Лаурі Кіен Котчер, CEO та співзасновник Different Day — серія інтерв’ю

Lauri Kien Kotcher, CEO та співзасновник Different Day, є досвідченим бізнес‑лідером, будівельником брендів, членом ради директорів та стратегічним радником, чия кар’єра охоплює штучний інтелект, споживчі товари, роздріб, охорону здоров’я, фінансові послуги та приватний капітал. До заснування Different Day вона працювала CEO та членом ради директорів компанії quip, де керувала широким переходом від догляду за порожниною рота до загального здоров’я порожнини, запровадила нові продукти, перебудувала модель підписки безпосередньо для споживачів і скоротила операційні витрати. Раніше вона очолювала The Shade Store та Hello Products, проводячи останню через значне зростання та її придбання Colgate у 2020 році. Попередні керівні посади включали старші ролі в L Catterton, Godiva Chocolatier, Lehman Brothers і Pfizer Consumer Healthcare, а також 15 років у McKinsey & Company, де стала партнером і співавтормувала практику споживчих товарів Північної Америки фірми. Котчер також входить до ради директорів Freshpet, приносячи великий досвід у стратегії зростання, інноваціях, маркетингу, злиттях і поглинаннях та організаційних трансформаціях.

Different Day допомагає організаціям середнього ринку перетворювати операційні виклики на практичні, індивідуальні застосунки штучного інтелекту, які інтегруються з їх існуючими технологічними середовищами. Замість того, щоб зосереджуватись на експериментальних AI‑проектах або універсальному програмному забезпеченні, компанія розробляє комплексні рішення, спрямовані на зменшення ручної праці, підвищення прозорості, прискорення зростання доходів, зміцнення марж та виявлення корисних бізнес‑інсайтів. Її робота охоплює такі сфери, як прогнозування попиту, планування постачання та інвентаризації, інтелект продажів, звірка фінансової допомоги, відповідність нормативам, аналіз контрактів, управління взаємовідносинами з клієнтами та звітування про продуктивність. Different Day позиціонує свою команду як партнера від початкового виявлення проблеми до впровадження та передачі знань, що дозволяє клієнтам експлуатувати та продовжувати вдосконалювати застосунки внутрішньо.

Ви провели десятиліття, керуючи трансформаціями в McKinsey, Godiva, Hello Products, The Shade Store та quip, перш ніж співзаснувати Different Day. Що переконало вас, що компаніям середнього ринку потрібен новий тип AI‑партнера, і які операційні проблеми, на вашу думку, існуючі технологічні постачальники та консалтингові фірми не змогли вирішити?

Шокуюче, але багато бізнес‑лідерів живуть у темряві. Як CEO і CMO, що керують швидкозростаючими споживчими брендами та роздрібними компаніями середнього ринку, я ніколи не міг отримати чітке уявлення про повний спектр усіх рухомих частин бізнесу. Наші дані часто перебували у роз’єднаних силосах за каналом, географією та функціональним власником. Моя інтуїція підказувала, що AI нарешті зможе з’єднати ці точки і допомогти зрозуміти, чого нам не вистачає, але я не знав, до кого звертатися і з чого почати. Different Day стала відповіддю на це питання.

Компанії середнього ринку мають менше ресурсів, ніж великі корпорації, але можуть мати менше бюрократії та технічного боргу. Як їх підхід до впровадження AI має відрізнятися від корпоративної методології?

Компанії середнього ринку мають надзвичайну суперсилу, яку треба прийняти. Вони повинні прагнути обігнути більших конкурентів, оскільки швидкість — їх справжня перевага. Ми вважаємо, що можемо перетворити більшість середньоринкових бізнесів на AI‑нативні організації, ніби їх запускають у 2026 році з нуля. Великі корпорації тихо бояться, що AI дозволить меншим конкурентам зрівняти умови, використовуючи AI‑колег для швидшого руху без збільшення чисельності персоналу. Менше людей означає менше осіб, які вирішують, що робити, як це робити і які цілі, тому менша організаційна структура стає активом, а не обмеженням.

Оцінюючи операції компанії, як ви розрізняєте робочий процес, який справді виграє від AI, від того, який краще вирішити за допомогою традиційної автоматизації, покращеного ПЗ або редизайну процесу?

Я вірю у «голий» підхід: розчистіть ваш робочий процес до базових елементів. Спрощення процесу має передувати AI. Почніть з чистого аркуша паперу — що б ви робили тут, якби не існувало застарілого ПЗ та обхідних рішень? Більшість існуючих процесів були створені, щоб обійти громіздкі інструменти, а не тому, що це правильний спосіб роботи. Коли контракти підлягають поновленню, запитайте, які функції ви використовуєте, і за винятком кількох випадків AI може створити щось більш індивідуальне, ніж те, що у вас є сьогодні. Хоча завжди є системи, які варто залишити, наприклад ваш ERP чи CRM, ми розробляємо саме ті додатки, які вам потрібні, і нічого зайвого.

Different Day стверджує, що може розпочати з 72‑годинного прототипу і перейти до готового до виробництва рішення за кілька тижнів. Що робить такий темп можливим і які технічні, безпекові чи організаційні умови можуть сповільнити впровадження?

Здається, це перебільшення, проте це відображає нашу унікальну перевагу як компанії, заснованої людьми, які розуміються і на бізнес, і на технології. Наша команда — AI‑нативна, тому створення відбувається значно швидше, ніж традиційна розробка ПЗ. Що не змінюється, так це етап виявлення: хто володіє процесом, хто ще має схвалити, який результат ви прагнете досягти і в якій мірі, що раніше не вдалося. Якщо пропустити цю роботу на початку, вона повернеться пізніше; у інтеграціях, у впровадженні, за значно вищою вартістю. Такий темп можливий лише тому, що ми спочатку вкладаємо розуміння, а не кодуємо.

Багато середньоринкових компаній працюють з роз’єднаними електронними таблицями, застарілими системами та несумісними джерелами даних. Скільки підготовки даних зазвичай потрібно, перш ніж AI зможе надати надійні операційні результати?

Роз’єднані дані, з якими живуть більшість середньоринкових компаній, насправді є можливістю, а не перешкодою. Наші інструменти виявляють саме ті прогалини, а компанія вирішує, чи заповнювати їх і як. До AI ці прогалини були невидимі; хтось просто примусово зводив електронні таблиці до рішення або приймав рішення на основі неповних даних, не усвідомлюючи цього. Тепер команди бачать прогалину і оцінюють своє рішення відповідно, замість того, щоб вважати дані бездоганними.

Які метрики мають встановити керівники перед початком AI‑проекту і як швидко вони повинні очікувати бачити докази того, що впровадження генерує значущий ROI?

AI може бути новим, але класичні бізнес‑дисципліни залишаються актуальними. Проблеми виникають, коли люди вважають, що всі старі правила зникли. Кожен AI‑проект потребує однієї чіткої мети на старті, будь то продажі, видимість бренду, маржа, швидкість прийняття рішень або більша продуктивність без збільшення штату, а також реалістичного терміну досягнення цієї мети. Термін залежить від кількості підключень даних, внутрішніх та зовнішніх систем і того, скільки інструменту потрібно навчитися, перш ніж його результати стануть надійними. Ви повинні побачити якийсь результат до трьох місяців; більш складні проекти потребують більше часу. Ключовим є поетапне планування проекту, щоб не чекати одного грандіозного результату.

Different Day підкреслює застосування, що охоплюють прогнозування попиту, планування постачання, інтелект контрактів, звірку фінансової допомоги та сигнали продаж у реальному часі. Які випадки використання сьогодні дають найбільш повторювані результати, а які залишаються сильно залежними від галузі та операційної моделі компанії?

Не недооцінюйте фактор повторюваності AI. У багатьох аспектах бізнеси структурно більш схожі, ніж ми думаємо, від універсальних контрактів до узгодження потреб клієнтів з внутрішніми можливостями. Інтелект контрактів та звірка фінансової допомоги сьогодні є найповторюванішими; у них чіткі параметри та результати, тому інструмент точно знає, що саме вирішує. Прогнозування попиту та планування постачання складніші: більше наборів даних, більше каналів і значно більша варіативність між операційними моделями компаній. Щось на кшталт сповіщень клієнтів у реальному часі знаходиться посередині, залежно від поточної технологічної інфраструктури та каналів компанії.

Як бізнес має вирішити, чи купувати готовий AI‑продукт, розробляти його внутрішньо або створювати індивідуальний застосунок за участю зовнішнього партнера? Які питання допомагають виявити зайву складність або залежність від постачальника?

Уникайте AI‑клікбейту і будьте скептичні щодо постів у LinkedIn, які роблять створення складних інструментів всередині компанії виглядати легким. Будуйте внутрішньо лише тоді, коли інструмент справді простий, наприклад, панель управління, що збирає кілька електронних таблиць в один чистий вигляд для кількох колег. Як тільки вам потрібне отримання даних у реальному часі з внутрішніх і зовнішніх систем, це виходить за межі можливостей нетехнічної команди з інструментами DIY. Готовий AI має такий же ліміт, як і готовий SaaS. Він дає уявлення про загальні дані, але не забезпечує нюанси, специфічні для вашого бізнесу та ваших конкурентів.

Які найпоширеніші помилки ви спостерігаєте у компаній, коли вони переходять від вражаючої AI‑демонстрації до системи, якій співробітники повинні довіряти і користуватися щодня?

Я спостерігаю епідемію «прототипного ітісу»: компанії піддаються на видимі 10 % айсберга. Прототип виглядає вражаюче, але справжня робота відбувається під поверхнею: тестування даних і бек‑тестування, перевірка кожного зв’язку систем і забезпечення безпеки даних. Потім йде управління змінами: навчання людей, як його використовувати, де його межі, коли людина повинна залишатися в процесі, і які питання ставити щодо його результатів. AI має бути придатним для конкретної мети, а не заміною людського судження, особливо в компанії середнього ринку, де це судження будувалося протягом років.

Коли AI стане вбудованим у ключові операції, як, на вашу думку, зміняться ролі менеджерів та працівників на передовій, і що тепер мають робити лідери середньоринкових компаній, щоб AI підвищував їхні команди, а не просто додавав ще один технологічний шар?

«Менеджери» колись означали керування людьми. Швидко це стало управлінням агентами та системами. Почніть з картографування найбільших болючих точок команди та ізоляції ручної, повторюваної роботи; саме тут AI спочатку потрібен, перш ніж довіряти йому складніші рішення. Спочатку йдіть, а потім бігайте, особливо в компанії середнього ринку, де довіра повинна зароблятися крок за кроком.

Дякуємо за чудове інтерв’ю, читачі, які хочуть дізнатися більше, повинні відвідати Different Day.