Pek çok küçük işletme sahibi yapay zekaya baktığında, onu Silikon Vadisi geliştiricileri veya yüksek frekanslı tüccarlar için bir araç olarak görür. Onu çamurlu bir tarlaya veya rüzgar alan bir ahıra ait bir şey olarak görmezler. Ancak son zamanlarda gördüğüm en başarılı küçük işletme yapay zeka uygulaması hikayeleri teknoloji merkezlerinde değil, tarım gibi geleneksel sektörlerde gerçekleşiyor. Özellikle, hasatları hakkında tahmin yürütmeyi bırakan ve distribütörlere şartlarını dikte etmek için verileri kullanmaya başlayan küçük bir üzüm bağından bahsetmek istiyorum.
Yüzlerce işletmeyle çalıştım ve Hassas Kaldıraç Boşluğu adını verdiğim yinelenen bir model fark ettim. Bu, 'en iyi tahminlerle' hareket eden bir işletme ile tahmine dayalı kesinlikle hareket eden bir işletme arasındaki devasa pazarlık gücü farkıdır. Şarap dünyasında bu boşluk, fiyatı kabul eden taraf olmakla fiyatı belirleyen taraf olmak arasındaki farktır.
%15'lik Dalgalanma: Hatalı Olmanın Maliyeti
💡 Penny'nin işinizi analiz etmesini ister misiniz? Yapay zekanın hangi rollerin yerini alabileceğini haritalıyor ve aşamalı bir plan oluşturuyor. Ücretsiz denemenizi başlatın →
Yıllarca, 'Valley Estates' (yakın zamanda danışmanlık verdiğim aile işletmesi bir üzüm bağı), hasat kaygısı döngüsü içinde faaliyet gösterdi. Her yıl asmalara bakar, yerel hava durumunu kontrol eder ve verimleri hakkında tahmini bir çıkarımda bulunurlardı.
Eğer kapasitelerini olduğundan fazla tahmin ederlerse, distribütörlere teslim edebileceklerinden daha fazla kasa sözü veriyorlardı; bu da cezalara ve zedelenmiş ilişkilere yol açıyordu. Eğer olduğundan az tahmin ederlerse, mahzeni boşaltmak için ellerindeki fazlalığı maliyetine elden çıkarmak zorunda kalıyorlardı. Manuel verim tahminindeki tipik hata payı olan bu '%15'lik dalgalanma', onlara kayıp gelir ve boşa giden lojistik maliyetleri olarak yılda yaklaşık £40,000'a mal oluyordu.
Bu sadece bir 'tarım sorunu' değil. Bunu perakende, imalat ve profesyonel hizmetlerde de görüyorum. Kapasitenizi bilmediğinizde, değerinizi doğru şekilde fiyatlandıramazsınız.
1. Aşama: Hassas Kaldıraç Boşluğunu Kapatmak
Küçük işletme yapay zeka uygulaması yolculuğuna başladığımızda, sahipleri şüpheciydi. Bir veri bilimcileri yoktu. Hatta ayda bir kereden fazla güncellenen bir e-tabloları bile yoktu.
Ancak verileri vardı. Beş yıllık hasat kayıtları, yerel hava durumu geçmişi ve yıllar önce kurdukları ancak hiç bakmadıkları birkaç temel sensörden gelen toprak nemi okumaları mevcuttu.
Özel bir sinir ağı inşa etmedik. Geçmiş verileri alan ve bunları dış değişkenlerle ilişkilendiren hazır tahmine dayalı analitik araçları kullandık. Bir üzüm bağı için bu değişkenler; büyüme derecesi-gün sayısı, yağış modelleri ve çiçeklenme aşamasındaki nem seviyeleridir.
Geçmiş verim verilerini on yıllık hiper-yerel hava durumu kalıplarıyla eşleştiren yapay zeka, sahiplerinin hiç fark etmediği bir korelasyon tespit etti: Mayıs sonundaki 48 saatlik belirli bir sıcaklık düşüşü, üç ay sonraki üzüm salkımlarında %10'luk bir düşüşün birincil itici gücüydü.
2. Aşama: Geriye Dönük Bakıştan Öngörüye Geçiş
Geçmişte olayların neden olduğunu belirlemek ilginçtir; gelecekte ne olacağını tahmin etmek ise karlıdır. tarımda tasarruf imkanlarının gerçekten ortaya çıkmaya başladığı yer burasıdır.
Haziran ayına gelindiğinde, yapay zeka modeli Eylül hasadını %94 doğrulukla tahmin ediyordu. Otuz yıldır ilk kez, sahipleri daha ilk üzüm toplanmadan önce tam olarak kaç şişe üreteceklerini biliyorlardı.
Bu, Kesinlik Primi adını verdiğim duruma yol açtı. Bir distribütöre 'on ila on beş bin arası bir yerde' değil de tam olarak 12.500 kasa garanti edebildiğinizde, onların riskini ortadan kaldırmış olursunuz. Ve iş dünyasında, riski kim üstlenirse bedeli o öder. Valley Estates, distribütörün riskini ortadan kaldırarak birim fiyatlarında %12'lik bir artış için pazarlık yapabildi.
İkincil Etkiler: Sigorta ve Tedarik Zinciri
Faydalar mahzen kapısında durmadı. Tahmin edilebilir bir verim modelimiz olduğunda, bu verileri sigortacılarına götürdük.
Çoğu tarım sigortası geniş bölgesel risk üzerinden fiyatlandırılır. Mahsul sağlığını izleme ve tahmin etme konusunda veri odaklı bir yaklaşıma sahip olduklarını kanıtlayarak, daha düşük işletme sigortası primleri için pazarlık yapabildiler. Onlar artık sadece 'risk altındaki' bir çiftlik değil, yönetilen risk içeren bir işletmeydi.
Dahası, bu tahminleri tedarik zinciri süreçlerini optimize etmek için kullandılar. 'Ne olur ne olmaz' diyerek aşırı cam şişe ve mantar siparişi vermeyi bıraktılar ve yalın, tam zamanında (just-in-time) envanter modeline geçtiler. Bu hamle tek başına, daha önce depoda boş cam olarak bekleyen £12,000'lık nakit akışını serbest bıraktı.
Çerçeve: Öngörüden Kar Marjına Döngüsü
Bunu kendi işletmenize nasıl uygulayacağınızı merak ediyorsanız, abonelerim için geliştirdiğim bu üç adımlı zihinsel modeli kullanın:
- 'Görünmez Verilerin' Envanterini Çıkarın: Çıktınızı etkileyen dış faktörler nelerdir? (Hava durumu, nakliye gecikmeleri, arama trendleri, faiz oranları).
- Tahmin Vergisini Hesaplayın: Kapasiteniz veya talebiniz konusunda %15 hatalı olduğunuzda bu size ne kadara mal oluyor?
- Tahmin Katmanını Devreye Alın: Geçmişinizi bu dış faktörlerle ilişkilendirmek için yapay zekayı kullanın.
Çoğu Küçük İşletme Neden Bu Konuda Başarısız Olur?
Çoğu küçük işletme yapay zeka uygulaması projesinin başarısız olmasının nedeni teknoloji eksikliği değil, süreç eksikliğidir. İnsanlar sorunu anlamadan önce aracı satın alırlar.
Valley Estates işe 'hadi yapay zeka kullanalım' diyerek başlamadı. İşe 'kendi rakamlarımızı bilmediğimiz için distribütörler tarafından zorbalığa uğramaktan bıktık' diyerek başladılar. Yapay zeka sadece bir kaldıraçtı.
Bunu defalarca gördüm. Yapay zeka ile kazanan işletmeler, nerede tahmin yürüttükleri konusunda dürüst olanlardır. Temel iş itici güçleriniz için hala 'sezgilerinizle' hareket ediyorsanız, masada muazzam bir kaldıraç gücü bırakıyorsunuz demektir.
Penny Perspektifi
Binlerce işletmeyle çalıştım ve size şunu söyleyebilirim ki 'Hassas Kaldıraç Boşluğu', ilk harekete geçenler için kapanıyor. İki yıl içinde, tahmine dayalı verim şarap endüstrisinde rekabetçi bir avantaj olmayacak; bir giriş ücreti olacak. Distribütörler bunu talep edecek.
Yapay zeka geçişinize başlamak için 'mükemmel' zamanı bekliyorsanız, aslında daha sonra bir 'geç kalanlar vergisi' ödemeyi seçiyorsunuz demektir. Bugün topladığınız veriler, yarın ihtiyaç duyacağınız tahminlerin yakıtıdır.
Nasıl bir sonuç aldığınızı görmek için hasadı beklemeyin. Tahminleri şimdiden oluşturmaya başlayın.
İşletmenizin tahminler nedeniyle tam olarak nereden nakit sızdırdığını görmek ister misiniz? aiaccelerating.com adresine gidin ve tam bir operasyonel değerlendirme yapalım.