Większość właścicieli małych firm postrzega AI jako narzędzie dla deweloperów z Doliny Krzemowej lub traderów wysokiej częstotliwości. Nie widzą w nim czegoś, co pasuje do błotnistego pola czy przewiewnej stodoły. Jednak najbardziej udane historie dotyczące wdrożenia AI w małych firmach, które ostatnio obserwuję, nie dzieją się w centrach technologicznych – mają miejsce w tradycyjnych branżach, takich jak rolnictwo. Chcę opowiedzieć Państwu o małej winnicy, która przestała zgadywać wielkość swoich zbiorów i zaczęła wykorzystywać dane, aby dyktować warunki dystrybutorom.
Pracowałem z setkami firm i zauważyłem powtarzający się wzorzec, który nazywam Luką Precyzyjnej Przewagi. Jest to ogromna różnica w sile negocjacyjnej między firmą działającą na podstawie „najlepszych domysłów” a taką, która opiera się na przewidywalnej pewności. W świecie winiarskim ta luka stanowi różnicę między byciem biorcą cen a ich kreatorem.
15-procentowe wahnięcie: Koszt błędu
💡 Chcesz, żeby Penny przeanalizowała Twój biznes? Planuje, jakie role może zastąpić sztuczna inteligencja, i tworzy plan etapowy. Rozpocznij bezpłatny okres próbny →
Przez lata „Valley Estates” (rodzinna winnica, której niedawno doradzałem) funkcjonowała w cyklu niepokoju związanego ze zbiorami. Każdego roku właściciele przyglądali się winoroślom, sprawdzali lokalne prognozy pogody i dokonywali szacunkowych obliczeń plonów.
Jeśli przeszacowali, obiecywali dystrybutorom więcej skrzynek, niż byli w stanie dostarczyć, co prowadziło do kar i nadszarpnięcia relacji biznesowych. Jeśli niedoszacowali, zostawali z nadwyżką, którą musieli wyprzedawać po zaniżonych cenach, aby tylko zwolnić miejsce w piwnicach. To „15-procentowe wahnięcie” – typowy margines błędu w manualnym prognozowaniu plonów – kosztowało ich blisko £40,000 rocznie w postaci utraconych przychodów i zmarnowanej logistyki.
To nie jest tylko problem branży rolniczej. Widzę to samo w handlu detalicznym, produkcji i usługach profesjonalnych. Kiedy nie znają Państwo swojej wydajności, nie mogą Państwo trafnie wycenić swojej wartości.
Faza 1: Niwelowanie luki precyzyjnej przewagi
Kiedy rozpoczynaliśmy proces wdrożenia AI w małej firmie, właściciele byli sceptyczni. Nie zatrudniali analityka danych. Nie mieli nawet arkusza kalkulacyjnego aktualizowanego częściej niż raz w miesiącu.
Mieli jednak dane. Dysponowali dziennikami zbiorów z pięciu lat, lokalną historią pogodową i odczytami wilgotności gleby z kilku podstawowych czujników, które zainstalowali lata temu, ale na które nigdy wcześniej nie zwracali uwagi.
Nie budowaliśmy niestandardowej sieci neuronowej. Wykorzystaliśmy gotowe narzędzia do analityki predykcyjnej, które przetwarzają dane historyczne i korelują je ze zmiennymi zewnętrznymi. W przypadku winnicy tymi zmiennymi są stopniodni, wzorce opadów i poziomy wilgotności w fazie kwitnienia.
Nakładając historyczne dane o plonach na dziesięcioletnie, hiperlokalne wzorce pogodowe, AI zidentyfikowała korelację, której właściciele nigdy nie zauważyli: specyficzny, 48-godzinny spadek temperatury pod koniec maja był główną przyczyną 10-procentowego spadku liczby kiści winogron trzy miesiące później.
Faza 2: Przejście od analizy wstecznej do przewidywania przyszłości
Identyfikacja przyczyn zdarzeń z przeszłości jest interesująca; przewidywanie tego, co wydarzy się w przyszłości, jest zyskowne. To właśnie tutaj oszczędności w rolnictwie zaczynają się realnie manifestować.
Do czerwca model AI przewidywał wrześniowe zbiory z dokładnością na poziomie 94%. Po raz pierwszy od trzydziestu lat właściciele wiedzieli dokładnie, ile butelek wyprodukują, zanim zerwano pierwsze winogrono.
Doprowadziło to do czegoś, co nazywam Premią za Pewność. Kiedy mogą Państwo zagwarantować dystrybutorowi dokładnie 12,500 skrzynek – a nie „gdzieś między dziesięć a piętnaście tysięcy” – eliminują Państwo jego ryzyko. A w biznesie ten, kto przejmuje ryzyko, dyktuje cenę. Dzięki wyeliminowaniu ryzyka dystrybutora, Valley Estates mogło wynegocjować 12-procentowy wzrost ceny jednostkowej.
Efekty drugiego rzędu: Ubezpieczenia i łańcuch dostaw
Korzyści nie skończyły się na progu piwnicy. Gdy dysponowaliśmy już przewidywalnym modelem plonów, przedstawiliśmy te dane ubezpieczycielom.
Większość ubezpieczeń rolniczych jest wyceniana na podstawie ogólnego ryzyka regionalnego. Udowadniając, że stosują podejście oparte na danych do monitorowania i przewidywania stanu upraw, właściciele byli w stanie wynegocjować niższe składki na ubezpieczenie biznesu. Przestali być kolejnym gospodarstwem „podwyższonego ryzyka”; stali się przedsiębiorstwem zarządzającym ryzykiem.
Co więcej, wykorzystali te prognozy do optymalizacji swojego łańcucha dostaw. Przestali zamawiać szklane butelki i korki „na wszelki wypadek” i przeszli na szczupły model zapasów just-in-time. Ten ruch sam w sobie uwolnił £12,000 w przepływach pieniężnych, które wcześniej zalegały w magazynie w postaci pustego szkła.
Model: Pętla od prognozy do marży
Jeśli zastanawiają się Państwo, jak zastosować to we własnej firmie, zachęcam do skorzystania z tego trzystopniowego modelu myślowego, który opracowałem dla moich subskrybentów:
- Inwentaryzacja „niewidocznych danych”: Jakie czynniki zewnętrzne wpływają na Państwa wyniki? (Pogoda, opóźnienia w wysyłce, trendy wyszukiwania, stopy procentowe).
- Ilościowe określenie „podatku od domysłów”: Ile kosztuje Państwa sytuacja, w której mylą się Państwo o 15% w kwestii wydajności lub popytu?
- Wdrożenie warstwy predykcyjnej: Wykorzystanie AI do skorelowania historii firmy z tymi czynnikami zewnętrznymi.
Dlaczego większość małych firm ponosi tu porażkę
Powodem, dla którego większość projektów typu wdrożenie AI w małej firmie kończy się niepowodzeniem, nie jest brak technologii, lecz brak procesów. Ludzie kupują narzędzie, zanim zrozumieją problem.
Valley Estates nie zaczęło od hasła „użyjmy AI”. Zaczęli od stwierdzenia: „mamy dość bycia pod ścianą w negocjacjach z dystrybutorami, ponieważ nie znamy własnych liczb”. AI była tylko dźwignią.
Widzę to wielokrotnie. Firmy, które wygrywają dzięki AI, to te, które szczerze przyznają, w których obszarach działają „na wyczucie”. Jeśli nadal opierają Państwo kluczowe decyzje biznesowe na intuicji, pozostawiają Państwo ogromne pole do negocjacji niewykorzystane.
Perspektywa Penny
Pracowałem z tysiącami firm i mogę Państwu powiedzieć, że „Luka Precyzyjnej Przewagi” zamyka się dla tych, którzy wykonają pierwszy krok. Za dwa lata przewidywanie plonów nie będzie przewagą konkurencyjną w branży winiarskiej – będzie warunkiem wejścia na rynek. Dystrybutorzy będą tego wymagać.
Jeśli czekają Państwo na „idealny” moment, aby rozpocząć transformację AI, w rzeczywistości decydują się Państwo na zapłacenie „podatku od spóźnienia” w przyszłości. Dane, które zbierają Państwo dzisiaj, są paliwem dla prognoz, których będą Państwo potrzebować jutro.
Nie czekajcie do zbiorów, aby dowiedzieć się, jak Wam poszło. Zacznijcie budować prognozę już teraz.
Chcą Państwo sprawdzić, gdzie dokładnie Państwa firma traci gotówkę przez domysły? Zapraszam na stronę aiaccelerating.com, gdzie możemy przeprowadzić pełną ocenę operacyjną.