یک کارخانه‌ی نساجی سفارشی در صنعتی کار می‌کند که تقاضای بازارش به‌شدت متغیر و وابسته به عوامل بیرونی است — مشتریانش تولیدکننده‌های پارچه، فرش و منسوجات صنعتی‌اند که رفتار خریدشان تحت تأثیر نرخ ارز، قیمت مواد اولیه، وضعیت صادرات و فصل قرار دارد. مهم‌ترین چالش، نبود دید کافی نسبت به تقاضای آینده است: سازمان معمولاً وقتی از نیاز واقعی مشتری مطلع می‌شود که سفارش ثبت شده، در حالی که تصمیم‌های مهم باید هفته‌ها یا ماه‌ها قبل گرفته شوند. و نکته‌ی خاص اینجاست: بخش مهمی از سیگنال بازار در تماس‌های تلفنی، مذاکرات و تعاملات غیررسمی فروش شکل می‌گیرد، اما ساختاریافته ثبت و تحلیل نمی‌شود. بعضی درخواست‌های مشتری حتی هرگز وارد سیستم نمی‌شوند و بدون تحلیل از دست می‌روند. این مسئله در سال‌های اخیر حادتر شده، چون ماده‌ی اولیه‌ی اصلی — چیپس پلی‌استر (PET Chips) — با محدودیت ارزی، اختلال زنجیره‌ی تأمین و افزایش لیدتایم واردات روبه‌روست. حلقه‌ی معیوب روشن است: سیگنال پراکنده و ثبت‌نشده، دید ضعیف به آینده، تصمیم با عدم قطعیت بالا، و خطایی که در شرایط لیدتایم بالا گران تمام می‌شود. اگر تقاضا کمتر برآورد شود، کمبود موجودی و تأخیر تحویل و از دست رفتن مشتری؛ اگر بیشتر برآورد شود، سرمایه‌ی قابل توجهی در مواد اولیه‌ی کم‌گردش قفل می‌شود. اینجا AI شرط لازم است، نه افزونه — چون تشخیص الگوهای پنهان تقاضا و پیش‌بینی رفتار مشتری از دل حجم بزرگ داده‌ی فروش و عوامل بیرونی، با دست ممکن نیست. AI می‌تواند داده‌ی فروش، رفتار مشتری و روندهای بازار را تحلیل کند، تغییرات تقاضا را زودتر از انسان تشخیص دهد (demand sensing)، سناریوهای مختلف بازار را شبیه‌سازی کند، و اثرشان را روی تولید و تأمین مواد اولیه نشان دهد. و با ترکیب مدل‌های زبانی، حتی می‌تواند سیگنال‌های پنهان در مکالمات و مذاکرات فروش را وارد تحلیل کند — همان دانشی که امروز گم می‌شود.

مسئله‌ی اصلی #072

مسئله فقط پیش‌بینی فروش نیست — نبود دید هوشمند نسبت به آینده‌ی بازار است؛ سیگنال تقاضا در مکالمات و مذاکرات پراکنده گم می‌شود، و در شرایط لیدتایم بالای مواد اولیه، خطای پیش‌بینی گران تمام می‌شود.

فرصت استارت‌آپی

این فرصت برای صنایع دارای مواد اولیه‌ی استراتژیک، لیدتایم بالا و تقاضای متغیر ارزشمند است — یعنی بازاری فراتر از نساجی. نکته‌ی استراتژیک این است که محصول از یک نقطه‌ی روشن (پیش‌بینی تقاضا و planning تأمین) شروع می‌کند و به یک Demand Intelligence & Supply Planning Copilot گسترش پیدا می‌کند، با این تمایز که سیگنال غیرساختاریافته‌ی فروش را هم وارد forecast می‌کند. استارت‌آپی که روی این موضوع شکل بگیرد می‌تواند با نفیس‌نخ به‌عنوان design partner شروع کند، نشان دهد کمبود و مازاد مواد اولیه کم می‌شود، و به محصولی قابل فروش برای صنایع تولیدی مشابه تبدیل شود. مدل enterprise SaaS با ارزش قرارداد بالا و churn پایین.

شرکتی که این را درست بسازد، فقط یک ابزار پیش‌بینی فروش نمی‌سازد — یک Demand Intelligence Copilot که آینده‌ی بازار را برای صنایع تولیدی ایران قابل دیدن می‌کند، می‌سازد.