توماس لی یانگ، بنیان‌گذار ۲۴ ساله Interface، یکی از متفاوت‌ترین چهره‌های نسل جدید کارآفرینان حوزه هوش مصنوعی است. او که در ترینیداد و توباگو و میان خانواده‌ای از مهندسان نفت و گاز بزرگ شده، حالا در قلب سان‌فرانسیسکو استارتاپی را رهبری می‌کند که قصد دارد با تکیه بر هوش مصنوعی، ایمنی صنایع سنگین را وارد عصر جدید کند.
این مسیر ساده نبود؛ از بحران کرونا و نابودی بودجه تحصیلی‌اش گرفته تا رد شدن ایده‌اش در بزرگ‌ترین شرکت خودروسازی بریتانیا. اما همین مسیر پرپیچ‌وخمی که طی کرده، امروز به نقطه قوت Interface تبدیل شده است.
شروعی متفاوت؛ از روامپای خانگی تا رؤیای سیلیکون‌ولی
یانگ از ۱۱ سالگی شیفته فناوری شد و آرزوی ورود به Caltech را داشت. او برای جلب توجه دانشگاه حتی روبات نظافت‌چی خانه‌اش را هک کرد تا نقشه سه‌بعدی محیط ایجاد کند. Caltech او را پذیرفت، اما کرونا همه برنامه‌ها را برهم زد:
ویزای او لغو شد و سرمایه‌ی ۳۵۰ هزار دلاری خانواده‌اش در بحران بازار سقوط کرد.
در نهایت برای ادامه مسیرش راهی دانشگاه بریستول شد، اما رؤیای سیلیکون‌ولی هنوز دست‌نخوردنی باقی مانده بود.
کشف مسئله اصلی در جکرا لندروور: فرایندهای صنعتی پرخطا و خطرناک
کار در بخش Human Factors شرکت Jaguar Land Rover زندگی یانگ را تغییر داد. او ناگهان با واقعیتی مواجه شد:
-
بسیاری از کارخانه‌ها هنوز از کاغذ برای عملیات ایمنی استفاده می‌کنند.
-
دستورالعمل‌های ایمنی قدیمی، اشتباه و به‌روز نشده‌اند.
-
این خطاها می‌توانند به حادثه‌های مرگبار منجر شوند.
او یک راه‌حل مبتنی بر هوش مصنوعی پیشنهاد داد. اما شرکت علاقه‌ای به اجرای آن نداشت. همین رد شدن، جرقه خروج از شرکت و تأسیس Interface شد.
شکل‌گیری Interface؛ جایی که هوش مصنوعی مشکلات واقعی صنعت را حل می‌کند
یانگ وارد برنامه Entrepreneur First شد و با آریان مهتا — متخصص یادگیری ماشین و فارغ‌التحصیل Imperial College — آشنا شد. این دو نفر تنها تیمی بودند که در طول برنامه از هم جدا نشدند و در نهایت Interface را بنیان گذاشتند.
ماهیت محصول Interface ساده است اما حیاتی:
استفاده از مدل‌های زبانی برای بررسی خودکار دستورالعمل‌های عملیاتی و یافتن خطاهایی که سال‌ها از چشم انسان پنهان مانده‌اند.
نمونه عملکرد واقعی:
-
در یکی از بزرگ‌ترین شرکت‌های انرژی کانادا
۱۰٬۸۰۰ خطا تنها در ۲.۵ ماه کشف شد. -
انجام دستی این کار بیش از ۳۵ میلیون دلار هزینه داشت و ۳ سال زمان می‌برد.
این اعداد نشان می‌دهند هوش مصنوعی در صنایع سنگین چه پتانسیلی دارد. (برای آشنایی با دیگر کاربردهای هوش مصنوعی در صنعت، مقاله تعرفه‌های مالی OpenAI و پروژه‌های AI را نیز بخوانید: https://kingmember.com/openai-financial-statements-ai-projects/)
مدل کسب‌وکار و قراردادهای چندمیلیونی
Interface از مدل ترکیبی «هزینه به‌ازای هر کاربر» و «هزینه اضافی مصرف» استفاده می‌کند.
فقط یک قرارداد با شرکت کانادایی بیش از ۲.۵ میلیون دلار درآمد سالانه ایجاد کرده است.
اکنون Interface در بازارهای آمریکا، گویان، برزیل و هیوستون نیز گسترش یافته است.
بازار هدف بسیار بزرگ است:
تنها در آمریکا بیش از ۲۷٬۰۰۰ شرکت فعال در حوزه انرژی و خدمات صنعتی وجود دارد.
مزیت رقابتی یانگ؛ outsider بودن
او جوان است، لهجه کارائیبی دارد، در صنعتی بسیار محافظه‌کار فعالیت می‌کند و همین چیزهایی که در ظاهر ضعف به نظر می‌رسند، تبدیل به مزیت او شده‌اند. مدیران صنایع، پس از شنیدن تحلیل‌های دقیق او از عملیات میدانی، نگاهشان ۱۸۰ درجه تغییر می‌کند.
کارگران میدانی — که معمولاً از نرم‌افزار متنفرند — حتی از او می‌پرسند کی می‌توانند در Interface سرمایه‌گذاری کنند.
زندگی استارتاپی در سان‌فرانسیسکو و جذب استعدادهای جهانی
یانگ و مهتا در محله SoMa زندگی می‌کنند و تقریباً تمام وقت خود را صرف کار می‌کنند.
Interface اکنون ۸ نفر نیرو دارد و بزرگ‌ترین چالش‌شان «استخدام سریع‌تر از سرعت جذب مشتری» است.
مهندسان بسیاری علاقه‌مندند از پروژه‌های تکراری SaaS فاصله بگیرند و در پروژه‌ای مشارکت کنند که اثر ملموس و جدی دارد — و همین موضوع موتور جذب استعداد برای Interface شده است.
(برای مطالعه نمونه دیگر از بهینه‌سازی صنعتی با هوش مصنوعی، مقاله Luminal AI Optimizer را ببینید: https://kingmember.com/luminal-ai-optimizer/)
آینده Interface؛ هوش مصنوعی در خدمت صنایع واقعی
Interface بخشی از موج جدید استارتاپ‌هایی است که به‌جای تمرکز بر ابزارهای مصرفی، مستقیماً مشکلات حیاتی و پرریسک صنایع بزرگ را هدف قرار می‌دهند.
یانگ می‌گوید کارش شدید است، گاهی چند روز آفتاب را نمی‌بیند، اما تأثیر واقعی کارش انگیزه‌ای است که انرژی ادامه مسیر را فراهم می‌کند.
