استارتاپ هوش مصنوعی CVector یک مغز و سیستم عصبی برای صنایع بزرگ ساخته است. اکنون بنیانگذاران آن، ریچارد ژانگ و تایلر راگلز، با چالش بزرگتری روبهرو هستند: اینکه به مشتریان و سرمایهگذاران نشان دهند این لایه نرمافزاری مبتنی بر هوش مصنوعی چگونه میتواند در مقیاس صنعتی به صرفهجویی واقعی منجر شود.
این استارتاپ مستقر در نیویورک ، به موفقیتهایی رسیده است. سیستم آن ها هم اکنون در اختیار مشتریان واقعی قرار دارد؛ از جمله شرکتهای پس از جذب سرمایه گذاری اولیه، خدمات عمومی، کارخانههای تولید پیشرفته و تولیدکنندگان مواد شیمیایی. این تجربهها به بنیانگذاران کمک کرده تا نمونههای ملموستری از مشکلاتی که محصولشان می توان حل کند و میزان پولی که میتوانند برای مشتریان صنعتی خود صرفهجویی کنند، ارائه دهند.
ژانگ میگوید یکی از نکات اصلی که در داده های خود مشاهده میکنند، این است که مشتریان ابزار مناسبی ندارند تا بفهمند یک اقدام کوچک، مثل باز و بسته کردن یک شیر، واقعاً برایشان صرفهجویی مالی ایجاد کرده یا نه؟
برای یک صاحبخانه که باید قبضهایش را پرداخت کند، شاید کمی نگرانکننده باشد که یک شیر آب ساده بتواند چنین تأثیری بر هزینههای یک شرکت و مشتریانش داشته باشد. اما همین مثالها به CVector کمک کرد تا به نقطه عطف جدیدی برسد. آن ها هم اکنون سرمایه گذاری ۵ میلیون دلاری را نیز نهایی کرده اند.
ژانگ در یک گفتوگو توضیح داد که لذتبخشترین بخش شش تا هشت ماه گذشته برای او رفتن به قلب صنعتی آمریکا بوده؛ به مکانهایی که وسط ناکجا آباد قرار دارند اما کارخانههای عظیم تولیدی در آنها فعالیت میکنند؛ کارخانههایی که یا در حال بازآفرینی خود هستند و شیوه تصمیمگیریشان را کاملاً دگرگون میکنند.
یکی از این مشتریان، شرکت تولید فلزات و آلیاژ های ATEK Metal Technologies در ایالت آیووا است؛ شرکتی که قطعات آلومینیومی برای موتورسیکلتهای هارلیدیویدسون تولید میکند. CVector در این شرکت کارهایی مانند شناسایی مشکلات احتمالی که ممکن است باعث توقف تجهیزات شوند، پایش بهرهوری انرژی کل کارخانه و رصد قیمت کالاهای اساسی که بر هزینه مواد اولیه اثر میگذارند انجام میدهد.
ژانگ گفت این شرکت نمونه بسیار خوبی است، چون نیروی کار آن مهارت بالایی دارد. آن ها برای اینکه بتوانند کسبوکار را متحول کنند به هر کمکی از سمت ما (شرکت CVector)، از سمت نرمافزار و از سمت فناوری نیاز دارند تا بتوانند رشد خود را ادامه دهند.
شاید پیدا کردن راههای بهینهسازی در کارخانههای قدیمی، واضحترین مسیر برای شرکتی مثل CVector به نظر برسد. اما این شرکت استارتاپهایی را هم بهعنوان مشتری جذب کرده است؛ از جمله Ammobia، یک استارتاپ علوم مواد مستقر در سانفرانسیسکو که تلاش میکند هزینه تولید آمونیاک را کاهش دهد. با این حال، ژانگ میگوید کاری که CVector برای Ammobia انجام میدهد به شکل شگفتانگیزی شبیه همان کاری است که برای ATEK انجام میدهد.
CVector خودش هم در حال رشد است. تعداد کارکنان شرکت به ۱۲ نفر رسیده و اولین دفتر فیزیکی خود را در منطقه مالی منهتن راهاندازی کرده است. ژانگ میگوید توانسته نیروهایی از حوزه فینتک و مالی، بهویژه از صندوقهای پوشش ریسک (هِجفاندها)، جذب کند. او توضیح میدهد که این حوزه برای جذب نیرو بسیار مناسب است، چون افرادی که در صنعت هِجفاند کار میکنند از قبل هم روی استفاده از داده برای ایجاد مزیت در حوزه مالی تمرکز دارند.
ژانگ توضیح داد که اصل پیام فروش آنها هم همین است؛ چیزی که خودشان آن را «اقتصاد عملیاتی» مینامند. او گفت این فناوری میان عملیات کارخانه و اقتصاد واقعی آن قرار میگیرد؛ یعنی همان جایی که حاشیه سود ایجاد می شود و اینکه یک مجموعه دقیقاً چقدر پول درمیآورد.
با این حال، ژانگ همچنان شرکتهای خدماتی را یکی از بهترین حوزهها برای بهکارگیری فناوری CVector میداند؛ همان جایی که مثال شیر آب از آن آمده بود. او میگوید حتی این نوع مشتریان هم حالا در صحبت درباره نوع کاری که CVector انجام میدهد، بسیار آگاهتر و مسلطتر شدهاند.
او توضیح داد که تقریباً یک سال پیش، زمانی که شرکت را تازه راهاندازی کرده بودند، صحبت درباره هوش مصنوعی هنوز نوعی تابو بود. به گفته او، آن زمان احتمال اینکه مشتری از هوش مصنوعی استقبال کند یا کاملاً یک محصول را نادیده بگیرد، پنجاه پنجاه بود. اما اکنون، بهویژه در ماه های اخیر، همه به دنبال راهحلهایی هستند که از ابتدا بر پایه هوش مصنوعی ساخته شده باشند، حتی در مواردی که محاسبه بازگشت سرمایه هنوز کاملاً روشن نیست. او گفت این موج پذیرش واقعاً جدی است.
راگلز نیز گفت دلیل اصلی این استقبال این است که کاری که CVector انجام میدهد در نهایت به یک چیز ختم میشود: پول. با توجه به شرایط پرابهام امروز جهان، مدیریت هزینهها سختتر از همیشه شده است.
او توضیح داد که اکنون شرکتها بهشدت نگران زنجیره تأمین، هزینهها و نوسانات آن هستند. و اینکه بتوان روی این ساختار، یک لایه هوش مصنوعی اضافه کرد تا مدل اقتصادی یک مجموعه را شفافتر کند، برای بسیاری از مشتریان جذاب بوده است؛ چه آن مشتریان کارخانههای قدیمی در قلب صنعتی کشور باشند، چه تولیدکنندگان انرژیهای نو که در تلاشاند کارهای تازه و نوآورانه انجام دهند.
