Cómo una empresa de 16 años está aliviar a las pequeñas empresas en AI

En medio de todo el «¿Es esto una burbuja?» Hable sobre la inteligencia artificial, la cadena de suministro y las industrias de logística se han convertido en calas de reproducción para usos aparentemente genuinos de la tecnología. Flexport, Uber Freight y docenas de nuevas empresas están desarrollando diferentes aplicaciones y ganadores de clientes de chip azules.

Pero aunque la IA ayuda a Fortune 500s a enfrentar sus resultados (y justificar el próximo despido a Wall Street), el uso correcto de la tecnología está resultando útil para las empresas más pequeñas.

Netstock, una compañía de software de gestión de inventario fundada en 2009, está trabajando en eso. Recientemente lanzó una herramienta generativa de IA llamada «Motor de oportunidad» que se encuentra en su tablero de clientes existente. La herramienta extrae información del software de planificación de recursos empresariales de un cliente y utiliza esa información para hacer recomendaciones regulares en tiempo real.

Netstock afirma que la herramienta está ahorrando a esos negocios miles. El jueves, la compañía anunció que ha cumplido un millón de recomendaciones hasta la fecha, y que el 75% de sus clientes han recibido una sugerencia de motor de oportunidad valorada en $ 50,000 o más.

Mientras se tentó, uno de esos clientes, Bargreen Ellingson, una compañía de suministro de restaurantes familiares de 65 años, inicialmente estaba preocupado por usar un producto de inteligencia artificial.

«Las viejas compañías familiares no confían en el cambio a ciegas», dijo el director de innovación Jacob Moody a TechCrunch. «No podría haber entrado en nuestro almacén y dijo: ‘Oye, esta caja negra comenzará a administrarse'».

En su lugar, la IA de Netstock lanzada de Moody internamente como una herramienta que los gerentes de almacén podrían «elegir usar o no usar», un proceso que describe como «sumergiéndose ansiosamente pero con cautela los dedos de los pies» a la IA.

Moody dice que está ayudando a evitar errores, en parte porque está examinando innumerables informes que su personal usa para tomar decisiones de inventario. Reconoció que los resúmenes de IA de esta información no son 100% precisos, pero dijo que «ayuda a crear señales del ruido» rápidamente, especialmente durante las horas fuera de horario.

El cambio «más profundo» de Moody’s Nothed es que el software fabricó a algunos del personal de almacén menos senior de Bargreen Ellingson «más efectivo».

Destacó a un empleado en uno de los 25 almacenes de Bargreen que trabajó allí durante dos años. El empleado tiene un diploma de escuela secundaria pero no tiene título universitario. Capacitar a este empleado para comprender todas las herramientas de gestión de inventario y la información de pronóstico que Bargreen usa para planificar los niveles de inventario llevará tiempo, dijo.

«Pero él conoce a nuestros clientes, él sabe lo que está poniendo en el camión todos los días, por lo que para él, puede mirar el sistema y tener esta visión impulsada por la IA prosaica y comprender rápidamente si tiene sentido o no tiene sentido», dijo. «Entonces se siente empoderado».

El cofundador de Netstock, Kukkuk, le dijo a TechCrunch que entiende la vacilación en torno a las nuevas tecnologías, especialmente porque muchos productos son esencialmente chatbots mediocres conectados al software existente.

Él atribuye el éxito temprano del motor de oportunidad de Netstock a algunas cosas. La compañía tiene más de una década de datos de trabajar con minoristas, distribuidores y fabricantes de luz. Esos datos están estrechamente protegidos para adherirse a los marcos ISO, pero es lo que impulsa los modelos los que hacen las recomendaciones. (Dijo que Netstock está utilizando una combinación de tecnología de IA de la comunidad de código abierto y las empresas privadas).

Cada recomendación se puede clasificar con un pulgar hacia arriba o pulgares hacia abajo, pero los modelos también se ven reforzados por si el cliente toma la acción sugerida o no.

Si bien ese tipo de aprendizaje de refuerzo puede conducir a resultados extraños y a veces dañinos cuando se aplica a cosas como las redes sociales, Kukkuk dijo que está persiguiendo diferentes incentivos.

«Realmente no me importan los globos oculares, ¿sabes?» dijo. «Facebook e Instagram se preocupan por los globos oculares, por lo que quieren que mire sus cosas. Nos importa: ‘¿Cuál es el resultado para el cliente?»

Kukkuk desconfía de expandir esas interacciones debido a las limitaciones de la tecnología de IA generativa actual. Si bien podría tener sentido que un cliente converse con la IA de Netstock sobre por qué una recomendación es o no es útil, Kukkuk dijo que eso podría conducir a un colapso en la precisión.

«Es una cuerda floja caminar, porque cuanta más libertad le das a los usuarios, más libertad darás un modelo de idioma grande para comenzar a alucinar cosas», dijo.

Esto explica la colocación de la oportunidad del motor en el típico tablero de clientes del cliente de Netstock. Las sugerencias son prominentes, pero fácilmente descartadas. Google Docs abarrotando 20 AI presenta la garganta de un usuario, esto no lo es.

Moody dijo que apreciaba que la IA no sea de cara.

«No estamos dejando que el motor de IA tome las decisiones de inventario que un humano no ha mirado, proyectado y dijo: ‘Sí, estoy de acuerdo con eso'», dijo. «Si alguna vez llegamos a un punto en el que están de acuerdo con el 90% de las cosas que sugiere, tal vez daremos el siguiente paso y diremos ‘te daremos el control ahora’. Pero todavía no estamos allí «.

Es un comienzo prometedor en un momento en que muchos despliegues empresariales de IA generativa parecen no ir a ninguna parte.

Pero si la tecnología mejora, Moody dijo que, sin embargo, está preocupado por las implicaciones.

«Personalmente, tengo miedo de lo que esto significa. Creo que habrá mucho cambio, y ninguno de nosotros está realmente seguro de cómo se verá en Bargreen», dijo. Podría llevar a haber menos expertos en ciencias de datos en el personal, sugirió. Pero incluso si eso significa sacar a esos empleados del almacén y a la oficina corporativa, dijo que preservar el conocimiento es importante.

Bargreen necesita personas que «entiendan profundamente la teoría y la filosofía y puedan racionalizar cómo y por qué Netstock está haciendo ciertas recomendaciones», y para «asegurarse de que no estamos bajando a ciegas», dijo.