Міхаель Дельгадо, співзасновник і генеральний директор Canals – Серія інтерв’ю

Міхаель Дельгадо, співзасновник і генеральний директор Canals, – колишній корпоративний юрист, який перейшов у підприємництво і побудував кар’єру, поєднуючи юридичну експертизу, розвиток продуктів і технологічні операції. Після початку роботи у топових юридичних фірмах, таких як Cravath, Swaine & Moore LLP, він перейшов у стартапи, займаючи керівні посади у Willing, а потім став співзасновником Vested, який пізніше був придбаний компанією MetLife. У 2022 році він заснував Canals, застосовуючи свій досвід у сфері права, операцій і продуктів для подолання неефективності традиційних галузей, особливо за допомогою штучного інтелекту для модернізації складних бізнес-процесів.

Canals – це платформа, яка використовує штучний інтелект для автоматизації критичних операцій з обробки замовлень, обліку та закупівель для оптових дистриб’юторів. Компанія зосереджується на перетворенні неструктурованих даних, таких як електронні листи, PDF-документи та рукописні документи, у структуровані дані, які можуть бути безпосередньо інтегровані в існуючі системи планування ресурсів підприємства (ERP). Завдяки постійному навчанню на основі взаємодії з користувачами Canals зменшує ручний ввод даних, мінімізує помилки та прискорює операційні процеси, позиціонуючи себе як практичну виконавчу систему для бізнесу, а не як чисто аналітичне рішення штучного інтелекту.

Ви перейшли з юридичної сфери у стартапи після роботи у фірмах, таких як Cravath, Swaine & Moore LLP, і згодом заснували Canals після досвіду будівництва Vested. Які конкретні проблеми у процесах розподілу спонукали вас заснувати компанію, і як ваші попередні ролі вплинули на це рішення?

Моя дружина керує дистриб’юторською компанією, тому саме через неї я почав відвідувати склади, розмовляти з дистриб’юторами та вивчати галузь.

Чим більше часу я проводив, занурений у дистрибуцію, тим більше я бачив процес, який називається “введенням замовлення”. Замовлення надходять до дистриб’ютора через різні канали та у різних форматах, і кожне з них потрібно переглянути та вручну ввести в систему ERP. Це тривожна робота, яка лягає на плечі команд продажу – людей, чия робота повинна полягати у генеруванні доходу та побудові відносин.

Чим більше розмов я мав з дистриб’юторами, тим чіткіше ставало, що це не мала неефективність. Введення замовлення – це ключовий процес у величезній галузі, яку технології історично не змогли обслужити, частково через те, що традиційне програмне забезпечення не могло справитися з варіативністю. Я провів роки, будуючи програмне забезпечення та спостерігаючи за розвитком штучного інтелекту, тому я був добре підготовлений, щоб побачити великий ринок, реальну проблему та новий спосіб її вирішення. Canals виросла з цього.

Для читачів, які нові в цій сфері, що саме робить Canals всередині організації щодня, і як вона взаємодіє з існуючими системами, такими як системи планування ресурсів підприємства (ERP)?

На високому рівні Canals приймає дані, з якими дистриб’ютори, підрядники та виробники працюють щодня – електронні листи, PDF-документи, таблиці,甚至 рукописні нотатки – і перетворює їх у структуровані дані, які можуть течти між системами та забезпечувати виконання кінцевих процесів. Потім вона використовує ці дані для автоматизації подальших дій, таких як генерація замовлення або подання рахунку, перед тим як передати чисті, перевірені дані безпосередньо в систему ERP.

Система ERP залишається системою обліку, тоді як Canals діє як операційний штучний інтелект, який утримує її точністю та оновленістю.

Промислова дистрибуція все ще сильно залежить від електронної пошти, PDF-документів та телефонних дзвінків для управління замовленнями та рахунками. Чому цей рівень ручної роботи зберігся так довго, і що завадило значній автоматизації до цього часу? 

Проблема полягає в тому, що традиційне програмне забезпечення залежить від жорстких правил і стандартних шаблонів. Це працює в середовищах, де входи є постійними, але будівництво та дистрибуція не такі. Документи надходять у різних форматах, і існує багато різних назв, скорочень та сленгів, які всі описують один і той же продукт. На певному етапі кількість винятків стає неуправляемою. Ви не можете реально визначити правила для кожної варіації, тому процес повертається до ручної інтерпретації.

Бажання введення більшої ефективності завжди існувало, але до недавнього часу технології не могли впоратися з цим, роблячи попередні підходи важкими для реалізації та неможливими для масштабування.

Однією з ключових проблем тут є перетворення неструктурованих даних у структуровані дії. Як ваша платформа інтерпретує електронні листи, вкладення та документи, і перетворює їх у корисні дані та процеси?

Це проблема, яка вимагає двох кроків для вирішення.

Перший – парсинг. Canals ідентифікує відповідні документи в поштовому скриньці користувача, витягує ключові позиції та поля, і витягує дані.

Другий – зіставлення. Це місце, де витягнуті дані розраховуються в системі. У деяких випадках це означає відображення позицій на правильні артикули, обробку варіацій у описах продуктів та нормалізацію одиниць. У інших випадках це означає узгодження документів, наприклад, зіставлення рахунку з замовленням та квитанцією, узгодження позицій та виявлення розбіжностей.

Результатом є структуровані, контекстуалізовані дані, які можуть забезпечити виконання кінцевого процесу.

Ви підтримали процеси, пов’язані з понад 2,1 млрд доларів США оплат. На такому рівні, які закономірності виникають щодо неефективності, затримок чи помилок, про які більшість компаній навіть не підозрюють? 

Є деякі очевидні вигоди з ефективності. Наприклад, на стороні обліку нашими клієнтами автоматизується 96% обробки рахунків у середньому, що видаляє значну кількість ручної роботи.

Що ще цікавіше, так це те, як це проявляється за межами економії коштів. У випадку з введенням замовлення швидкість безпосередньо впливає на доходи.

У будівництві час є критичним, і дотримання графіку є пріоритетом. Якщо підрядник запитує ціни у кількох дистриб’юторів, і один з них відповідає за десять хвилин, тоді як інші відповідають за кілька годин, робота зазвичай йде до того, хто відповів першим, навіть якщо це не найнижча ціна. Отримання матеріалів вчасно має значення більше, ніж економія декількох доларів.

Ця динаміка має прямий вплив на доходи. Автоматизація введення замовлення збільшує кількість випадків, коли дистриб’ютор є першим, хто відповідає, що збільшує кількість випадків, коли він виграє бізнес. Для одного з наших клієнтів це переклалося у 57% випадків, коли транзакції перетворювалися на замовлення, порівняно з попереднім середнім показником близько 20%.

Старі системи, такі як платформи ERP, часто жорсткі та важко модернізуються. Як ви підходите до інтеграції без примусу компанії видаляти існуючу інфраструктуру?

Системи ERP глибоко вплетені в те, як працює бізнес, тому справжня обмеження не лише інтеграція, а й те, як швидко та як чисто ви можете інтегруватися без додавання навантаження. Якщо реалізація відбувається повільно або вимагає великої участі внутрішньої ІТ-служби, це стає дисруптивним блокатором.

Наш підхід завжди полягав у тому, щоб інвестувати у те, щоб наша реалізація була швидкою та безшовною. У нас є десятки попередньо створених інтеграцій та велика команда інженерів для підтримки індивідуальних розгортань, і ми пріоритезуємо швидке запускання клієнтів без створення постійного навантаження з технічного обслуговування.

Ми спостерігаємо зміщення до більш автономних систем у різних галузях. Наскільки реально можна автоматизувати процеси розподілу до тих пір, поки людський нагляд знову не стане критичним?

Є багато речей, які штучний інтелект не може зробити. Він не буде приймати складні бізнес-рішення, керувати відносинами з клієнтами або працювати у полі. Що він може зробити, так це видалити багато повторюваних адміністративних робіт, які лежать під цією процесами.

У більшості промислових процесів правильна модель – це людина у циклі, де штучний інтелект обробляє більшу частину роботи, залишаючи людей під контролем винятків. Коли щось є простим, це можна автоматизувати. Коли щось є двозначним, високоцінним або несе реальний ризик, то це місце, де людський суд критичний.

Мета не полягає у 100% автономності. Це автоматизувати нудні, ручні та повторювані частини процесу, щоб люди могли зосередитися на високоцінних рішеннях та винятках.

Одним з ризиків автоматизації є втрату інституціональних знань досвідчених операторів. Як Canals забезпечує, щоб ця експертиза була захоплена та відображена в системі, а не замінялася? 

Однією з ключових переваг штучного інтелекту над традиційним програмним забезпеченням є те, що він може навчатися з часом.

Коли досвідчений оператор переглядає щось, робить виправлення або обробляє виняток, система може захопити ці рішення та інтелектуально застосовувати їх далі. З підвищенням використання воно починає надійно відображати ці закономірності, а не покладатися на фіксований набір правил.

Це означає, що інституціональні знання більше не пов’язані з однією людиною. Натомість вони впроваджуються в системи, які використовуються для управління бізнесом, тому вони застосовуються більш послідовно по всій організації. Коли досвідчені працівники залишають роботу, їхнє знання залишається захопленим у Canals. Коли нові працівники починають роботу, вони працюють у системі, яка вже відображає, як працює бізнес, що допомагає їм швидше розгортатися та виконувати завдання більш послідовно.

Сплеск у будівництві центрів обробки даних створює реальний тиск на ланцюги постачання. Як це підвищення попиту змінює очікування щодо швидкості, точності та координації для дистриб’юторів? 

Перегони за будівництво центрів обробки даних прискорюються з вкладенням 700 млрд доларів США у будівництво, що створює величезний тиск на підрядників та дистриб’юторів, щоб вони могли впоратися.

Це підвищення попиту змінює толерантність до затримок. Процеси, які були керованими при нижчих обсягах – таких як ручна обробка замовлень та узгодження документів – починають розбиватися у масштабі. Коли проекти стають більші та рухаються швидше, розриви між запитами, покупками та виконанням стають більш видимими та більш дорогими з обох сторін транзакції. Недостатність точної, актуальної інформації підкріплює координацію та може призвести до несподіваних затримок та раптових зупинок роботи.

Команди, які можуть працювати з швидкістю та реальним часом, мають явну перевагу. На цьому етапі автоматизація не лише питання ефективності, а й вимога для того, щоб впоратися з темпом та складністю попиту.

Оглядаючи майбутнє, як ви бачите, що штучний інтелект змінює процеси закупівель та ланцюгів постачання протягом наступних п’яти років, особливо коли системи переходять від інструментів допомоги до більш агентних приймачів рішень?

Це важко сказати з будь-якою певністю, але те, що стає більш очевидним, це те, як штучний інтелект застосовується – вузько, у конкретних процесах, де є багато повторень та чіткий шлях до надійності. У сфері закупівель та ланцюгів постачання це проявляється у процесах, пов’язаних з виконанням. Ці процеси пов’язані з реальними доларами та реальними відносинами, тому бар’єр для автономності високий. Ближнє зміщення буде менше про агентне прийняття рішень та більше про розширення того, що можна обробити надійно, залишаючи людей тісно залученими там, де це має значення.

Дякуємо за велике інтерв’ю. Читачам, які бажають дізнатися більше, рекомендуємо відвідати Canals.