استارتاپ زنجیره تأمین Atomic سال گذشته از حالت مخفی خارج شد با بنیان‌گذارانی که وعده دادند از تجربه خود در تسلا برای ساده‌سازی موجودی و افزایش سود مشتریان استفاده کنند.
در هسته خود، Atomic تعیین می‌کند که یک شرکت باید چه مقدار موجودی داشته باشد و کجا، با شبیه‌سازی سناریوها، سپس توصیه کرده یا حتی به طور خودکار یک پاسخ را انتخاب می‌کند. این رویکرد به یک بحران برمی‌گردد. بنیان‌گذاران Atomic نسخه‌ای اولیه از این سیستم را در تسلا در زمان افزایش تولید مدل ۳ در سال ۲۰۱۸ توسعه دادند، زمانی که صفحات گسترده خود خودروساز نمی‌توانستند با سرعت تغییرات برنامه‌ریزی همخوانی داشته باشند.
اما در بیش از یک سال گذشته که بنیان‌گذاران مشترک Atomic، مایکل راسیتیر و نیل سویدان، به‌طور علنی درباره کار خود صحبت کرده‌اند، این تغییر برای مشتریان واقعی — از جمله شرکت‌های بزرگ فناوری مانند DoorDash و HelloFresh — به واقعیت تبدیل شده است. این تغییر از نظر مالی نیز نتیجه داده است. درآمد سالانه تکراری Atomic از ابتدای سال جاری پنج برابر شده است، به گفته جان مک نیل، رئیس سابق تسلا و بنیان‌گذار DVx Ventures، جایی که Atomic در آن راه‌اندازی شد.
این رشد به Atomic مستقر در بoston کمک کرده است تا یک دور سرمایه‌گذاری سری A به مبلغ ۱۲.۵ میلیون دلار را جذب کند و مجموع تأمین مالی خود را به بیش از ۱۵ میلیون دلار تا به امروز برساند. این دور جدید توسط شرکت سرمایه‌گذاری رشد Klass Capital و گروه سرمایه‌گذاری Madrona Venture مستقر در سیاتل هدایت شد. Atomic همچنین جف گودریچ، مدیر برنامه‌ریزی سابق تسلا را به عنوان CTO و سومین بنیان‌گذار خود به تیم اضافه کرده است.
«اگر به اداره یک زنجیره تأمین فکر کنید، اداره یک مدل عملیاتی درست مثل جستجوی نامحدود برای بهینه‌سازی است که شما در حال تلاش برای فهمیدن تمام تصمیماتی هستید که می‌توانید در هر زمان خاص اتخاذ کنید — و این هم دائماً تغییر می‌کند،» راسیتیر، که مدیرعامل Atomic است، در یک مصاحبه اختصاصی با TechCrunch گفت. «هوش مصنوعی می‌تواند نقش یافتن بهترین مسیرها در این جنگل را ایفا کند.»
«این شرکت از مشتریان آزمایشی به مشتریان واقعی منتقل شده است، و به مشتریان واقعی، منظور ما مشتریان در مقیاس DoorDash است،» مک نیل، که همچنین عضو هیئت مدیره Atomic است، در یک مصاحبه گفت. «محصول از یک پلتفرم بهینه‌سازی که توصیه‌هایی ارائه می‌دهد به یک پلتفرم تبدیل شده است که نه تنها توصیه‌هایی ارائه می‌دهد بلکه تصمیم‌گیری نیز می‌کند، بنابراین در این حالت کاملاً خودمختار است، و بنابراین DoorDash تقریباً ۹۰٪ خریدهای خود را در سطح صدها سایت اجرا می‌کند.»
برای مشتریان غذایی مانند DoorDash، به عنوان مثال، نرم‌افزار Atomic به کاهش هدررفت و فساد کمک می‌کند. و هر صنعتی که Atomic در آن فعالیت می‌کند چالش‌های متفاوتی را ارائه می‌دهد، راسیتیر گفت.
«چیز جالب درباره Atomic این است که این یک مدل عمومی است از اینکه چگونه به زنجیره‌های تأمین و مدل‌های عملیاتی فکر کنید، و بنابراین فارغ از اینکه آن سیستم چه شکلی دارد، هوش مصنوعی ما می‌تواند به آن سازگار شود و آن را به‌طور خاص تطبیق دهد،» او گفت. «ما با CPG [کالاهای مصرفی بسته‌بندی‌شده] کار می‌کنیم، در حال حاضر با مشتریان حوزه حمل‌ونقل و تولید نیز به عمق می‌رویم، و در حال حاضر در آن فضا کار می‌کنیم، که به نوعی به ریشه‌های تسلای خود برمی‌گردد.»
کارآمد و سازگار کردن نرم‌افزار ایجنتیک برای صنایع متعدد جزء بزرگی از عواملی بود که توجه سرمایه‌گذاران را برای سری A جلب کرد، راسیتیر گفت. اما همچنین توانایی Atomic برای پیاده‌سازی سریع با مشتریان جدید نیز مورد توجه بود.
«ما این چالش را از سطح هیئت‌مدیره به آن‌ها داده‌ایم که زمان آموزش آن‌ها را فشرده کنیم و واقعاً برای مشتریان این مسئله را به یک غیرحادثه تبدیل کنیم تا این را روشن کنند،» مک نیل گفت. سویدان، که همچنین مدیر محصول Atomic است، در این چالش نقش رهبری را بر عهده داشت، به گفته مک نیل. او توانست هوش مصنوعی ایجنتیک Atomic را به جایی برساند که بتواند «قوانین تصمیم‌گیری» که ممکن بود کارکنان مشتری داشته باشند را تشخیص دهد، حتی اگر آن‌ها در هیچ‌جا نوشته نشده باشند.
«سپس مشتریان می‌گفتند، ‘خوب، پس شما می‌توانید تصمیم بگیرید و زمان من را آزاد کنید،’» مک نیل گفت. «و جایی که مدیران، فکر می‌کنم، متوجه آن شدند این بود که — سرعت تصمیم‌گیری در هر کسب‌وکاری یک مزیت است. و این یکی از اصول اولیه ما در تسلا بود. وقتی که با ایلان آشنا شدم، او گفت که آنچه ما را از همه رقبای‌مان جدا می‌کند سرعت تصمیم‌گیری است، زیرا سرعت تصمیم‌گیری تجمع می‌کند. مانند اینکه من امروز یک تصمیم می‌گیرم، بر اساس آن تصمیم فردا عمل می‌کنم و… و این کار یکی از رقبای ما، مانند فورد یا تویوتا، ۳۰ روز طول می‌کشد تا نخستین تصمیم را بگیرند.»
راسیتیر گفت که او از کمک به انتقال تلاش‌های زنجیره تأمین مشتریان از صفحات گسترده به نرم‌افزار پیشرفته‌ای که می‌تواند در تصمیم‌گیری‌های برنامه‌ریزی کمک کند، هیجان‌زده است. این یک تحول است که او دیده است CFOها برای سازمان‌های خود رهبری کرده‌اند، اما او گفت که پیدا کردن کسی که همین کار را برای عملیات انجام دهد نادرتر است.
«داده‌های مالی همیشه اولویت دارند. داده‌های عملیاتی همیشه این اولویت را ندارند،» او گفت.
