Bij Lux helpen we innovatieleiders met het plannen van de toekomst en het nemen van strategische beslissingen rond opkomende technologieën en megatrends. We streven ernaar een ecosysteem te creëren waar innovators uit verschillende sectoren samen kunnen komen om ervaringen uit te wisselen. In dit kader interviewde Lux CEO Marisa Kopec onlangs Nouryon CTO Phil Clark om meer te weten te komen over zijn inspanningen om innovatie binnen zijn eigen organisatie te stimuleren. Nouryon is een chemisch bedrijf dat in 2018 is voortgekomen uit AkzoNobel.
Enkele hoogtepunten uit het interview:
- We vroegen Phil naar de opkomende trends die hij ziet voor de toekomst van zijn sector. Phil zei dat elk chemisch bedrijf aandacht zal besteden aan de regelgeving. Wat vandaag de dag echter anders is, is dat de regelgeving verandert, zelfs in gevallen waarin er nog geen vervangers zijn geïdentificeerd. Hij noemde ook hoe AI en machine learning de manier veranderen waarop Nouryon werkt vanuit het perspectief van R&D, maar ook hoe het bedrijf klanten ondersteunt en met hen in contact treedt. Tot slot noemde hij duurzaamheid niet langer een "nice-to-have", vooral voor Nouryon's klanten in huishoudelijke en persoonlijke verzorging.
- We vroegen naar AI en machinaal leren. Phil verwees naar een citaat uit een boek genaamd Quantum Supremacy - het boek stelt dat kwantumcomputers chemici niet zullen vervangen, maar dat chemici die dit soort machines gebruiken degenen die dat niet doen zullen vervangen. Phil denkt hetzelfde over AI en machine learning. Deze tools gaan de behoefte aan chemici niet vervangen, maar zullen hun vaardigheden vergroten en de wetenschap en inzichten uit de gegevens van Nouryon bevorderen. Wat machine learning betreft, heeft Nouryon wereldwijd veel gegevens in Europa, Azië en de VS die nog niet volledig worden benut. Zodra Nouryon deze gegevens in de cloud krijgt, kan het modellen bouwen die kunnen voorspellen wat Nouryon nodig heeft. Nouryon heeft bijvoorbeeld meer dan 40.000 formuleringen voor persoonlijke verzorging en als deze gegevens eenmaal in de cloud staan, kunnen ze begrijpen hoe de individuele componenten van een formulering een bepaalde prestatiefactor beïnvloeden. Phil noemde de mogelijkheid om consistentie in prestaties te bereiken voor verschillende productformaten (bijv. mousse of gel) als een belangrijk resultaat - machine learning is in ieder geval effectiever geweest om dit doel te bereiken dan trial and error.
- We vroegen Phil wat tips en trucs voor mede-innovatieleiders op basis van zijn ervaring, evenals zijn geheimen voor succes. Phil zei dat hij een natuurlijke samenwerker is. Hij benadrukte ook hoe belangrijk het is om input van anderen te krijgen en te beginnen bij een probleem dat opgelost moet worden. In het geval van machine learning, bijvoorbeeld, is het een hulpmiddel dat moet worden gericht op waar het nut heeft, zoals daar waar enorme hoeveelheden gegevens zijn en waar aangepaste en gepersonaliseerde oplossingen nodig zijn - zoals voor huishoudelijke en persoonlijke verzorging en voeding. Het is belangrijk om use-cases op te bouwen en mensen binnen de organisatie in staat te stellen om mee te doen. Phil benadrukte hoe belangrijk verandermanagement ook is. Sterke communicatie is hier echt de sleutel: groepen samenbrengen om te beslissen wat er moet gebeuren. Phil noemde ook de doelstellingen en belangrijkste resultaten (OKR's) methodologie - een praktijk die neerkomt op de kritieke dingen die een organisatie moet prioriteren. De "doelstellingen" zijn dingen die gedaan moeten worden, en de "belangrijkste resultaten" zijn de 3-5 dingen die, als je ze levert, je doelstelling zullen halen. Phil noemde het boek Measure What Matters als een spoedcursus in OKR's.
Om meer te horen over hoe Phil specifiek met Lux werkt en waarom hij zichzelf meer ziet als een Rugby official dan een NFL referee, bekijk het interview hier.
