Generatywna sztuczna inteligencja i łańcuch dostaw

Jeff: Witam wszystkich ponownie. Dołączyli Państwo do nas w kolejnym odcinku serii podcastów Executive Platforms Blueprint. Nazywam się Jeff Nicks. Jestem szefem działu treści i badań. Moim dzisiejszym gościem jest Chris Cutshaw. Pracuje w TMC, oddziale C.H. Robinson. Będziemy rozmawiać o generatywnej sztucznej inteligencji i roli, jaką będzie ona odgrywać w organizowaniu łańcuchów dostaw w przyszłości. Niedawno wygłosił prezentację na ten temat, w której omówił kilka szczegółów, co bardzo mnie cieszy. Myślę, że większość firm jest bardzo zainteresowana tą przestrzenią, ale wiele z nich brzmi teoretycznie. Więc jeśli faktycznie możemy dostać się do chwastów. Tak, jestem bardzo podekscytowany tą rozmową. Chris. Dziękuję bardzo za dołączenie do mnie.
Chris: Tak, nie ma problemu. Dziękujemy za zaproszenie.
Jeff: Proszę zacząć od upewnienia się, że używamy poprawnych terminów. Kiedy mówi Pan o generatywnej sztucznej inteligencji, co odróżnia ją od szerszej kategorii sztucznej inteligencji?
Chris: Tak, myślę, że kilka rzeczy, prawda. Tak więc ludzie mówią o sztucznej inteligencji od dawna i myślę, że dzięki niektórym innowacjom, które właśnie się wydarzyły, w szczególności otwartej sztucznej inteligencji, gdzie ta treść jest faktycznie generowana. Jest więc czytelny dla człowieka. Jest w stanie tworzyć narracje, tworzyć język, który możemy zrozumieć i z którym możemy wchodzić w interakcje. W tym miejscu pojawia się więc generatywność. I rzeczywiście, od listopada 2022 r., kiedy open AI uruchomiło platformę czatu GBT, zdecydowanie pojawiają się inne platformy. To naprawdę sprawiło, że stało się to namacalne dla użytkowania i łańcuchów dostaw. Myślę, że jest gotowy do użycia w tej przestrzeni.
Jeff: Wygłosił Pan dziś nieco wcześniej prezentację, która była skierowana do kierownictwa wyższego szczebla łańcucha dostaw i mówiła o niektórych z tych możliwości. To jest to, co niektórzy ludzie już z nim robią. Nie zamierzam prosić Pana o powtórzenie 35-minutowej prezentacji, ale jakie są najważniejsze wnioski, które ma Pan nadzieję wyciągnąć dla ludzi?
Chris: Tak, kluczowe wnioski są takie, że jest to zdecydowanie bardzo nowe. Jesteśmy więc w fazie uczenia się, ale uważam, że możliwości są po prostu ogromne w naszej przestrzeni i ogólnie w łańcuchach dostaw. Jest wielu partnerów. Jest w to zaangażowanych wiele osób, wiele różnych systemów. Te rzeczy nie zawsze ze sobą współgrają i w rezultacie wiele osób wykonuje czynności manualne, przetwarzając przyciski w celu, z braku lepszych określeń. Jeśli więc mogą Państwo odciążyć ich od pracy o wartości dodanej lub pracy bez wartości dodanej i skupić ich bardziej na rzeczach, które mogą być ciągłym doskonaleniem ich łańcucha dostaw, rzeczach, które mogą zoptymalizować, to jest to miejsce, w którym chcą Państwo zacząć koncentrować się na niektórych z tych nowych technologii, aby zdjąć taktyczną codzienną pracę z ich rąk. Dzięki temu mogą skupić się na pomysłach dotyczących ulepszeń.
Jeff: Widzę też, że jest to potężne narzędzie do dawania głosu danym, ponieważ myślę, że wiele z tego, o czym mówi transformacja cyfrowa, to kaskada napływających danych i trzeba dowiedzieć się, co można zrobić, jeśli narzędzie AI może faktycznie wyrazić to słowami. Właśnie dlatego robimy to w ten sposób.
Chris: Tak. Co za potężne narzędzie.
Jeff: Zdecydowanie bardzo potężny.
Chris: Możliwości dopiero się zaczynają, ale naprawdę wydają się naprawdę transformacyjne, a co do pańskiego punktu widzenia, wie pan, kiedy masz dużo danych, masz dużo napływających informacji. Trudno jest przetworzyć to wszystko i stworzyć z tego inteligencję, a myślę, że technologie takie jak ta zaczynają faktycznie wchodzić w interakcje ze zdecydowanie zróżnicowanym zestawem informacji. Wyciągnięcie z tego informacji i uczynienie ich namacalnymi, aby można było zautomatyzować procesy, jest naprawdę ekscytujące.
Jeff: Tak. Ponownie, staram się czasami postawić w sytuacji lidera łańcucha dostaw, który jest świadomy, że to narzędzie jest dostępne online. Z pewnością nie chcę być ostatnią osobą, która się tym zajmuje, ale bycie pierwszą może być onieśmielające. Jakie są niektóre z nisko wiszących owoców, z którymi mógłbym poeksperymentować lub obserwować, jak ktoś inny jest wczesnym adaptatorem i uczyć się od niego?
Chris: Tak. Myślę, że przede wszystkim należy upewnić się, że bezpieczeństwo danych i prywatność danych są w pełni rozwiązane, więc należy upewnić się, że sposób, w jaki z nich korzystamy, nie ujawnia informacji, których nie powinien, i że jest naprawdę ukierunkowany i skoncentrowany. Tak więc niektóre z nisko wiszących owoców, które znają liderzy łańcucha dostaw, to ludzie wykonujący czynności ręcznie w całym łańcuchu wartości lub łańcuchu dostaw. Więc tak naprawdę, gdzie spędzam najwięcej czasu? To nie jest praca o wartości dodanej ani zwiększanie wartości tego, co robimy dla naszych operacji, a rodzaj agregacji i rankingu stosów oraz sprawdzanie, czy mam dane wystarczające do rozwiązania tego przypadku użycia, a następnie czy mogę przesłać je do ograniczonego agenta AGI, który potencjalnie może przejąć niektóre z tych działań. Zaczynając od bardzo małych rzeczy, proszę powiedzieć, że naciskam ten przycisk lub odpowiadam na pytanie e-mailowe, które ma charakter ręczny lub taktyczny. Robię to często lub mam zespoły ludzi, którzy to robią. Czy mogę zacząć od usunięcia niektórych z tych osób lub, co ważniejsze, przekształcenia tego, co robią i zwiększenia ich talentu w bardziej innowacyjne i wartościowe elementy.
Jeff: Zainteresował mnie początek Pana odpowiedzi. Mówi pan, że naprawdę musi się pan zamknąć? Jakie dane Państwo przekazują, czy są to właściwe dane i czy są one bezpieczne. Widzę, że jest to coś, co, wie Pan, firmy chcą być bardzo jasne. Jakie mogą być nowe zasady? Chodzi mi o to, że bezpieczeństwo danych jest zawsze czymś, o czym mówimy, ale w rzeczywistości podajemy i nie chcę być dramatyczną informacją do czarnej skrzynki, która coś zrobi, a następnie odpowiedź wyjdzie z drugiej strony. Jak wygląda przygotowanie tych danych?
Chris: Tak. Myślę, że tak naprawdę podczas pracy z AGI chodzi o inżynierię podpowiedzi, więc trenujesz model lub agenta, aby reagował. Dokładnie tak, jak Pan chce. Tak więc naprawdę poświęcenie czasu z góry, aby upewnić się, że szybka inżynieria zmniejsza zdolność interfejsu API do uzyskiwania dostępu do informacji, do których nie powinien, lub zdolność do tworzenia narracji, które, powiedzmy, wymyślają rzeczy, fabrykują informacje. Więc naprawdę chciał Pan to zdefiniować, powiedzmy. Oto pańska rola w życiu. Oto, co powinien Pan zrobić, a przy okazji, proszę nigdy nie fabrykować informacji. Proszę postępować zgodnie z ustalonym sztywnym procesem, ale naprawdę fajne jest to, co zrobiliśmy, to umieszczenie planowania dużych modeli językowych przed tym, tak aby naprawdę stworzyć konkretnych agentów, którzy mają taktyczne, wie Pan, wymagania lub opcje taktyczne, które mogą przejść po uzyskaniu dostępu do narzędzi wewnętrznych, naprawdę ograniczając dane, aby upewnić się, że jest to naprawdę dokładnie to, czego potrzebują i wiedzą więcej, a następnie upewniając się, że dane wyjściowe są w bardzo sztywny sposób. Wszystko zależy więc od przypadku użycia, na którym się Państwo koncentrują. Tak więc ponownie, cofając się, patrząc na wszystkie ręczne procesy, które są zbędne i których zespoły nie lubią wykonywać, biorąc je i rozpoczynając podróż w ramach technologii typu open AI lub innych, które pojawiają się online i koncentrując się naprawdę namacalnie na niektórych z tych przypadków użycia i podążając za nimi.
Jeff: Jestem bardzo zainteresowany, że wspomniał Pan o nauczeniu go, że nie może produkować. Więc ja i proszę mi wybaczyć, jestem trochę bardziej zaznajomiony z czatem, GPT niż niektórymi aplikacjami branżowymi, ale wiem, że halucynacja jest jednym z terminów, które słyszeliśmy. Tam, gdzie po prostu chce pana zadowolić. To niekoniecznie daje Panu właściwą odpowiedź. Próbuje wygenerować odpowiedź, z której będzie Pan zadowolony. Tak jakby to była właściwa odpowiedź. Niezależnie od tego, czy jest w tym głębia, czy nie, nie może tak być, ponieważ są to dane, które można wykorzystać. Czy może Pan rozwinąć tę kwestię?
Chris: Brak halucynacji to w rzeczywistości termin techniczny dla niektórych z tych agentów AI. Chodzi mi o to, że są przykłady firm prawniczych, które z tego korzystają i nie sprawdzają danych wyjściowych i dowiadują się, że tak, cytaty wymyślają sprawy, prawda? Trzeba więc być bardzo sztywnym i jasnym, a inżynieria podpowiedzi, której należy przestrzegać, i upewnić się, że mówimy tylko o prawdzie, ich danych, do których mamy dostęp, a kiedy wchodzimy w interakcję z niektórymi z tych podpowiedzi, które są otwarte, mogą one iść na wiele różnych sposobów, a to, na czym się skupiamy, to wdrażanie tego do naszej bazy kodu przy użyciu niektórych z tych wyszkolonych modeli, aby reagować w sposób podobny do człowieka, ale naprawdę koncentrując się na tym, co może zrobić. Więc to nie wykracza poza jego granice.
Jeff: Jestem tym bardzo zainteresowany i pamiętam, jak mówił pan przed rozpoczęciem nagrywania, że ma pan kilka szczegółów i praktycznych rzeczy, w które możemy się zagłębić. Chciałbym to zrobić teraz, ponieważ ten duży obraz jest fascynujący. Jakie są konkretne przykłady, w których ktoś zastosował tę metodę? Co to dla nich robi? Oczywiście nie musi Pan podawać nazwy klienta. Ale proszę nam przedstawić ten scenariusz.
Chris: Tak. Cóż, mogę podać Panu jeden bardzo konkretny scenariusz, nad którym zaczęliśmy pracować i który jest już w produkcji. W naszej branży, na której naprawdę się koncentrujemy, transport polega na fizycznym dostarczeniu czegoś, ktoś podpisuje dokument, który nazywa się dowodem dostawy. A dla wielu klientów, aby zautomatyzować proces płatności, aby zapewnić, że będzie on na czas i w całości, OTIF naprawdę się skupił. Chcą Państwo przechwycić wszystkie te dokumenty, a w razie audytu upewnić się, że są one prawidłowe i niedokładne. Tak więc w przypadku tysięcy przesyłek, którymi Państwo zarządzają, mają Państwo do czynienia z mnóstwem różnych dostawców, a ci dostawcy mają poddostawców, takich jak kierowcy lub pracownicy magazynu. Tak więc mają Państwo wszystkie te źródła informacji, w których mogą znajdować się dokumenty, a często istnieją zespoły ludzi, którzy ścigają, wysyłają e-maile i śledzą, aby przywrócić te dane do systemu. To doskonały, namacalny przypadek użycia, na którym można skupić agenta AI, zamiast zatrudniać do tego zespoły ludzi. Tak więc ściganie zamówień, ściganie dokumentów, śledzenie, gdy coś nie jest w porządku i uzyskiwanie informacji w zautomatyzowany sposób, że wiesz, że ustanowiłeś granice i kontrolę, które zabierają, wiesz, że ręczna praca z równania i koncentruje ich czas na bardziej, powiedzmy, działaniach optymalizacyjnych, które mogą obniżyć koszty lub poprawić jakość usług i nie grzęzną w niektórych taktycznych codziennych pracach. Myślę więc, że wiedzą Państwo, że dokumentacja i udostępnianie dokumentacji są dokładne, terminowe i powiązane z rejestrem przesyłek.
Jeff: Fantastycznie. Więc może powiem to w inny sposób i proszę mnie sprawdzić, czy może wygenerować raport ze wszystkich tych punktów danych. Ale to uwalnia ludzi od tego, że był ktoś, kto musiał to wszystko skompilować, kto musiał sprawić, by miało to sens w jednym raporcie. Teraz może uda się je uwolnić. Nie mamy tych informacji, a oni mogą nawiązać kontakt z osobą, która nie zebrała swoich danych lub jest zwolniona z rozwiązywania problemów, podczas gdy system wykonuje pracochłonną część.
Chris: Dokładnie. Tak więc agent AI zobaczy, że POD nie istnieje, a fragment dokumentu nie istnieje. Będzie postępować zgodnie z określonymi krokami. Wyciągnie rękę. Proszę napisać wiadomość e-mail, która wydaje się pochodzić od człowieka. Tak, to wygląda OK, ktoś o coś prosi. I co zwykle dzieje się dzisiaj z ludźmi, otrzymają odpowiedź. Wezmą ten załącznik. Prześlą go gdzieś, więc myślę, że to po prostu świetny obszar, na którym się skupiamy i to jest coś, co zrobiliśmy.
Jeff: Więc chyba znowu stawiam się w sytuacji, w której jestem kierownikiem łańcucha dostaw, który widzi, że jest to niesamowite narzędzie, które wchodzi na rynek. Jak wygląda rozpoczęcie pracy? Jaki jest realistyczny harmonogram, aby polubić wypróbowanie pilota. Proszę upewnić się, że faktycznie są to właściwe dane wejściowe i właściwe dane wyjściowe, ponieważ nadal będzie to osoba sprawdzająca przez długi czas, aby upewnić się, że reprezentuje ona Państwa firmę.
Chris: Tak. Chodzi mi o to, że będą Państwo musieli mieć kilka zespołów technicznych, które zaczną nad tym pracować, które wybiorą odpowiednią technologię, a następnie ograniczą dane, do których mają dostęp i wdrożą je w Państwa ekosystemie. Więc to nie jest jak otwarte źródło, wie Pan, zdolne do przekazywania zastrzeżonych informacji temu agentowi. Tak, aby naprawdę to ograniczyć. Rozpoczynając tę podróż, warto przyjrzeć się szybkiej inżynierii. Wiele z tego kodowania, co jest naprawdę ekscytujące, może być wykonywane przez osoby nietechniczne poprzez szkolenia i naukę, a my wykorzystaliśmy kilka technologii, w tym Lang Chain, który pomaga nam łączyć mniejsze zadania w ogólny złożony przepływ pracy, a także otwartą sztuczną inteligencję. A następnie musimy posiadać własne modele, które zbudowaliśmy w przestrzeni logistycznej, aby następnie udostępnić dane, a także nasz system ewidencji, aby mieć dostęp do informacji, aby je śledzić. Tak więc skonfigurowanie tej infrastruktury zajmuje prawdopodobnie od dwóch do trzech miesięcy, aby rozpocząć, upewniając się, że sprawdzasz swoje zespoły ds. bezpieczeństwa danych, aby upewnić się, że się na to zgodzili, a następnie naprawdę zaczynając od bardzo małych przypadków użycia, ucząc się w miarę postępów, a następnie zastanawiając się, jak można to skalować, a to, co robimy, aby skalować, to w zasadzie umożliwienie planowania dużego modelu językowego, aby spojrzeć na SOP, które piszą ludzie. Mogę więc napisać SOP dla konkretnej czynności, którą chcę zautomatyzować. Planujący LLM może wyciągnąć wnioski z tego SOP, a następnie zdefiniować zadania, które będą realizowane przez mniejsze, konkretne LLM. Może zmienić kolejność przepływu pracy w oparciu o to, czego się uczy, a następnie uzyskać namacalny wynik tego, co człowiek zrobiłby w przeszłości.
Jeff: Chciałbym dowiedzieć się, co sprawia, że TMC jest partnerem z wyboru w tej przestrzeni. Rozumiem, że jest Pan wczesnym innowatorem i ma Pan już pewne doświadczenie, które odróżnia Pana od wielu innych osób, ale proszę mi opowiedzieć, jak się Pan do tego zabrał i co konkretnie robi Pan ekscytującego. Niektórzy liderzy łańcucha dostaw lubią mnie przez to przeprowadzać.
Chris: Tak, to znaczy po pierwsze, chcieliśmy podzielić się tym, co robimy, aby pokazać możliwości w tej przestrzeni. I myślę, że konkretnym powodem, dla którego warto współpracować z nami w tej dziedzinie, jest to, że prawdopodobnie mamy większy dostęp do danych transportowych niż jakakolwiek firma na świecie. Mamy więc 30 miliardów dolarów frachtu na naszej platformie. Tak więc tworzenie modeli bardzo skoncentrowanych na logistyce to miejsce, w którym będziemy mieć własność intelektualną, do której firmy mogą się podłączyć. Tak więc, wie Pan, myślę, że jesteśmy świetnym partnerem w tym zakresie, ale chcemy również być konsultantami i po prostu rozmawiać o prawdziwych i ogromnych możliwościach, jakie może przynieść ten rodzaj technologii. Zdecydowanie jesteśmy na bardzo wczesnym etapie, ale jesteśmy naprawdę podekscytowani niektórymi z Państwa modeli logistycznych, które budujemy, niektórymi możliwościami, które już posiadamy w zakresie inżynierii i rozwoju talentów, które teraz koncentrują się na tej technologii. Inwestujemy w tę przestrzeń znacznie więcej. Więc naprawdę zaczęliśmy się rozwijać, próbując wyprzedzić, wie Pan, jakie są możliwości. Myślę więc, że firmy, które szukają partnerów, zwłaszcza na etapie realizacji transportu, powinny postrzegać TMC i C.H. Robinson jako istotnych partnerów.
Jeff: Oczywiście. I wie pan, proszę nie wkładać nikomu słów w usta. Ale ponownie, gdybym był dyrektorem łańcucha dostaw i powiedział, że jestem tym zainteresowany, jakie są pytania, z którymi powinienem się do Pana zwrócić? Myślę, że musi istnieć wyzwanie dla firmy, które wymaga rozwiązania lub jakie są właściwe sposoby podejścia do tego, a nie tylko. Chcę wypróbować nową zabawkę.
Chris: Tak. To znaczy, ludzie chcą wypróbować nową zabawkę, prawda? Jest o tym głośno w wiadomościach. Jest w prasie, więc myślę, że najpierw należy uszeregować możliwości, aby stworzyć uzasadnienie biznesowe, które będzie Pan musiał rozwijać, będzie Pan musiał robić rzeczy po swojej stronie. Nie jest to jednak coś, co mogą Państwo zlecić partnerowi. Istnieją pewne scenariusze, w których można je znaleźć, ale naprawdę poinformowani klienci powinni poświęcić czas na stworzenie uzasadnienia biznesowego, znalezienie obszarów w swoim łańcuchu dostaw, w których może to być kluczowa technologia i gdzie być może mają martwe punkty pod względem dokumentacji widoczności danych logistycznych, o której wspomnieliśmy i omówiliśmy wcześniej. Następnie proszę spojrzeć na swoją sieć partnerów i zobaczyć, kto faktycznie inwestuje w tę przestrzeń. Tak więc może to być wykorzystane przez innych. Ale tak naprawdę, ranking stosów, Państwa możliwości są bardzo zwięzłe i ograniczone co do tego, co chcą Państwo osiągnąć, a wtedy partnerzy tacy jak my mogą naprawdę uderzyć w ziemię jako poręcz do rozwoju.
Jeff: OK, więc jeśli mam swój punkt bólu lub okazję, o której mówię, myślę, że to dobre miejsce na rozpoczęcie i przychodzę do C.H. Robinson. I dziękuję Panu za TMC. Jak wygląda pierwszy dzień pracy oddziału C.H. Robinson, który zajmuje się właśnie tym obszarem? Jak wygląda faktyczny początek tej współpracy i jak przygotować zespół do jej rozpoczęcia?
Chris: Tak, myślę, że po pierwsze, chcemy przyjrzeć się modelowi danych. Proszę upewnić się, że wiedzą Państwo, że korzystamy z naszej autorskiej platformy Navisphere. Chcielibyśmy więc podłączyć się do Państwa sieci logistycznej. Chce Pan uzyskać jakieś dane. Aby rozpocząć, potrzebują Państwo naprawdę dużego zbioru danych. Jeśli w danych znajdują się martwe punkty, agenci AI będą mieli trudności z odpowiadaniem na pytania lub zwięzłością. Myślę więc, że patrząc na model danych, sprawdzając, gdzie możemy zintegrować i wspierać, a następnie wdrażając ten przypadek biznesowy i przechodząc przez konkretne testy scenariuszy i ucząc się szybko i tanio, jeśli wybierasz coś, co może być zbyt solidne, nie chcesz poświęcać zbyt wiele czasu. Tak więc bardzo zwięzłe rozpoczęcie, szybkie działanie i określenie modelu danych, którego chcą Państwo użyć, jest niezwykle ważne. Pozwala to na szybkie poruszanie się w przestrzeni.
Jeff: Ilekroć mówimy o nowej technologii, zwłaszcza o czymś takim jak sztuczna inteligencja, która jest bardzo popularna. Tak, chciałbym poświęcić chwilę i porozmawiać o ludziach. Częściowo wynika to z istniejącej organizacji łańcucha dostaw. Tak, część tego, o czym mówimy, to automatyzacja ich pracy, która pozwoli im wykonywać ważniejsze zadania. Ale przez chwilę toczy się walka. Czy możemy o tym porozmawiać?
Chris: To ludzkie równanie, prawda? Jako jego część. Powiedziałbym więc, że nasza branża ogólnie ma lukę w talentach. Mamy więc trudności z zapewnieniem specjalistycznej wiedzy w zakresie logistyki, transportu, a nawet łańcucha dostaw, aby skalować organizacje w miarę ich rozwoju, nawet w tym burzliwym okresie, przez który przeszliśmy, wciąż brakuje wiedzy specjalistycznej. Moim zdaniem nie chodzi więc o zastąpienie kapitału ludzkiego, ale o jego maksymalizację i możliwość skalowania w wielu różnych przepływach, bez konieczności zwiększania i powiększania zespołu, dzięki czemu można go naprawdę skoncentrować na inicjatywach o wartości dodanej.
Jeff: W tej rozmowie poruszyliśmy już wiele tematów. Jeśli byłyby dwa lub trzy kluczowe punkty, nad którymi chciałby Pan, aby ludzie zastanowili się nieco głębiej, to co by to było? Chris: Tak. Jesteśmy więc na bardzo wczesnym etapie, to bardzo ekscytujące, ale musimy być bardzo ostrożni i bardzo rozważni w tym, co robimy z tą technologią. Można się więc wiele nauczyć. Chcemy mieć pewność, że jest kontrolowany i byliśmy bardzo sztywni w kwestii tego, na co mu pozwalamy. Myślę, że chcemy skupić się na czynniku ludzkim. Myślę, że chcemy uczynić życie ludzi lepszym i niekoniecznie skupiać się na zastępowaniu, ale na rozszerzaniu rzeczy, których ludzie nie chcą robić, chcemy, aby skupili się na fajnych rzeczach, które naprawdę przynoszą wartość ich firmom. I to jest Aleja, aby to zrobić. Warto więc zacząć od małych kroków i szybko się uczyć, oceniając swoją sieć partnerów pod kątem tego, kto faktycznie inwestuje w tego typu technologie, z kim można nawiązać współpracę, a następnie przyjrzeć się własnemu modelowi danych.
Jeff: Muszę myśleć, że w przypadku czegoś tak nowego i ekscytującego, będą ludzie z pytaniami, ludzie będą chcieli dowiedzieć się więcej. Jaki jest najlepszy sposób, aby się z Panem skontaktować? Może proszę wybrać kogoś w TMC.
Chris: Tak. Dlatego zachęcam ludzi do odwiedzenia strony thechrobinson.com/TMC, gdzie można znaleźć eksperta. W ten sposób mogą Państwo dowiedzieć się więcej o tym, co robimy w tej przestrzeni, a także zasięgnąć porady na temat tego, co robimy i jak to zrobiliśmy. Mogą więc Państwo zbudować to po swojej stronie i potencjalnie możemy znaleźć sposób na partnerstwo w przyszłości.
Jeff: Naprawdę doceniam pański czas, Chris. To naprawdę ekscytująca rzecz i tak naprawdę nie miałem jeszcze okazji porozmawiać o tym z kimś, kto naprawdę to robi. Więc to było dla mnie ekscytujące. Naprawdę doceniam, że pan tu jest.
Chris: Dziękuję Panu i dziękuję za platformy wykonawcze. Prowadzą Państwo świetne konferencje, świetnie się tu bawiłem i czekam na więcej w przyszłości. Jeff: Fantastycznie. W międzyczasie wysłuchali Państwo kolejnego odcinka serii podcastów Executive Platforms Blueprint. Byłem Jeffem Nicksem. Powtórzmy to wkrótce.