าไม้ส่วนใหญ่บนโลกจะได้รับการสำรวจทุกๆ 5-10 ปี เราควรลดระยะเวลานี้ลงเหลือการตรวจสอบรายเดือนเพื่อเข้าใจสิ่งที่เกิดขึ้น นอกจากนี้เรายังต้องติดตามความหลากหลายทางชีวภาพ หากไม่มีความหลากหลายทางชีวภาพ เราจะสูญเสียความยืดหยุ่นของป่าไม้ของเราในระหว่างวิกฤติการเปลี่ยนแปลงสภาพภูมิอากาศที่เร่งตัวขึ้น

มีสิ่งอื่นที่คุณต้องการแบ่งปันเกี่ยวกับ CollectiveCrunch หรือไม่?

ใช่: เราสามารถทำได้ที่ขนาดใหญ่ เราปัจจุบันครอบคลุม 20 ล้านเฮกตาร์ หรือประมาณ 50 ล้านเอเคอร์ของป่าไม้ เราทำได้ด้วยความแม่นยำที่ดีกว่าวิธีการแบบเดิมที่เราทดแทน สิ่งนี้เป็นเรื่องจริง และช่วยให้เกิดความโปร่งใสในตลาดการซื้อขายคาร์บอน

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม CollectiveCrunch เพื่อเรียนรู้เพิ่มเติม