Startup CVector, zaměřený na průmyslovou umělou inteligenci, se v současnosti snaží přesvědčit své klienty, že nepodlehne osudu mnoha jiných začínajících technologických firem – tedy že nebude v blízké době odkoupen ani ukončen. Jeho zakladatelé Richard Zhang a Tyler Ruggles čelí při každém jednání s výrobními firmami, energetickými podniky nebo službami opakované otázce: „Budete tu ještě za půl roku? Za rok?“ Tato obava je v dnešním prostředí, kde velké technologické korporace loví talenty a skupují nadějné startupy, zcela pochopitelná. CVector se však snaží jít jinou cestou. Zakladatelé odpovídají jednoznačně – nikam neodcházejí. Právě tento přístup je podle nich klíčový pro navazování dlouhodobých obchodních vztahů se zákazníky, kteří využívají jejich software ke zlepšování provozu průmyslových zařízení. Důvěra investorů a partnerství se Schematic Ventures Aby startup podpořil důvěru na trhu, navázal spolupráci s fondem rizikového kapitálu Schematic Ventures, který se zaměřuje na technologická řešení pro průmysl a dodavatelské řetězce. Společnost právě vedla předběžné investiční kolo ve výši 1,5 milionu dolarů, což je klíčový krok pro další růst. Zhang uvedl, že cílem bylo získat partnery s reputací v oblasti řešení technických výzev v dodavatelském řetězci a infrastruktuře. Právě to Schematic podle něj nabízí. Jeho partner Julian Counihan připomněl, že kromě technických záruk – jako je například uložení kódu do úschovy nebo trvalá licence pro klienty v případě akvizice – je klíčové, aby zakladatelé jednoznačně komunikovali své dlouhodobé závazky a poslání vůči zákazníkům i investorům. Tato důvěra a konzistence podle všeho přináší startupu první obchodní úspěchy a posiluje jeho postavení na trhu. Technologické zázemí a přímý kontakt s průmyslem Zakladatelé CVector kombinují akademické a praktické zkušenosti, které se pro práci v průmyslové AI výborně doplňují. Zhang dříve působil jako softwarový inženýr v ropné společnosti Shell (SHEL), kde vyvíjel aplikace pro pracovníky v terénu. Ruggles má doktorát z částicové fyziky a pracoval například v CERNu na Velkém hadronovém urychlovači, kde měl na starosti zpracování dat v reálném čase a operativní řešení výpadků. Právě tato kombinace zkušeností pomáhá podle Rugglese budovat důvěru zákazníků v jejich technologie. „Když víte, že někdo pracoval s daty v nanosekundách a zároveň rozumí provozní realitě továren, máte jistotu, že rozumí i vašim problémům,“ říká. CVector popisuje svůj software jako „mozek a nervový systém pro průmyslová aktiva“. Systém propojuje například data o spotřebě energie, informace z otevřených zdrojů a meteorologické údaje – a to vše v reálném čase. V jednom příkladu vysvětlili, jak může obyčejné sněžení ovlivnit přesnost výrobního zařízení, pokud sůl zvenčí pronikne do provozu. „Zohlednění takovýchto detailů může mít hmatatelný dopad na efektivitu,“ dodává Ruggles. Odolnost vůči převzetí a zaměření na kritickou infrastrukturu Společnost již dodává své AI řešení do energetiky, chemického a automobilového průmyslu, přičemž se zaměřuje na systémy, které jsou často postaveny na starých technologiích. Například některé řídicí systémy v elektrárnách stále využívají jazyky jako Cobra nebo Fortran, což ztěžuje jejich modernizaci. CVector však dokáže vytvářet algoritmy s nízkou latencí, které do těchto systémů vnášejí novou úroveň přehledu a řízení v reálném čase. V současnosti firma zaměstnává pouze osm lidí, kteří působí ve Spojených státech a Německu, konkrétně v Providence, New Yorku a Frankfurtu nad Mohanem. Po dokončení financování však plánuje růst. Klíčem má být přijímání lidí, kteří sdílejí stejné poslání – tedy budování technologií pro fyzickou infrastrukturu a zajištění jejich dlouhodobé udržitelnosti. Zhang zdůrazňuje, že tento strategický přístup jim pomáhá přesvědčovat zákazníky, že jejich závazek není jen krátkodobý. „Nehledáme lidi, kteří chtějí jen rychle prodat firmu nebo získat exit. Hledáme partnery, kteří vidí smysl v tom, co stavíme,“ říká. Ruggles, který přešel z akademické kariéry do průmyslu, si tuto změnu pochvaluje. Místo dlouhých schvalovacích procesů ve vědeckých časopisech teď pracuje na řešeních, která zákazníci používají ihned. „Je to osvobozující. Vytváříme hodnotu v reálném čase, a to je skvělý pocit,“ uzavírá.