จากไร่สู่การพยากรณ์: ไร่องุ่นขนาดเล็กใช้การนำ AI มาปรับใช้เพื่อคาดการณ์ผลผลิตและต่อรองราคาที่ดีกว่าเดิมได้อย่างไร

เจ้าของธุรกิจขนาดเล็กส่วนใหญ่มองว่า AI เป็นเครื่องมือสำหรับนักพัฒนาใน Silicon Valley หรือนักเทรดความถี่สูง พวกเขาไม่ได้มองว่ามันเป็นสิ่งที่ควรอยู่ในทุ่งนาที่เต็มไปด้วยโคลนหรือโรงนาที่ลมโกรก แต่เรื่องราวของ การนำ AI มาปรับใช้ในธุรกิจขนาดเล็ก ที่ประสบความสำเร็จมากที่สุดที่ผมเห็นในช่วงนี้ไม่ได้เกิดขึ้นในศูนย์กลางเทคโนโลยี แต่เกิดขึ้นในอุตสาหกรรมดั้งเดิมอย่างเกษตรกรรม โดยเฉพาะอย่างยิ่ง ผมอยากเล่าให้คุณฟังเกี่ยวกับไร่องุ่นขนาดเล็กแห่งหนึ่งที่เลิกใช้วิธีคาดเดาเกี่ยวกับการเก็บเกี่ยว และเริ่มใช้ข้อมูลในการกำหนดเงื่อนไขกับตัวแทนจำหน่ายแทน

ผมได้ทำงานร่วมกับธุรกิจหลายร้อยแห่ง และสังเกตเห็นรูปแบบที่เกิดขึ้นซ้ำๆ ซึ่งผมเรียกว่า ช่องว่างอำนาจต่อรองที่เกิดจากความแม่นยำ (The Precision Leverage Gap) มันคือความแตกต่างมหาศาลในอำนาจการต่อรองระหว่างธุรกิจที่ดำเนินการบนพื้นฐานของ 'การคาดเดาที่ดีที่สุด' กับธุรกิจที่ดำเนินการบนพื้นฐานของความแน่นอนที่คาดการณ์ได้ ในโลกของไวน์ ช่องว่างนั้นคือความแตกต่างระหว่างการเป็นผู้รับราคา (price-taker) กับการเป็นผู้กำหนดราคา (price-maker)

การแกว่งตัว 15%: ต้นทุนของความผิดพลาด

เป็นเวลาหลายปีที่ 'Valley Estates' (ไร่องุ่นแบบครอบครัวที่ผมเพิ่งให้คำปรึกษา) ดำเนินธุรกิจภายใต้วงจรความกังวลเรื่องการเก็บเกี่ยว ในทุกๆ ปี พวกเขาจะดูเถาองุ่น ตรวจสอบรายงานสภาพอากาศในท้องถิ่น และคาดเดาผลผลิตตามประสบการณ์

หากพวกเขาคาดการณ์สูงเกินไป พวกเขาก็จะรับปากส่งมอบไวน์ให้ตัวแทนจำหน่ายมากกว่าที่ผลิตได้จริง นำไปสู่การเสียค่าปรับและความสัมพันธ์ที่เสียหาย หากคาดการณ์ต่ำเกินไป พวกเขาก็จะเหลือผลผลิตส่วนเกินที่ต้องระบายออกในราคาถูกเพียงเพื่อล้างพื้นที่ในห้องเก็บไวน์ 'การแกว่งตัว 15%' นี้ ซึ่งเป็นอัตราความผิดปกติทั่วไปในการพยากรณ์ผลผลิตด้วยมือ ทำให้พวกเขาเสียรายได้และสูญเสียค่าโลจิสติกส์ไปเกือบ £40,000 ต่อปี

นี่ไม่ใช่แค่ปัญหาในภาคเกษตรกรรมเท่านั้น ผมเห็นสิ่งนี้ในธุรกิจค้าปลีก การผลิต และบริการวิชาชีพเช่นกัน เมื่อคุณไม่ทราบขีดความสามารถที่แน่นอน คุณก็ไม่สามารถตั้งราคาตามมูลค่าของคุณได้อย่างแม่นยำ

ระยะที่ 1: การปิดช่องว่างอำนาจต่อรองที่แม่นยำ

เมื่อเราเริ่มเส้นทาง การนำ AI มาปรับใช้ในธุรกิจขนาดเล็ก เจ้าของธุรกิจยังคงมีความเคลือบแคลงใจ พวกเขาไม่มีนักวิทยาศาสตร์ข้อมูล พวกเขาไม่มีแม้แต่สเปรดชีตที่อัปเดตมากกว่าเดือนละครั้ง

แต่พวกเขา มี ข้อมูล พวกเขามีบันทึกการเก็บเกี่ยวย้อนหลังห้าปี ประวัติสภาพอากาศในท้องถิ่น และค่าความชื้นในดินจากเซ็นเซอร์พื้นฐานบางตัวที่ติดตั้งไว้เมื่อหลายปีก่อนแต่ไม่เคยนำมาดูอย่างจริงจัง

เราไม่ได้สร้างเครือข่ายประสาทเทียม (neural network) ขึ้นมาเอง แต่เราใช้เครื่องมือวิเคราะห์เชิงคาดการณ์ที่มีจำหน่ายทั่วไป ซึ่งนำข้อมูลย้อนหลังมาวิเคราะห์และหาความสัมพันธ์กับตัวแปรภายนอก สำหรับไร่องุ่น ตัวแปรเหล่านั้นคือจำนวนวันที่สะสมอุณหภูมิ (degree-days) รูปแบบการตกของหยาดน้ำฟ้า และระดับความชื้นในช่วงที่ดอกเริ่มบาน

จากการวางข้อมูลผลผลิตย้อนหลังทับซ้อนกับรูปแบบสภาพอากาศในท้องถิ่นตลอดสิบปี AI ได้ระบุความสัมพันธ์ที่เจ้าของไม่เคยสังเกตเห็นมาก่อน นั่นคือ อุณหภูมิที่ลดลงอย่างเฉพาะเจาะจงในช่วงเวลา 48 ชั่วโมงในปลายเดือนพฤษภาคม เป็นตัวขับเคลื่อนหลักที่ทำให้พวงองุ่นลดลง 10% ในอีกสามเดือนต่อมา

ระยะที่ 2: จากการมองย้อนกลับสู่อนาคต

การระบุว่าทำไมสิ่งต่างๆ ถึงเกิดขึ้นในอดีตนั้นน่าสนใจ แต่การพยากรณ์ว่าอะไรจะเกิดขึ้นในอนาคตนั้นสร้างกำไรได้ นี่คือจุดที่ การประหยัดต้นทุนในภาคเกษตรกรรม เริ่มแสดงผลอย่างชัดเจน

ภายในเดือนมิถุนายน โมเดล AI สามารถพยากรณ์การเก็บเกี่ยวในเดือนกันยายนได้แม่นยำถึง 94% เป็นครั้งแรกในรอบสามสิบปีที่เจ้าของรู้แน่ชัดว่าจะผลิตไวน์ได้กี่ขวดก่อนที่จะเก็บองุ่นผลแรกด้วยซ้ำ

สิ่งนี้นำไปสู่สิ่งที่ผมเรียกว่า ค่าพรีเมียมของความแน่นอน (The Certainty Premium) เมื่อคุณสามารถรับประกันกับตัวแทนจำหน่ายได้ว่าจะส่งมอบไวน์ให้ได้ 12,500 เคส ไม่ใช่ 'ประมาณหมื่นถึงหมื่นห้าพันเคส' คุณกำลังขจัดความเสี่ยงของพวกเขาออกไป และในโลกธุรกิจ ใครก็ตามที่แบกรับความเสี่ยงจะเป็นคนจ่ายราคาเสมอ เมื่อกำจัดความเสี่ยงของตัวแทนจำหน่ายได้ Valley Estates จึงสามารถต่อรองราคาต่อหน่วยเพิ่มขึ้นได้ถึง 12%

ผลกระทบระยะที่สอง: ประกันภัยและซัพพลายเชน

ประโยชน์ที่ได้รับไม่ได้หยุดอยู่ที่ประตูห้องเก็บไวน์ เมื่อเรามีโมเดลผลผลิตที่คาดการณ์ได้ เราได้นำข้อมูลนั้นไปเสนอแก่บริษัทประกันภัย

ประกันภัยเกษตรกรรมส่วนใหญ่จะตั้งราคาตามความเสี่ยงในระดับภูมิภาคโดยกว้าง การพิสูจน์ว่าพวกเขามีแนวทางที่ใช้ข้อมูลในการติดตามและพยากรณ์สุขภาพของพืชผล ทำให้พวกเขาสามารถต่อรองเบี้ย ประกันภัยธุรกิจ ให้ต่ำลงได้ พวกเขาไม่ใช่แค่ไร่ที่มีความเสี่ยงอีกต่อไป แต่เป็นองค์กรที่มีการบริหารจัดการความเสี่ยงอย่างเป็นระบบ

นอกจากนี้ พวกเขายังใช้การพยากรณ์เหล่านี้เพื่อเพิ่มประสิทธิภาพให้กับ ซัพพลายเชน ของตน พวกเขาเลิกสั่งขวดแก้วและจุกคอร์กเกินความจำเป็นเพื่อ 'เผื่อไว้ก่อน' และเปลี่ยนไปใช้รูปแบบสินค้าคงคลังแบบลีนที่เน้นความทันเวลาพอดี (just-in-time) การดำเนินการนี้เพียงอย่างเดียวช่วยปลดล็อกกระแสเงินสดได้ถึง £12,000 ที่ก่อนหน้านี้เคยจมอยู่ในโกดังในรูปแบบขวดเปล่า

กรอบการทำงาน: วงจรจากการมองอนาคตสู่กำไร

หากคุณสงสัยว่าจะนำสิ่งนี้ไปปรับใช้กับธุรกิจของคุณเองได้อย่างไร ให้ใช้แบบจำลองทางความคิดสามขั้นตอนที่ผมพัฒนาขึ้นสำหรับสมาชิกของผมดังนี้:

1. สำรวจ 'ข้อมูลที่มองไม่เห็น': ปัจจัยภายนอกใดบ้างที่ส่งผลต่อผลผลิตของคุณ? (สภาพอากาศ, ความล่าช้าในการจัดส่ง, แนวโน้มการค้นหา, อัตราดอกเบี้ย)
2. ประเมินต้นทุนจากการคาดเดา: คุณต้องจ่ายราคาเท่าไหร่เมื่อคุณคาดการณ์ความสามารถหรือความต้องการผิดพลาดไป 15%?
3. วางเลเยอร์การคาดการณ์: ใช้ AI เพื่อหาความสัมพันธ์ระหว่างประวัติของคุณกับปัจจัยภายนอกเหล่านั้น

ทำไมธุรกิจขนาดเล็กส่วนใหญ่จึงล้มเหลวในเรื่องนี้

เหตุผลที่โปรเจกต์ การนำ AI มาปรับใช้ในธุรกิจขนาดเล็ก ส่วนใหญ่ล้มเหลวไม่ใช่เพราะขาดเทคโนโลยี แต่เป็นเพราะขาดกระบวนการ ผู้คนซื้อเครื่องมือก่อนที่จะเข้าใจปัญหา

Valley Estates ไม่ได้เริ่มด้วยคำว่า 'ลองใช้ AI กันเถอะ' พวกเขาเริ่มด้วย 'เราเหนื่อยกับการถูกตัวแทนจำหน่ายข่มขู่เพราะเราไม่รู้ตัวเลขของตัวเอง' AI เป็นเพียงเครื่องทุ่นแรงเท่านั้น

ผมเห็นสิ่งนี้ซ้ำแล้วซ้ำเล่า ธุรกิจที่ชนะด้วย AI คือธุรกิจที่ซื่อสัตย์ว่าพวกเขากำลังใช้การคาดเดาอยู่ที่จุดไหน หากคุณยังดำเนินธุรกิจหลักด้วย 'ความรู้สึก' คุณกำลังทิ้งอำนาจต่อรองมหาศาลไว้บนโต๊ะ

มุมมองจาก Penny

ผมทำงานร่วมกับธุรกิจหลายพันแห่ง และบอกคุณได้เลยว่า 'ช่องว่างอำนาจต่อรองที่แม่นยำ' กำลังลดลงสำหรับผู้ที่เริ่มลงมือก่อน ในอีกสองปีข้างหน้า การพยากรณ์ผลผลิตจะไม่ใช่ความได้เปรียบทางการแข่งขันในอุตสาหกรรมไวน์อีกต่อไป แต่มันจะเป็นกฎเกณฑ์พื้นฐานในการเข้าสู่ตลาด ตัวแทนจำหน่ายจะเป็นฝ่ายเรียกร้องสิ่งนี้เอง

หากคุณกำลังรอเวลาที่ 'สมบูรณ์แบบ' ในการเริ่มเปลี่ยนผ่านสู่ AI เท่ากับคุณกำลังเลือกที่จะจ่าย 'ภาษีผู้มาสาย' ในภายหลัง ข้อมูลที่คุณรวบรวมในวันนี้คือน้ำมันสำหรับการพยากรณ์ที่คุณต้องการในวันพรุ่งนี้

อย่ารอจนถึงฤดูเก็บเกี่ยวเพื่อดูว่าผลลัพธ์เป็นอย่างไร เริ่มสร้างการพยากรณ์ตั้งแต่วันนี้

ต้องการทราบว่าธุรกิจของคุณกำลังทำเงินรั่วไหลจากการคาดเดาที่จุดไหนบ้าง? ไปที่ aiaccelerating.com และมาทำการประเมินการดำเนินงานอย่างเต็มรูปแบบกัน