Ilan Gluck, Người đứng đầu Go-to-Market, Bắc Mỹ tại Digital Matter – Loạt phỏng vấn

Ilan Gluck, Người đứng đầu Go-to-Market, Bắc Mỹ tại Digital Matter, là một nhà lãnh đạo công nghệ và thương mại có kinh nghiệm với nền tảng bao gồm Internet của vạn vật (IoT), trí tuệ nhân tạo, công nghệ chuỗi cung ứng, phân tích dữ liệu và chiến lược doanh nghiệp. Trước khi gia nhập Digital Matter, ông đã dành hơn năm năm tại Cox 2M và GearTrack, với vai trò là Tổng giám đốc và Giám đốc doanh thu, giúp phát triển các giải pháp theo dõi tài sản và khả năng hiển thị chuỗi cung ứng theo thời gian thực. Trước đó, Gluck từng là Tổng giám đốc tại Wasteless AI, nơi ông đã làm việc trên công nghệ định giá động dựa trên trí tuệ nhân tạo nhằm giúp các nhà bán lẻ thực phẩm giảm lãng phí, và từng giữ các vai trò sản phẩm và thương mại cấp cao tại WeissBeerger, một công ty IoT và phân tích dữ liệu được AB InBev mua lại. Ông bắt đầu sự nghiệp của mình trong lĩnh vực chiến lược và hoạt động tại Deloitte Consulting, mang lại cho ông sự kết hợp giữa sản phẩm, thương mại hóa và kinh nghiệm chiến lược trên các công nghệ mới nổi.

Digital Matter là một công ty phần cứng IoT toàn cầu chuyên về theo dõi tài sản dài hạn, giám sát cảm biến và giải pháp telematics. Công ty phát triển các thiết bị kết nối thấp, được thiết kế cho các triển khai trên các lĩnh vực như hậu cần, theo dõi đội và thiết bị, giám sát chuỗi cung ứng, nông nghiệp và ứng dụng môi trường, với hàng triệu thiết bị được triển khai trên toàn cầu. Phần cứng của họ hỗ trợ một loạt các công nghệ định vị và kết nối, bao gồm Hệ thống Định vị Vệ tinh Toàn cầu (GNSS), định vị Wi-Fi, Bluetooth Low Energy (BLE), IoT di động, LoRaWAN và kết nối vệ tinh. Digital Matter cũng cung cấp một nền tảng Device Manager dựa trên đám mây cho phép khách hàng và đối tác cấu hình, giám sát, cấp phép và quản lý các thiết bị kết nối từ xa với quy mô lớn.

Trước khi gia nhập Digital Matter, bạn đã làm việc trên GearTrack, Wasteless AI và WeissBeerger, nơi dữ liệu hoạt động theo thời gian thực được sử dụng để cải thiện chuỗi cung ứng, giảm lãng phí và tạo ra các quyết định thương mại tốt hơn. Làm thế nào kinh nghiệm đó đã định hình quan điểm của bạn về IoT như một nền tảng cho trí tuệ nhân tạo doanh nghiệp?

Trên GearTrack, Wasteless AI và WeissBeerger, tôi đã chứng kiến trực tiếp rằng công nghệ tốt nhất chỉ tốt như dữ liệu đằng sau nó.

Mỗi công ty đều giải quyết một vấn đề khác nhau, nhưng sợi dây chung là sử dụng thông tin theo thời gian thực từ thế giới vật lý để đưa ra quyết định tốt hơn. Điều đó có thể có nghĩa là hiểu vị trí của hàng tồn kho, xác định lãng phí trước khi nó xảy ra, hoặc giúp một doanh nghiệp phản ứng nhanh hơn với những gì đang thay đổi trên mặt đất.

Các kinh nghiệm đó thực sự đã định hình cách tôi nghĩ về IoT và AI. Một lượng lớn thông tin hoạt động quý giá vẫn chưa được thu thập trong các hệ thống kinh doanh truyền thống. Nó tồn tại trên các phương tiện, thiết bị, hàng tồn kho, cơ sở và chuỗi cung ứng. IoT là thứ biến hoạt động vật lý thành dữ liệu có thể sử dụng.

Đối với tôi, điều đó làm cho IoT trở thành một nền tảng quan trọng cho trí tuệ nhân tạo doanh nghiệp. Nó cung cấp cho AI một bức tranh rõ ràng và cập nhật hơn về cách một doanh nghiệp thực sự hoạt động. Thay vì chỉ nhìn lại các báo cáo lịch sử, các công ty có thể bắt đầu xác định các mẫu, dự đoán vấn đề và đưa ra quyết định tốt hơn trong thời gian thực.

Nhiều công ty đang đào tạo các mô hình AI trên cùng một tập dữ liệu công khai như đối thủ cạnh tranh của họ. Tại sao bạn tin rằng dữ liệu hoạt động độc quyền đang trở thành một nguồn phân biệt AI quan trọng hơn?

Dữ liệu giống nhau vào, thông tin giống nhau ra. Khi việc truy cập vào các mô hình AI trở nên dễ dàng hơn, các mô hình đó ngày càng trở thành hàng hóa, với sự khác biệt thực sự là chất lượng, tính độc đáo và liên quan của dữ liệu cho ăn chúng.

Nếu mọi người đều sử dụng cùng một công cụ, được đào tạo trên cùng một tập dữ liệu công khai, thứ ba hoặc lịch sử, họ sẽ đến cùng một kết luận.

Lấy hai nhà bán lẻ cạnh tranh sử dụng cùng một nền tảng AI, dự báo thị trường và dữ liệu nhu cầu lịch sử. Nếu một trong số họ đã triển khai các cảm biến IoT trên toàn bộ kho hàng, xe tải, pallet và thiết bị, nó liên tục cung cấp dữ liệu thực tế – thông tin theo thời gian thực về việc di chuyển hàng tồn kho, thời gian lưu kho, sử dụng tài sản, nút thắt và gián đoạn hoạt động. Trí tuệ nhân tạo của nó không chỉ học hỏi từ những gì đã xảy ra vào quý trước. Nó liên tục học hỏi từ những gì đang xảy ra trên toàn bộ doanh nghiệp ngay bây giờ.

Theo thời gian, điều đó tích lũy thành một lợi thế thực sự. Trí tuệ nhân tạo của nó không chỉ dựa vào xu hướng lịch sử hoặc điểm chuẩn của bên thứ ba. Nó học hỏi từ hoạt động của chính công ty trong thời gian thực, tạo ra một nguồn thông tin mà đối thủ cạnh tranh không thể mua, thu thập hoặc sao chép.

Khi cảm biến được triển khai trên các đội, cơ sở, thiết bị và chuỗi cung ứng, những loại thông tin hoạt động nào mà các công ty có thể thu thập mà họ sẽ bỏ lỡ nếu không?

Nhiều tổ chức đưa ra quyết định quan trọng mà không có tầm nhìn liên tục về những gì đang xảy ra trên các hoạt động vật lý của họ. Họ có thể biết họ có bao nhiêu hàng tồn kho hoặc khi một chuyến hàng được lên lịch để đến, nhưng họ thường thiếu thông tin về cách tài sản, thiết bị và quy trình làm việc thực sự hoạt động hàng ngày.

Bằng cách triển khai cảm biến trên các đội, cơ sở, thiết bị và chuỗi cung ứng, các tổ chức có thể xác định các nút thắt, theo dõi việc sử dụng tài sản, giám sát việc di chuyển hàng tồn kho và hiểu cách các điều kiện thực tế ảnh hưởng đến hiệu suất.

Ví dụ, một nhà bán lẻ có thể biết hàng tồn kho đã đến một trung tâm phân phối và cuối cùng đã được giao đến một cửa hàng, nhưng không nhận ra rằng một số pallet nhất quán đã dành thêm vài ngày trong một khu vực xếp hàng trước khi di chuyển hạ lưu. Không có dữ liệu cảm biến, sự chậm trễ đó vẫn còn vô hình. Với IoT, nó trở nên có thể đo lường và có thể hành động – cho phép các nhóm xác định nguyên nhân gốc rễ, cải thiện dòng chảy hàng tồn kho và giảm các vấn đề về khả năng cung cấp hàng.

IoT-generated data khác với dữ liệu doanh nghiệp truyền thống như thế nào khi nói đến việc đào tạo, tinh chỉnh hoặc xác lập các hệ thống AI?

Dữ liệu doanh nghiệp truyền thống thường là giao dịch và lịch sử, ghi lại các sự kiện đã xảy ra, chẳng hạn như đơn đặt hàng, hóa đơn, hồ sơ hàng tồn kho hoặc quy trình kinh doanh đã hoàn thành. Mặc dù thông tin đó rất có giá trị, nhưng nó chủ yếu phản ánh một bức tranh của quá khứ. Và với thị trường di chuyển nhanh hơn bao giờ hết, những gì đã xảy ra trong mùa trước có thể không nói nhiều về mùa này.

Dữ liệu được tạo ra bởi IoT khác vì nó ghi lại những gì đang xảy ra trong thời gian thực. Nó cung cấp thông tin liên tục về vị trí tài sản, di chuyển, sử dụng, điều kiện môi trường và các tín hiệu hoạt động khác không có sẵn trong các hệ thống doanh nghiệp truyền thống.

Đối với các ứng dụng AI, sự khác biệt đó rất quan trọng. Dữ liệu lịch sử giúp giải thích những gì đã xảy ra, trong khi dữ liệu IoT giúp thiết lập những gì đang xảy ra ngay bây giờ. Khi các tổ chức kết hợp cả hai, họ có thể xác lập các hệ thống AI trong các thực tế hoạt động hiện tại, tạo ra các thông tin chính xác hơn và cho phép đưa ra quyết định nhanh hơn và thông minh hơn.

Digital Matter nhấn mạnh vào các thiết bị thấp, bền được xây dựng cho việc theo dõi tài sản dài hạn và giám sát cảm biến. Những thách thức kỹ thuật lớn nhất là gì trong việc giữ cho các thiết bị IoT hoạt động đáng tin cậy trong nhiều năm trong các môi trường phức tạp?

Thiết bị IoT thường được triển khai trong các môi trường khó dự đoán và thậm chí còn khó kiểm soát hơn. Một thiết bị duy nhất có thể dành nhiều năm di chuyển giữa các cơ sở, phương tiện, địa điểm của khách hàng, vị trí từ xa và các khu vực có kết nối không nhất quán.

Một trong những thách thức lớn nhất là cân bằng giữa khả năng hiển thị và tiêu thụ năng lượng. Càng thu thập và truyền dữ liệu, thiết bị càng tiêu thụ nhiều năng lượng. Thiết kế các thiết bị có thể thông minh thu thập các sự kiện có ý nghĩa, thích nghi với các điều kiện hoạt động thay đổi và tối đa hóa tuổi thọ pin trong nhiều năm là rất quan trọng để cung cấp dữ liệu đáng tin cậy với quy mô lớn.

Khả năng chịu đựng cũng quan trọng như nhau. Thiết bị phải chịu được rung động, tác động, dao động nhiệt độ, độ ẩm và nhiều năm sử dụng hàng ngày trong khi vẫn hoạt động nhất quán, với rất ít hoặc không cần bảo trì. Ngay cả một tỷ lệ thất bại nhỏ cũng có thể trở thành một thách thức hoạt động đáng kể khi triển khai mở rộng đến hàng nghìn hoặc hàng chục nghìn thiết bị.

Làm thế nào AI có thể giúp các công ty chuyển từ việc theo dõi vị trí của một tài sản đến việc dự đoán sự cố, tối ưu hóa tuyến đường, giảm lãng phí hoặc cải thiện sử dụng?

Biết vị trí của một tài sản là quan trọng, nhưng vị trí alone chỉ kể một phần của câu chuyện. Cơ hội thực sự đến từ việc hiểu cách tài sản được sử dụng theo thời gian và xác định các mẫu mà sẽ khó phát hiện bằng tay. Khi các tổ chức kết hợp dữ liệu IoT với AI, họ chuyển từ việc chỉ phản ứng với các sự kiện sang việc dự đoán chúng.

Bằng cách phân tích các xu hướng trong việc di chuyển, sử dụng, thời gian lưu kho, điều kiện môi trường và các dữ liệu hoạt động khác, AI có thể giúp xác định các điểm không hiệu quả, dự đoán các vấn đề tiềm ẩn và đưa ra các cơ hội cải thiện. Điều đó có thể dẫn đến việc sử dụng tài sản tốt hơn, hoạt động hiệu quả hơn, giảm lãng phí và đưa ra quyết định nhanh hơn. Giá trị không chỉ nằm ở việc biết vị trí của một tài sản hôm nay, mà còn sử dụng dữ liệu nó tạo ra để đưa ra quyết định thông minh hơn về những gì xảy ra tiếp theo.

Trong các ngành như hậu cần, chuỗi lạnh, chăm sóc sức khỏe, xây dựng hoặc quản lý thiết bị, bạn nhìn thấy những cơ hội mạnh nhất trong thời gian ngắn để kết hợp dữ liệu IoT với AI?

Các cơ hội mạnh nhất nằm trong các ngành quản lý hàng loạt tài sản phân tán trên các hoạt động phức tạp, đó là lý do tại sao hậu cần, chuỗi lạnh, chăm sóc sức khỏe, xây dựng và quản lý thiết bị đều phù hợp với hồ sơ.

Và điều này không phải là lý thuyết. Các doanh nghiệp lớn, từ các nhà bán lẻ lớn đến các nhà sản xuất ô tô và thiết bị nặng, đã thực hiện chiến lược này, đó là lý do tại sao họ đang đầu tư mạnh mẽ vào IoT. Ngày càng nhiều, các hội đồng quản trị của họ không còn hỏi liệu họ đang sử dụng AI hay không. Họ đang hỏi giá trị kinh doanh có thể đo lường được đến từ đâu, và câu trả lời là hoạt động: tăng cường sản lượng, ít sự cố chất lượng, giao hàng đúng hạn và trải nghiệm khách hàng tốt hơn.

Trong thời gian ngắn, giá trị lớn nhất sẽ đến từ việc giúp các tổ chức đưa ra quyết định hoạt động tốt hơn bằng cách sử dụng hoạt động mà họ đã tạo ra mỗi ngày nhưng chưa bao giờ có thể thu thập hoặc tận dụng đầy đủ.

Khi các công ty triển khai nhiều cảm biến và thiết bị kết nối hơn, họ nên suy nghĩ về chất lượng dữ liệu, độ tin cậy của tín hiệu, bảo mật và quản trị khi đối xử với dữ liệu IoT như một tài sản AI chiến lược?

Các mô hình AI chỉ tốt như dữ liệu bên dưới chúng. Các tổ chức có xu hướng tập trung vào việc thu thập nhiều dữ liệu hơn, nhưng nếu dữ liệu đó không đầy đủ, không nhất quán hoặc không đáng tin cậy, thì các thông tin của AI cũng sẽ như vậy. Đó là vấn đề “rác vào, rác ra” kinh điển, và ở quy mô doanh nghiệp, nó trở thành một sai lầm tốn kém.

Đó là lý do tại sao chất lượng dữ liệu phải là ưu tiên từ ngày đầu tiên. Các tổ chức cần có niềm tin rằng dữ liệu được thu thập một cách nhất quán, truyền tải an toàn và phản ánh chính xác những gì đang xảy ra trong thế giới vật lý, cùng với quản trị rõ ràng về nơi dữ liệu đến, cách nó được quản lý và cách nó nên được giải thích.

Cuối cùng, giá trị không nằm ở việc tạo ra nhiều dữ liệu hơn. Nó nằm ở việc tạo ra dữ liệu chất lượng cao, đáng tin cậy có thể phục vụ jako nền tảng đáng tin cậy cho việc ra quyết định.

Đối với các công ty đã có triển khai IoT, họ nên thực hiện những bước nào để làm cho dữ liệu đó trở nên hữu ích hơn cho các ứng dụng AI?

Bước đầu tiên là bắt đầu với vấn đề kinh doanh, không phải AI. Khi mục tiêu rõ ràng, cho dù đó là giảm thời gian lưu kho, cải thiện sử dụng hoặc cắt giảm tổn thất, nó trở nên dễ dàng hơn để xác định dữ liệu, quy trình làm việc và khả năng AI cần thiết để hỗ trợ nó. Nhiều tổ chức đã thu thập một lượng lớn dữ liệu hoạt động, nhưng nó nằm trong các hệ thống không kết nối và không bao giờ đi vào một quyết định.

Bước thứ hai là bước mà hầu hết các công ty đánh giá thấp, và đó là quản lý thay đổi. Các triển khai quy mô lớn hiếm khi thất bại vì công nghệ. Chúng thất bại khi mọi người không hành động theo những gì dữ liệu đang nói với họ. Một cảnh báo rằng một khu vực xếp hàng dưới mức tồn kho chỉ tạo ra giá trị nếu ai đó thực sự di chuyển hàng tồn kho, vì vậy việc xây dựng các quy trình và thói quen kết nối thông tin với hành động là phần khó nhất và quan trọng nhất của công việc.

Cuối cùng, các công ty chứng kiến sự thành công nhất là những công ty kết nối dữ liệu hoạt động với kết quả kinh doanh có thể đo lường được và đảm bảo rằng mọi người sử dụng nó.

Nhìn về tương lai, bạn có tin rằng thông tin hoạt động độc quyền sẽ trở thành một trong những rào cản lớn nhất phân biệt các nhà lãnh đạo AI với các công ty chỉ sử dụng cùng một công cụ như mọi người khác? 

Có. Khi AI trở nên dễ tiếp cận hơn, công nghệ đơn thuần trở thành ít hơn một yếu tố phân biệt.

Các tổ chức nổi bật sẽ là những tổ chức tạo ra thông tin hoạt động độc quyền từ môi trường của riêng họ và sử dụng nó để đưa ra quyết định tốt hơn. Trong nhiều ngành, một số thông tin quý giá nhất vẫn còn tồn tại trong thế giới vật lý, trên tài sản, thiết bị, hàng tồn kho và chuỗi cung ứng – và nó không thể mua, thu thập hoặc sao chép bởi một đối thủ cạnh tranh.

Các công ty có thể liên tục thu thập, hiểu và hành động trên thông tin đó sẽ ở vị trí mạnh hơn nhiều so với những công ty chỉ dựa vào cùng một công cụ và tập dữ liệu như mọi người khác.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, người đọc muốn tìm hiểu thêm nên truy cập Digital Matter.