Рохіт Аггарвал, COO у DecisionNext – Інтерв’ю Серія

Рохіт Аггарвал є головним операційним директором у DecisionNext, провідній платформі штучного інтелекту, яка дозволяє компаніям оптимізувати купівлю або продаж товарів у найкращий можливий час і за найкращу можливу ціну. Він використовує свій сильний досвід у сфері ланцюгів постачання та управління продуктами, а також досвід прямого керівництва великими командами для виконання складних багатофункціональних проектів та досягнення бізнес-результатів. Рохіт раніше займав посади управління продуктами та операціями в Google (GOOGL ) та Amazon (AMZN ).

Ви працювали в Amazon і нещодавно в Google. Які були деякі з ваших ключових досягнень під час цих досвідів?

В Amazon мені було надано можливість керувати різноманітною командою з 250 працівників для запуску найкращих операційних об’єктів. Я також підтримував впровадження інновацій, таких як доставка в той же день, робототехніка та інші нові технології. Потім у Google я використовував свої навички для зв’язку між продуктом та операціями. Це включало створення програм з нуля для управління новим стилем процесу виконання, серед інших нових пропозицій.

Чи можете ви пояснити, як DecisionNext використовує штучний інтелект і машинне навчання для покращення прогнозування ціни та постачання товарів?

DecisionNext використовує штучний інтелект і машинне навчання для споживання тисяч наборів даних і знаходження історичних та поточних зв’язків між ключовими факторами. Потім він вчиться з цієї інформації і створює відповідні моделі для будь-якої товарної позиції. У сфері сільського господарства та природних ресурсів наші інструменти допомагають клієнтам краще прогнозувати ціни, приймати розумніші рішення, зменшувати ризики та збільшувати прибутки по всьому ланцюгу постачання. Ми також працюємо над використанням великих мовних моделей (LLM) для спрощення складних глобальних рішень з ризико-обізнаними рішеннями.

Які є ключові переваги використання платформи DecisionNext порівняно з традиційними методами прогнозування?

Глобальні покупці та продавці товарів часто використовують правила та таблиці для спрощення складної системи, вартість якої становить мільярди доларів у транзакціях. Це залишає значні кошти на столі. Ці таблиці працювали чудово і підтримували сотні підприємств. Однак, оскільки динаміка робочої сили змінюється і глобальні ринки стають більш непередбачуваними, вони стають менш ефективними. DecisionNext витратив роки на вдосконалення платформи штучного інтелекту, яка перетворює глобальну складність у дієвші рекомендації у масштабі – суттєво покращуючи фінансові результати.

Наші клієнти мають фахівців, які працювали в певній сфері або галузі протягом 30 років або більше. І коли нові покоління приходять, дуже важливо зберегти весь цей досвід у використовуваній формі. DecisionNext допомагає з цим, створюючи повні бібліотеки рішень, інтегруючи фахівські думки та вчиться з минулого.

Таким чином, платформа DecisionNext зменшує ризики та неоднозначності у бізнес-рішеннях по всім бізнес-одиницям та окремим особам, а також встановлює масштабний спосіб прийняття цих рішень. Вона також покращує прибутковість у щоденних транзакціях, довгострокових позиціях та майбутніх стратегічних планах.

Яка роль відіграє динамічні дані у процесі прийняття рішень, керованих штучним інтелектом, та як ці дані інтегруються та використовуються?

Динамічні та оновлені дані мають величезне значення при створенні найкращих моделей. Однак швидкість та складність, з якою дані можуть бути оброблені та змодельовані, не є єдиним фактором. Наприклад, як модель знає вагу найбільш недавнього даних (наприклад, шоку в системі) і що їй потрібно поводитися по-іншому? Наші користувачі можуть взаємодіяти з моделями через патентовану технологію для введення своїх думок та створення аналізу “що якщо” для використання даних, яких модель або система просто не знає ще. Це дозволяє нашим клієнтам отримувати нові знання, яких інакше не було б можливості.

Якими способами платформа DecisionNext революціонізувала бізнес-рішення на ринку товарів?

Наша найкраща платформа революціонізувала стандартний підхід до ціноутворення, прогнозування попиту та пропозиції, надаючи нашим користувачам не тільки прогноз, а й можливість швидко зрозуміти ризики, неоднозначності та проаналізувати складні рішення за допомогою кількох кліків миші. DecisionNext має ряд випадків використання по ланцюгах постачання в сільському господарстві та гірничій промисловості. До них належать оптимізація ціни закупівлі та продажу, бізнес-планування, географічна та продукційна арбітраж, найменша вартість формування та управління ризиками, серед багатьох інших.

Як DecisionNext забезпечує точність та надійність своїх моделей прогнозування штучного інтелекту для торгівлі товарами?

Ми забезпечуємо точність та надійність наших моделей прогнозування штучного інтелекту за допомогою інтенсивного тестування. DecisionNext створив сувору систему, яка здатна швидко протестувати тисячі структур моделей та надати користувачеві повне розуміння того, наскільки точними були моделі. Це можна зробити зрозумілим способом, який також дозволяє нам використовувати цю точність для прогнозування неоднозначності в майбутньому.

Чи можете ви поділитися прикладом або випадком, коли DecisionNext допоміг компанії навігації на ринку волатильності за допомогою ваших інструментів штучного інтелекту?

З DecisionNext великий виробник залізної руди збільшив свій прибуток у середньому на 6-8% на спотових продажах. Наше рішення допомогло їм оптимізувати стратегію ціноутворення та зменшити час, необхідний для прийняття ключових рішень щодо географічної арбітражі. Аналогічно, ми допомагаємо виробникам великої рогатої худоби приймати рішення про те, де і коли продавати яловичину з туш.

В обох випадках DecisionNext надав точний і обґрунтований короткостроковий та довгостроковий прогноз для оптимізації стратегії планування продажів. Наші візуальні інструменти дозволили виробникам швидко оцінити кілька стратегій продажів поряд для мінімізації ризику, оптимізації прийняття рішень та більш ефективного збільшення маржі.

Без DecisionNext компанії змушені покладатися на історичні середні значення, ф’ючерсні ринки (якщо вони доступні) та досвід для ціноутворення товарів. Хоча це було ефективним у минулому, з нашими дедалі більш волатильними ринками товарів компанії залишають мільйони доларів на столі.

Чи можете ви обговорити значення інтерактивних моделей прогнозування для користувачів та як DecisionNext забезпечує, щоб ці моделі були користувальницькими?

Старий, застарілий “чорний ящик” моделі прогнозування не каже людям, чому прогноз такий, яким він є. Він також не може допомогти з тим, як перекласти прогноз у дієвші рішення. Тому користувачі можуть не використовувати навіть ідеальний прогноз і повернутися до старих методів.

DecisionNext допомагає своїм клієнтам краще зрозуміти як ризики ринку, так і ризики бізнесу та чому вони повинні бути взаємопов’язані при прогнозуванні. DecisionNext надає повну видимість джерел даних та структур моделей разом з стратегічною ясністю та напрямком.

Все це надається через користувальницьку панель, розроблену для постійного взаємодії.

Якими способами пандемія та недавні геополітичні події вплинули на розвиток та використання штучного інтелекту в торгівлі товарами у DecisionNext?

COVID-19 перевернув глобальну ланцюг цінності м’яса, і один клієнт, який був особливо вплинутий на кризу, спадає на думку. З великими кількостями заморожених продуктів, призначених для скоро припинених каналів харчування, клієнт використовував аналітику DecisionNext для швидкого та оптимального ліквідації запасів, коли карантини поширювалися по США, та планування того, як і коли відновити ці запаси.

Використовуючи платформу DecisionNext, клієнт побудував і порівняв чотири складні альтернативи продажів та закупівель, щоб побачити очікувані ринкові результати та порівняти ризики. В них вдалося успішно ліквідувати надлишкові запаси по декількох напрямках, а ці транзакції забезпечили 5-разове повернення інвестицій у програмне забезпечення DecisionNext за один місяць.

Які майбутні досягнення в галузі штучного інтелекту та машинного навчання, на вашу думку, вплинуть на ринок товарів, і як DecisionNext готується до них?

DecisionNext знаходиться на передовій частини зусиль з використання штучного інтелекту та машинного навчання для того, щоб зробити ринки товарів більш ефективними, прибутковими та сталими. Коли світ продовжує боротися з величезними викликами, такими як зміна клімату та політична нестабільність, інтелектуальна технологія буде дедалі більш важливим компонентом у тому, як ми успішно навігуюємо ними. Ми раді бути довіреними нашими клієнтами та партнерами для надання платформи, яка допоможе зробити це можливим.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати DecisionNext.