Enamik väikeettevõtete omanikke vaatab tehisintellekti kui tööriista Silicon Valley arendajate või kõrgsageduslike kauplejate jaoks. Nad ei pea seda millekski, mis kuuluks porisele põllule või tuulisesse küüni. Kuid kõige edukamad lood tehisintellekti juurutamisest väikeettevõtetes, mida ma viimasel ajal näen, ei toimu tehnoloogiakeskustes – need leiavad aset traditsioonilistes tööstusharudes nagu põllumajandus. Täpsemalt soovin rääkida teile ühest väikesest veinimõisast, mis lõpetas saagi ennustamise huupi ja hakkas kasutama andmeid, et dikteerida turustajatele oma tingimusi.
Olen töötanud sadade ettevõtetega ja märganud korduvat mustrit, mida nimetan täpsusest tulenevaks eelise lüngaks (Precision Leverage Gap). See on tohutu erinevus läbirääkimispositsioonis ettevõtte vahel, mis tegutseb "parimate oletuste" põhjal, ja ettevõtte vahel, mis tugineb ennustuslikule kindlusele. Veinimaailmas tähendab see lõhe erinevust hinnakujundaja ja hinnaga leppija vahel.
15% kõikumine: eksimise hind
💡 Kas soovite, et Penny teie ettevõtet analüüsiks? Ta kaardistab, millised rollid AI võib asendada, ja koostab etapiviisilise plaani. Alustage tasuta prooviperioodi →
Aastaid tegutses "Valley Estates" (pereettevõttena tegutsev veinimõis, keda ma hiljuti nõustasin) saagikoristusega seotud ärevuse tsüklis. Igal aastal vaatasid nad viinapuid, kontrollisid kohalikku ilmateadet ja tegid oma saagikuse kohta haritud pakkumise.
Kui nad prognoosisid üle, lubasid nad turustajatele rohkem kaste, kui suutsid tarnida, mis tõi kaasa trahve ja kahjustatud suhteid. Kui nad prognoosisid alla, jäi neile ülejääk, millest nad pidid keldripinna vabastamiseks odavmüügiga lahti saama. See "15% kõikumine" – tüüpiline veamäär käsitsi saagikuse prognoosimisel – läks neile maksma peaaegu £40,000 aastas kaotatud tulu ja raisatud logistika näol.
See ei ole ainult "põllumajandusprobleem". Näen seda ka jaekaubanduses, tootmises ja professionaalsetes teenustes. Kui Te ei tea oma suutlikkust, ei saa Te oma väärtust täpselt hinnastada.
1. etapp: täpsusest tuleneva eelise lünga ületamine
Kui alustasime teekonda tehisintellekti juurutamisega väikeettevõttes, olid omanikud skeptilised. Neil ei olnud andmeteadlast. Neil ei olnud isegi tabelit, mida oleks uuendatud sagedamini kui kord kuus.
Kuid neil olid andmed. Neil oli viie aasta saagikoristuspäevikud, kohalik ajalooline ilmastikuinfo ja mulla niiskusnäidud mõnest põhisensorist, mille nad olid aastaid tagasi paigaldanud, kuid mida polnud kunagi süvitsi uurinud.
Me ei ehitanud kohandatud närvivõrku. Kasutasime valmis ennustava analüütika tööriistu, mis võtavad sisse ajaloolisi andmeid ja seostavad neid väliste muutujatega. Veinimõisa puhul on nendeks muutujateks soojussummapäevad, sademete mustrid ja õhuniiskuse tase õitsemise ajal.
Kihistades nende ajaloolised saagikuse andmed kümne aasta ülikohalike ilmastikumustrite peale, tuvastas tehisintellekt seose, mida omanikud polnud kunagi märganud: konkreetne 48-tunnine temperatuuri langus mai lõpus oli peamine põhjus, miks viinamarjakobarate arv vähenes kolm kuud hiljem 10%.
2. etapp: tagantjärele tarkuselt ettenägelikkusele liikumine
Mineviku sündmuste põhjuste väljaselgitamine on huvitav; tuleviku ennustamine on aga kasumlik. Siinkohal hakkabki sääst põllumajanduses end tõeliselt ilmutama.
Juuniks ennustas tehisintellekti mudel septembrikuist saaki 94% täpsusega. Esimest korda kolmekümne aasta jooksul teadsid omanikud täpselt, kui palju pudeleid nad toodavad, enne kui esimene viinamari üldse korjati.
See tõi kaasa selle, mida ma nimetan kindlustunde preemiaks (Certainty Premium). Kui suudate turustajale garanteerida täpselt 12,500 kasti – mitte "kusagil kümne ja viieteistkümne tuhande vahel" –, eemaldate nende riski. Ja äris maksab hinda see, kes kannab riski. Eemaldades turustaja riski, suutis Valley Estates läbi rääkida 12% tõusu ühikuhinnas.
Teise järgu mõjud: kindlustus ja tarneahel
Kasu ei piirdunud vaid veinikeldri uksega. Kui meil oli olemas ennustatav saagikuse mudel, viisime need andmed nende kindlustusandjatele.
Enamik põllumajanduskindlustusi hinnastatakse laia piirkondliku riski põhjal. Tõestades, et neil on andmepõhine lähenemine põllukultuuride tervise jälgimisele ja ennustamisele, suutsid nad läbi rääkida madalamad ettevõtte kindlustuse maksed. Nad ei olnud enam lihtsalt üks "riskialdis" talu; nad olid juhitud riskiga ettevõte.
Lisaks kasutasid nad neid prognoose oma tarneahela optimeerimiseks. Nad lõpetasid klaaspudelite ja korkide igaks juhuks ületellimise ning läksid üle säästlikule "just-in-time" laomudelile. See samm üksi vabastas £12,000 rahavoogu, mis oli varem seisnud laos tühja klaasina.
Raamistik: ettenägelikkusest marginaalini
Kui mõtlete, kuidas seda oma ettevõttes rakendada, kasutage seda kolmeastmelist mõttemudelit, mille töötasin välja oma tellijatele:
- Kaardistage "nähtamatud andmed": Millised on välised tegurid, mis mõjutavad Teie tulemust? (Ilm, tarneviivitused, otsingutrendid, intressimäärad).
- Kvantifitseerige "oletamise maks": Kui palju läheb Teile maksma see, kui eksite oma suutlikkuse või nõudluse osas 15%?
- Rakendage ennustuskiht: Kasutage tehisintellekti, et seostada oma ajalugu nende väliste teguritega.
Miks enamik väikeettevõtteid ebaõnnestub
Põhjus, miks enamik tehisintellekti juurutamise projekte väikeettevõtetes ebaõnnestub, ei ole tehnoloogia puudus, vaid protsessi puudus. Inimesed ostavad tööriista enne, kui nad probleemist aru saavad.
Valley Estates ei alustanud mõttega "kasutame tehisintellekti". Nad alustasid sellest, et "meil on kõrini sellest, et turustajad meid survestavad, kuna me ei tea oma numbreid". Tehisintellekt oli vaid hoob.
Olen seda ikka ja jälle näinud. Ettevõtted, mis võidavad tehisintellektiga, on need, mis on ausad selles osas, kus nad praegu oletavad. Kui Te tegutsete oma peamiste äritegurite osas ikka veel "kõhutunde" põhjal, jätate suure osa eelisest lauale.
Penny perspektiiv
Olen töötanud tuhandete ettevõtetega ja võin Teile öelda, et "täpsusest tulenev eelise lünk" on sulgumas nende jaoks, kes tegutsevad esimesena. Kahe aasta pärast ei ole ennustatav saagikus veinitööstuses enam konkurentsieelis – see on sisenemisbarjäär. Turustajad hakkavad seda nõudma.
Kui ootate "täiuslikku" aega tehisintellektile üleminekuks, valite sisuliselt "hilineja maksu" maksmise tulevikus. Täna kogutavad andmed on kütus prognoosidele, mida vajate homme.
Ärge oodake saagikoristuseni, et teada saada, kuidas läks. Alustage prognoosi koostamist kohe.
Kas soovite näha, kus täpselt Teie ettevõte oletuste tõttu raha kaotab? Minge aadressile aiaccelerating.com ja teeme täieliku tegevushinnangu.