Арнав Мішра, співзасновник і технічний директор Doss – Інтерв’ю

Арнав Мішра, співзасновник і технічний директор Doss, є повним інженером і технічним лідером з досвідом роботи в ранніх стадіях стартапів і великомасштабних інфраструктурних системах. До того, як заснувати Doss, він був одним із засновників Siteline, де він створив основні системи, включаючи архітектуру дозволів, інтеграцію ERP та рамки автоматизації, а також внесок у рекрутинг, операції з доходами та корпоративну культуру. Раніше в своїй кар’єрі він працював інженером у Rubrik та стажувався в компаніях, таких як Uber та VMware, розвиваючи експертизу в галузі хмарної інфраструктури, систем даних та автоматизації. Паралельно з технічною роботою він активно займався наставництвом та розвитком талантів через організації, такі як Techquitable Futures та Contrary, що відображає ширшу приверженість підтримці майбутнього покоління інженерів.

Doss – це сучасна компанія з розробки корпоративного програмного забезпечення, що зосереджена на переосмисленні традиційних систем ERP через свою адаптивну платформу ресурсів (ARP), гнучку, штучно-інтелектуальну платформу операцій, призначену для уніфікації та автоматизації бізнес-процесів. Будучи створеною як композитна альтернатива традиційним рішенняам ERP, Doss дозволяє компаніям керувати запасами, закупівлями, фінансами та виконанням замовлень у рамках однієї системи, яка адаптується до реальних операцій, а не примушує жорсткі процеси. Її платформа поєднує централізований шар даних, безкодові робочі процеси та аналіз в реальному часі, що дозволяє підприємствам швидко розгортати, інтегруватися з існуючими інструментами та безперервно розвивати свої операції без тривалих впроваджень чи дорогої консультації.

Чим мотивувалося створення DOSS, і як ваш досвід роботи зі старими системами ERP сформував ваше рішення?

До DOSS я був одним із засновників FinTech-стартапу. Основна причина, з якої наші покупці – фінансові директори, бухгалтери тощо – не переходили на нашу систему, полягала в тому, що вони були “занадто зайняті впровадженням системи ERP”. Коли я глибше занурився в архаїчну область ERP, я був шокований існуючою моделлю впровадження.

Що я постійно бачив, була фундаментальна проблема: впровадження займає місяці або роки, коштує сотень тисяч до мільйонів доларів і повністю залежить від людських консультантів з годинними тарифами. Потім, коли система ERP запущена, вона перестає змінюватися. Бізнес продовжує розвиватися; система – ні. Це архітектурна проблема, а не проблема конфігурації. Ви не можете виправити це патчами.

Як розробник програмного забезпечення, я міг порівняти це з наступним: уявіть світ, у якому найважливіший інструмент, який ви використовуєте – як розробник, скажімо, GitHub – був створений спеціально для вашої компанії протягом років третьою стороною консалтингової компанії. Потім, коли продукт закінчено, консультанти залишають без технічної підтримки, покращення функцій та підтримки. Інженери бунтували б.

Жодна сучасна технологічна компанія не може працювати в такій моделі. Вайлі та я прийшли до одного висновку: єдиний спосіб виправити це – побудувати все з нуля.

DOSS позиціонує себе як штучно-інтелектуальна платформа операцій, призначена замінити традиційні системи ERP, такі як SAP або Oracle (ORCL ). Які фундаментальні архітектурні відмінності роблять штучно-інтелектуальну систему ERP можливою сьогодні, чого не було можливим десятиріччя тому?

Oracle і SAP були створені в епоху, коли їм потрібно було спрощувати площину конфігурації системи ERP до рівня графічного інтерфейсу, який могли доставити відносно некваліфіковані консультанти. Щоб зберегти найкращі практики, вони заблокували великі ділянки основних систем і дозволили композицію лише на краях. Однак насправді, коли ви дивитесь на спектр усіх підприємств у світі, їхні бізнес-застосунки потребують максимальної гнучкості.

Штучно-інтелектуальний світ дозволяє перетворити розробку програмного забезпечення з ремесла в індустріалізовану машину. Тепер нам не потрібно програмні ремесленники, які ручним чином створюють кодові системи; натомість ми переходимо у світ, у якому продуктивність програмного забезпечення залежить від обчислювальної потужності та токенів.

Doss була спроектована саме з цим у виду.

Ми створили ZSL, декларативну мову програмування (DSL), яка описує всю реалізацію клієнта Doss у коді. Подумайте про те, що зробила “Terraform” для зусиль “Інфраструктура як код”, але застосоване до логіки бізнес-застосунків. Описуючи системи ERP у відносно низьковимірній мові програмування, ми можемо розгортати агентів у масштабі для доставки рішень ERP.

Як тільки ZSL була написана, найважливішим елементом архітектури було закладення найкращих практик у саму платформу, щоб запобігти агентам створення низькоякісних реалізацій. Наша команда створила масштабовану розподілену систему з ядерним планувальником для обробки навантаження ERP. Крім того, ми створили систему бази даних HTAP, яка поєднує найважливіші частини транзакційної бази даних, подібної до Postgres, та аналітичні можливості хранилища даних.

Будучи побудованою з самого початку з корпоративною силою, система готова до повністю агентської розподіленої системи. Що раніше займало команди консультантів місяці чи роки, тепер можна паралелізувати у масштабі за допомогою агентської інфраструктури у нашій пропріетарній закритій системі.

Багато компаній усе ще використовують таблиці та фрагментовані інструменти для закупівель, управління запасами та управління замовленнями. Які найбільші операційні сліпі місця виникають, коли основні дані бізнесу не об’єднані в єдине джерело правди?

Найбільша проблема полягає в тому, що рішення приймаються на основі застарілих або неповних даних. Якщо ваші дані про запаси знаходяться в одному місці, замовлення на закупівлю – в іншому, а дані про продажі – в третьому, ви постійно примирюєте, вручну, повільно і після факту. До того часу, як хтось усвідомлює, що запаси не в порядку або постачальник відстає, це вже проблема в бізнесі.

Verve Coffee Roasters – це хороший приклад того, де це зазнає поразки на практиці. Вони керують операціями по всьому світу, але керували всіма цим через відокремлені системи без реального часу видимості запасів. Вони закінчували свій власний каву в місцях з високим трафіком і зазнавали критичних розривів запасів під час запуску великого рітейлера, що пошкодило ключові рітейл-відносини. Дані існували десь; вони просто не були пов’язані таким чином, щоб хто-небудь міг діяти на основі них вчасно.

Більш тонка проблема полягає в тому, що фрагментація ховає справжню форму ваших операцій. Ви не можете побачити зв’язок між затримкою вгорі та проблемою виконання внизу, якщо ці дві речі живуть у окремих інструментах. Ви закінчуєте управлінням симптомів, прискоренням замовлень, будівництвом безпеки запасів та ручними перевірками, а не розумінням того, що насправді відбувається. Єдине джерело правди не тільки економить час на примирення. Воно змінює те, що ви навіть можете побачити і запитати.

У своєму центрі уявіть керування підприємством без доступу до системи контролю версій (Git), інструменту спостереження (DataDog) або централізованої бази даних для запиту інформації.

Впровадження систем ERP історично вимагали великих консультативних команд і місяців – або навіть років – розгортання. Як штучний інтелект змінює економіку та складність впровадження операційного програмного забезпечення всередині реальних підприємств?

Традиційна модель впровадження є наслідком поколінь старих практик програмного забезпечення. Ми вже не живемо в тому світі.

Є зворотна мотивація у впровадженні систем ERP сьогодні – чим довше триває впровадження і чим менш ефективним воно є, тим більше грошей отримують виконавці. Більшість будівельників не скористаються цим; однак вони ніколи не мотивовані рухатися темпом і якістю.

Крім того, співвідношення витрат на консультації до витрат на програмне забезпечення у традиційному проекті ERP складає приблизно 9:1, тому ви витрачаєте дев’ять доларів на консультантів за кожен долар, витрачений на саме програмне забезпечення. Для великого підприємства це дуже болісно. Для підприємств середнього ринку це заборонно. Тому вони або погоджуються на програмне забезпечення, яке не відповідає тому, як вони насправді працюють, або відкладають проект, або відмовляються від нього частково.

Штучний інтелект змінює економіку цього цілком. Замість консультативного проекту впровадження Doss – це кодова база. Коли наш час впровадження продовжує скорочуватися, ми можемо вирівняти інцентиви з моделлю “плати за доставку” замість “плати як ти йдеш”. Коли бізнес змінюється, система змінюється з ним. Потреба в кімнатах консультантів і довгих слайд-шоу більше не актуальна.

Успіх у Doss означає заміну глобальних витрат на ІТ-послуги в розмірі 1,86 трильйона доларів на агентське впровадження та технічне обслуговування за допомогою нашої ZSL як мови програмного забезпечення для бізнес-застосунків. Успіх у Doss означає комодитизацію всіх бізнес-застосунків у масштабі.

Ви розгорнули Doss з компаніями, що працюють у реальних середовищах, таких як виробництво, логістика та споживчі товари. Які несподівані проблеми виникають, коли штучний інтелект зустрічає неорганізовані операційні дані?

Проблема рідко полягає в штучному інтелекті. Це дані, про які ви просите його міркувати.

Кожна компанія, з якою ми працюємо, накопичила роки операційних обходів. Дані технічно існують, вони просто не живуть десь, куди їхні співробітники, не кажучи вже про агентські системи, можуть надійно діяти.

Одним із хороших прикладів є німецький виробник меблів, який створює індивідуальні вироби. Коли ми прийшли, у них було 10 років історичних даних, поширених по 8 спеціальним форматам файлів з 11 різними об’єктами даних та 3PL-синхронізацією, що працює в ручному режимі копіювання з папок FTP. Бізнес-логіка була специфічною з налаштованими розмірами, конфігураціями, методами оплати та місцями розташування шоу-румів, і вся система мала працювати німецькою. Там немає готового схеми для цього. їм доводилося платити тисячі євро кожен раз, коли вони хотіли змінити прості конфігураційні параметри, такі як статусні параметри для замовлення на закупівлю.

Проблема не полягає в технічній складності окремих елементів. Це те, що кожна компанія має свою версію цієї проблеми, і ви не можете повністю передбачити її, доки не опинитесь всередині їхніх даних. Робота полягає в тому, щоб зробити точний відбиток того, як компанія насправді працює, а не відображення їхніх даних у загальну шаблонну схему.

Щоб побудувати рішення, яке працює у реальному світі, вам потрібно платформа з максимальною гнучкістю. Тільки тоді штучний інтелект може бути корисним у розумінні підлягаючої моделі даних, над якою він працює, і побудові моделі, яка працює для кожного клієнта.

Є багато обговорень про штучні інтелекти-копілоти та автономні агенти в бізнес-програмному забезпеченні. Де ви бачите, що штучний інтелект додає найбільшу цінність у операційних потоках сьогодні, і де людський нагляд усе ще залишається важливим?

У масштабі штучний інтелект має можливість порушити всі операційні роботи.

У найближчій перспективі моделі та агенти Doss повинні бути здатні перетворити основу технічних консультантів при впровадженні бізнес-застосунків, а також роль консультантів з управління при доставці стратегічних рекомендацій. У Doss буде найбільший репозиторій структурованих і ко-локованих даних, що представляють як схему, так і операційну інформацію для підприємств. Наші агенти можуть використовувати ці дані для доставки масштабних рекомендацій.

Найочевидніша цінність сьогодні більш конкретна. Це робота, яка повторювана, заснована на правилах і зараз виконується людьми, які мають інші, більш стратегічні пріоритети: обробка замовлень на закупівлю, примирення запасів та маршрутизація рішень щодо виконання. Ці завдання мають добре визначені входи та виходи, і штучний інтелект може виконувати їх надійно у масштабі.

Наразі людський нагляд важливий там, де вартість неправильного рішення висока, і система ще не має достатнього контексту, щоб бути впевненою. Сьогодні правильна модель не полягає в автономних агентах, які повністю замінюють людське прийняття рішень; це агенти, які обробляють високооб’ємну, добре визначену роботу, щоб люди могли зосередитися на рішеннях, які насправді вимагають їхнього судження.

Багато підприємств намагаються накласти штучний інтелект на існуючі стеки програмного забезпечення. Чому налаштівка старих систем з штучним інтелектом часто не досягає успіху порівняно з побудовою штучного інтелекту безпосередньо в основі платформи?

Старі системи не були побудовані для того, щоб бути осмисленими штучним інтелектом. Моделі даних, API, спосіб структурування інформації – все це було розроблено для взаємодії людей через інтерфейси. Коли ви намагаєтеся накласти штучний інтелект зверху, ви просите його працювати навколо обмежень, з якими він не був розроблений для роботи.

Дещо глибша проблема полягає в моделі впровадження. У традиційній системі ERP конфігурація системи зберігається в самій системі. Це не код, який можна прочитати, протестувати чи розгорнути в контрольній версії. Не існує способу, яким агент міг би зрозуміти, що система робить, не кажучи вже про безпечну зміну.

Ми створили ZSL спеціально для того, щоб конфігурація була справжньою кодовою базою: читабельною, тестируваною та розгорнутою в закритій системі. Ми будемо будувати повністю агентський життєвий цикл розробки програмного забезпечення (SDLC). Це передумова для того, щоб штучний інтелект міг насправді діяти на системі, а не просто сидіти зверху неї.

Як ви думаєте, інтерфейс традиційного корпоративного програмного забезпечення зміниться, коли штучний інтелект стане здатним генерувати робочі процеси та взаємодіяти безпосередньо з операційними системами?

Питання інтерфейсу насправді про те, хто потребує використовувати систему. Зараз інтерфейси систем ERP будуються навколо невеликої групи потужних користувачів, людей, які були треновані на системі під час впровадження. Будь-хто інший або не може її використовувати, або отримує погіршену версію.

Що ми будемо будувати, – це композитний інтерфейс, який behandляє інтерфейс як будівельника веб-сайту. Сам інтерфейс також підтримується нашою закритою ZSL. Кожен, фінансовий директор, менеджер складу, аналітик ланцюга поставок, отримує панель та дані, складені навколо того, як вони насправді працюють, а не навколо того, як програмне забезпечення було сконфігуровано. Коли штучний інтелект обробляє більше основної роботи з виконання робочих процесів, інтерфейс стає меншим щодо вводу даних і більш щодо видимості та прийняття рішень. Ви повинні бачити, що відбувається, розуміти чому, і приймати судження. Програмне забезпечення повинно обробляти все інше.

Стартапи, такі як DOSS, входять на ринок, домінований десятирічними гігантами. Які переваги мають штучно-інтелектуальні стартапи при конкуренції з усталеними корпоративними платформами?

У гігантів є протилежна проблема порівняно зі стартапами. У них є величезні встановлені бази, які потрібно захистити. Кожне архітектурне рішення, яке вони приймають, повинно бути сумісним з попереднім. Вони можуть додати функції штучного інтелекту до існуючих продуктів, але вони не можуть перебудувати основні системи без порушення всього, що працює на них. Це не провал амбіцій; це структура.

У системах ERP зокрема вони також обтяжені бізнес-рішеннями, які привели їх до шляху, де доходи генеруються з конкретної функції, яку Doss намагається ліквідувати – професійні консультанти з послуг. Враховуючи, що користувачі витрачають дев’ять доларів на консультантів за кожен долар, витрачений на програмне забезпечення, можливість трансформувати 90% їхнього джерела доходу є недопустимою для великих гігантів.

Штучно-інтелектуальна система може бути спроектована з самого початку так, щоб штучний інтелект був частиною основної архітектури, а не шаром зверху. Модель впровадження, модель даних і спосіб конфігурації спроектовані з урахуванням штучного інтелекту як першокласного учасника. Це компенсувальна перевага, де кожне розгортання робить систему кращою, а агенти стають більш здатними з кожним новим клієнтом. Такий цикл покращення не існує в системі, де впровадження все ще є людською консультативною угодою.

Оглядаючи вперед, як ви бачите, що штучний інтелект перетворить “операційну систему” бізнесу протягом наступних п’яти до десяти років, особливо в таких областях, як видимість ланцюга поставок, прийняття рішень в реальному часі та автоматизовані операції?

Ми заснували Doss на переконанні, що корпоративні системи зможуть будуватися самостійно. Через три роки ми вступили в фазу 2 Doss: агентське самообслуговування. Платформа вже може генерувати, валідувати та розвивати систему клієнта, а не покладатися на ручну конфігурацію консультантами, і вона покращується з кожним розгортанням.

Напрямок, у якому це рухається, – це система, яка завжди синхронізована з бізнесом. Сьогодні розрив між тим, як працює бізнес, і тим, що знає про це програмне забезпечення, складає місяці або роки. Система була сконфігурована в певний момент часу і не змінилася з тих пір. Що стає можливим, коли цей розрив закривається, коли система адаптується в реальному часі, як змінюється бізнес, – це інша категорія операційної здатності. Видимість в реальному часі не тільки швидша звітність; це можливість спіймати розрив ланцюга поставок, перш ніж він стане провалом виконання. Автоматизовані операції не тільки щодо ефективності; це можливість керувати більш складним бізнесом з тією ж командою. Це та версія програмного забезпечення для операцій, яку ми будемо розвивати.

Дякуємо за ваші детальні відповіді. Читачам, які бажають дізнатися більше, рекомендуємо відвідати Doss.